[发明专利]一种文本摘要分析方法、装置、电子设备及存储介质

权利要求书

1.一种文本摘要分析方法，其特征在于，所述方法包括：

获取目标文本以及摘要文本；

通过文本信息处理模型对所述摘要文本进行处理，确定所述摘要文本对应的自参照冗余度参数；

通过所述文本信息处理模型对所述进行处理，确定所述目标文本对应的伪参照信息；

基于所述目标文本对应的伪参照信息，确定与所述目标文本相匹配的中心度加权参数；

基于所述摘要文本对应的自参照冗余度参数和所述目标文本相匹配的中心度加权参数，确定所述目标文本与摘要文本的相关度参数；

基于所述目标文本与摘要文本的相关度参数，确定所述摘要文本的分析结果。

2.根据权利要求1所述的方法，其特征在于，所述通过文本信息处理模型对所述摘要文本进行处理，确定所述摘要文本对应的自参照冗余度参数，包括：

通过文本信息处理模型的编码网络对所述摘要文本进行处理，提取与所述摘要文本相匹配的摘要特征向量；

根据所述摘要特征向量确定与所述摘要文本所对应的第一词语级的隐向量；

对所述第一词语级的隐向量进行最大池化处理，形成第一语句级的隐向量；

对所述第一词语级的隐向量和所述第一语句级的隐向量进行拼接，形成第一拼接向量；

通过所述第一拼接向量，确定所述第一词语级的隐向量中不同单词之间的相似度；

通过所述第一拼接向量，确定所述第一语句级的隐向量中不同语句之间的相似度；

通过不同单词之间的相似度和不同语句之间的相似度，确定所述摘要文本对应的自参照冗余度参数。

3.根据权利要求1所述的方法，其特征在于，所述通过所述文本信息处理模型对所述目标文本进行处理，确定所述目标文本对应的伪参照信息，包括：

根据所述摘要特征向量确定与所述目标文本所对应的第二词语级的隐向量；

对所述第二词语级的隐向量进行池化处理，形成第二语句级的隐向量；

基于所述第二语句级的隐向量，确定所述目标文本中每个语句所对应的中心度分数；

对所述目标文本中每个语句所对应的中心度分数进行排序，根据中心度分数的排序结果确定所述目标文本对应的伪参照信息。

4.根据权利要求3所述的方法，其特征在于，所述对所述参照文本中每个语句所对应的中心度分数进行排序，根据中心度分数的排序结果确定所述参照文本对应的伪参照信息，包括：

根据文本摘要分析环境，确定所述伪参照信息的单词数量；

基于所述伪参照信息的单词数量，在所述中心度分数的排序结果中获取相应数量的语句作为所述目标文本对应的伪参照信息。

5.根据权利要求1所述的方法，其特征在于，所述基于所述目标文本对应的伪参照信息，确定与所述目标文本相匹配的中心度加权参数，包括：

对第二词语级的隐向量和第二语句级的隐向量进行拼接，形成第二拼接向量；

确定所述目标文本对应的伪参照信息中每个语句和单词所对应的权重参数；

基于所述第二拼接向量和伪参照信息中每个语句和单词所对应的权重参数，确定与所述目标文本相匹配的中心度加权参数。

6.根据权利要求5所述的方法，其特征在于，所述确定所述目标文本对应的伪参照信息中每个语句和单词所对应的权重参数，包括：

确定所述目标文本中每个语句所对应的中心度分数；

对所述目标文本中每个语句所对应的中心度分数进行归一化处理，形成语句级的中心度分数；

确定所述伪参照信息中每个单词所归属的语句；

根据所述伪参照信息中每个单词所归属的语句的中心度分数；确定词语级的中心度分数；

根据所述语句级的中心度分数和所述词语级的中心度分数，确定所述伪参照信息中每个语句和单词所对应的权重参数。