[发明专利]句子向量生成方法、装置、计算机设备及存储介质

权利要求书

1.一种句子向量生成方法，其特征在于，包括：

对获取到的初始句子文本进行语义分割，得到分割后的句子文本；

利用预先构建的句子向量生成模型，通过用于预测所述句子文本上下文的编码处理，得到所述句子文本的向量表示，所述句子向量生成模型为训练好的序列到序列模型的编码层；

其中，所述训练好的序列到序列模型通过下述步骤得到：

利用初始序列到序列模型，对构建的句子样本集中的上下文句子对序列中的当前句子进行编码处理和上下文解码处理，得到所述当前句子的上文预测句子和下文预测句子；

根据上文预测句子和下文预测句子，得到训练好的序列到序列模型。

2.根据权利要求1所述的方法，其特征在于，所述根据上文预测句子和下文预测句子，得到训练好的序列到序列模型的步骤，具体包括：

根据所述当前句子的上文预测句子和下文预测句子，利用目标损失函数对所述初始序列到序列模型进行训练，得到训练好的序列到序列模型；

其中，所述目标损失函数是根据第一损失函数与第二损失函数之和确定的。

3.根据权利要求1或2所述的方法，其特征在于，所述上下文句子对序列具体包括：

用于输入至所述初始序列到序列模型的编码层进行上下文句子预测的当前句子；

以及，用于训练所述初始序列到序列模型输出结果的上文目标句子和下文目标句子，所述输出结果为模型训练过程中输出的上文预测句子和下文预测句子。

4.根据权利要求1所述的方法，其特征在于，所述利用初始序列到序列模型，对构建的句子样本集中的上下文句子对序列中的当前句子进行编码处理和上下文解码处理，得到所述当前句子的上文预测句子和下文预测句子的步骤，具体包括：

根据所述上下文句子对序列，利用分词工具进行分词处理得到分词后的上下文句子对序列；

根据所述分词后的上下文句子对序列中的当前句子，利用所述初始序列到序列模型的编码层，得到所述当前句子的句子嵌入向量；

根据所述当前句子的句子嵌入向量，利用所述初始序列到序列模型中并行设置的两个解码层，分别得到上文预测句子和下文预测句子；

其中，所述两个解码层是指用于预测上文的第一解码层，以及用于预测下文的第二解码层。

5.根据权利要求4所述的方法，其特征在于，所述用于预测上文的第一解码层为第一GRU模型，所述用于预测下文的第二解码层为第二GRU模型，所述根据所述当前句子的句子嵌入向量，利用所述初始序列到序列模型中并行设置的两个解码层，分别得到上文预测句子和下文预测句子的步骤，具体包括：

将所述当前句子的句子嵌入向量分别作为第一GRU模型中重置门、更新门和候选记忆单元的输入数据，通过解码处理得到当前句子的上文预测句子；

将所述当前句子的句子嵌入向量作为第二GRU模型的输入数据，通过解码处理得到当前句子的下文预测句子。

6.根据权利要求2或4所述的方法，其特征在于，所述目标损失函数中的第一损失函数是基于用于预测上文的第一解码层设定的，所述目标损失函数中的第二损失函数是基于用于预测下文的第二解码层设定的。

7.根据权利要求1所述的方法，其特征在于，所述利用所述句子向量生成模型，通过用于预测所述句子文本上下文的编码处理，得到所述句子文本的向量表示的步骤之后，还包括：

计算所述句子文本的向量表示与预设图书样本库中的句子嵌入向量之间的相似度值；

根据所述预设图书样本库中相似度值满足预设条件的句子嵌入向量，生成所述句子文本的图书推荐信息；

其中，所述预设图书样本库中的句子嵌入向量是利用所述句子向量生成模型输出得到的。