[发明专利]一种言辞矛盾检测方法、装置、设备及存储介质在审

专利信息
申请号: 202011404854.8 申请日: 2020-12-02
公开(公告)号: CN112464675A 公开(公告)日: 2021-03-09
发明(设计)人: 张大康;李浩;郭冬杰;盛志超 申请(专利权)人: 科大讯飞股份有限公司
主分类号: G06F40/35 分类号: G06F40/35;G06F40/279;G06F16/35
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 张柳
地址: 230088 安徽*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 言辞 矛盾 检测 方法 装置 设备 存储 介质
【权利要求书】:

1.一种言辞矛盾检测方法,其特征在于,包括:

从对应于第一对象的第一文本中获取与目标案件的案情相关的问答对,组成第一问答对集合,并从对应于第二对象的第二文本中获取与所述目标案件的案情相关的问答对,组成第二问答对集合;

从所述第一问答对集合中的问答对中抽取作案要素,组成第一作案要素集合,并从所述第二问答对集合中的问答对中抽取作案要素,组成第二作案要素集合;

根据所述第一作案要素集合和所述第二作案要素集合,确定所述第一对象与所述第二对象的言辞是否矛盾。

2.根据权利要求1所述的言辞矛盾检测方法,其特征在于,从一文本中获取与目标案件的案情相关的问答对,包括:

从该文本中识别出问答对;

利用基于关键词的过滤规则,或者,预先建立的问答对分类模型,将识别出的问答对中与案情无关的问答对滤除,得到与案情有关的问答对;

其中,所述问答对分类模型采用标注有问答对类别的问答对训练得到,所述问答对类别包括与案情有关和与案情无关。

3.根据权利要求1所述的言辞矛盾检测方法,其特征在于,从一问答对集合中的问答对中抽取作案要素,包括:

针对该问答对集合中的每个问答对:

从该问答对中确定指定事件类型的句子,作为目标句子;

从所述目标句子中抽取作案要素;

以得到从该问答对集合中的每个问答对抽取出的作案要素。

4.根据权利要求3所述的言辞矛盾检测方法,其特征在于,所述从该问答对中确定指定事件类型的句子,作为目标句子,包括:

将该问答对切分为句子,由切分得到的句子组成句子集合;

利用预先建立的事件类型分类模型,对所述句子集合中的每个句子进行事件类型分类,得到所述句子集合中每个句子的分类结果,其中,若一个句子属于指定事件类型集合中的一指定事件类型,则该句子的分类结果为该句子所属的指定事件类型,若该句子不属于任何指定事件类型,则该句子的分类结果为该句子不属于任何指定事件类型;

根据所述句子集合中每个句子的分类结果,获得所述句子集合中的目标句子。

5.根据权利要求4所述的言辞矛盾检测方法,其特征在于,所述利用预先建立的事件类型分类模型,对所述句子集合中的每个句子进行事件类型分类,得到所述句子集合中每个句子的分类结果,包括:

针对所述句子集合中的每个句子:

利用所述事件类型分类模型、该句子、该句子在其所在问答对中的位置信息以及所述指定事件类型集合,确定该句子的分类结果;

以得到所述句子集合中每个句子的分类结果。

6.根据权利要求5所述的言辞矛盾检测方法,其特征在于,所述利用所述事件类型分类模型、该句子、该句子在其所在问答对中的位置信息以及所述指定事件类型集合,确定该句子的分类结果,包括:

利用所述事件类型分类模型、该句子以及该句子在其所在问答对中的位置信息,确定该句子的表征向量;

利用所述事件类型分类模型和所述指定事件类型集合,确定所述指定事件类型集合中每个指定事件类型的事件类型向量;

利用所述事件类型分类模型、该句子的表征向量以及所述指定事件类型集合中每个指定事件类型的事件类型向量,确定该句子的分类结果。

7.根据权利要求6所述的言辞矛盾检测方法,其特征在于,所述利用所述事件类型分类模型、该句子以及该句子在其所在问答对中的位置信息,确定该句子的表征向量,包括:

利用所述事件类型分类模型和该句子中的每个词,确定该句子中每个词对应的词向量;

利用所述事件类型分类模型和该句子中每个词对应的词向量,确定该句子对应的句向量;

利用所述事件类型分类模型和该句子在其所在问答对中的位置信息,确定该句子对应的位置向量;

利用所述事件类型分类模型将该句子对应的句向量与该句子对应的位置向量进行拼接,拼接后向量作为该句子的表征向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于科大讯飞股份有限公司,未经科大讯飞股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011404854.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top