CN111062201A - 用于处理信息的方法和装置 - Google Patents
用于处理信息的方法和装置 Download PDFInfo
- Publication number
- CN111062201A CN111062201A CN201911325151.3A CN201911325151A CN111062201A CN 111062201 A CN111062201 A CN 111062201A CN 201911325151 A CN201911325151 A CN 201911325151A CN 111062201 A CN111062201 A CN 111062201A
- Authority
- CN
- China
- Prior art keywords
- sentence
- processed
- statement
- word
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开实施例公开了用于处理信息的方法和装置。该方法的一具体实施方式包括:从所接收的处理请求的待处理文本中确定待处理语句;根据上述待处理语句,生成至少一条处理后语句;对上述至少一条处理后语句进行筛选,得到筛选结果;基于上述筛选结果,发送信息。该实施方式实现了对待处理文本的辅助创作,有助于帮助创作者提高文本创作的质量。
Description
技术领域
本公开实施例涉及计算机技术领域,具体涉及用于处理信息的方法和装置。
背景技术
内容创作是一种重要的生产活动,在媒体、教育、娱乐、财经、体育等领域都占据着重要的地位。内容创作的本质是一种创造文字、图片、视频等媒体结果的智力密集型脑力劳动。在内容创作中,文本的创作占据核心地位,是消耗劳动者劳动时间的主要部分。因此,在文本的创作过程中进行辅助创作,具有显著的应用价值。现阶段,并没有被广泛应用的文本辅助方法。最接近的现有技术是信息检索技术,以句子为检索基础,从素材库中检索相近的句子,作为推荐和建议,帮助创作者从这些相近的句子中汲取灵感,修改提升已有写作内容。
发明内容
本公开实施例提出了用于处理信息的方法和装置。
第一方面,本公开实施例提供了一种用于处理信息的方法,该方法包括:从所接收的处理请求的待处理文本中确定待处理语句;根据上述待处理语句,生成至少一条处理后语句;对上述至少一条处理后语句进行筛选,得到筛选结果;基于上述筛选结果,发送信息。
在一些实施例中,上述从所接收的处理请求的待处理文本中确定待处理语句,包括:将上述待处理文本中的语句输入预先建立的句子分类模型,得到上述待处理文本中语句的语句类别,其中,上述句子分类模型用于表征语句与语句类别的对应关系,语句类别包括有处理价值和无处理价值;对于上述待处理文本中的语句,响应于确定该语句的语句类别为有处理价值,将该语句确定为待处理语句。
在一些实施例中,上述根据上述待处理语句,生成至少一条处理后语句,包括:将上述待处理语句输入预先建立的关键用词检测模型,得到上述待处理语句中关键用词的位置,其中,上述关键用词检测模型用于表征语句与语句中关键用词的位置的对应关系;基于得到的位置确定的关键用词,从预先建立的近义词集合中确定至少一个目标候选替换词;对于上述至少一个目标候选替换词中的目标候选替换词,使用该目标候选替换词替换上述待处理语句中的关键用词,得到替换后语句;基于预先建立的语言模型,从得到的至少一个替换后语句中确定语句作为处理后语句。
在一些实施例中,上述基于得到的位置确定的关键用词,从预先建立的近义词集合中确定至少一个目标候选替换词,包括:从上述待处理语句中确定关键用词和上下文信息;根据所确定的关键用词从预先建立的近义词集合中确定至少一个候选替换词;基于上述上下文信息,从上述至少一个候选替换词中确定至少一个目标候选替换词。
在一些实施例中,上述处理请求还包括调整需求信息;以及上述根据上述待处理语句,生成至少一条处理后语句,包括:将上述待处理语句和上述调整需求信息输入预先建立的语句生成模型,得到至少一条处理后语句,其中,上述语句生成模型用于表征语句和调整需求信息与生成语句的对应关系。
在一些实施例中,上述对上述至少一条处理后语句进行筛选,得到筛选结果,包括:使用预先建立的至少一个检测模型对上述至少一条处理后语句进行检测,得到检测结果,其中,上述至少一个检测模型包括以下至少一个:用于检测语句通顺度的第一检测模型、用于检测语句语义保持度的第二检测模型、用于检测语句合规性的第三检测模型;根据检测结果,对上述至少一条处理后语句进行筛选,得到筛选结果。
第二方面,本公开实施例提供了一种用于处理信息的装置,上述装置包括:确定单元,被配置成从所接收的处理请求的待处理文本中确定待处理语句;生成单元,被配置成根据上述待处理语句,生成至少一条处理后语句;筛选单元,被配置成对上述至少一条处理后语句进行筛选,得到筛选结果;发送单元,被配置成基于上述筛选结果,发送信息。
在一些实施例中,上述确定单元进一步被配置成:将上述待处理文本中的语句输入预先建立的句子分类模型,得到上述待处理文本中语句的语句类别,其中,上述句子分类模型用于表征语句与语句类别的对应关系,语句类别包括有处理价值和无处理价值;对于上述待处理文本中的语句,响应于确定该语句的语句类别为有处理价值,将该语句确定为待处理语句。
在一些实施例中,上述生成单元包括:输入单元,被配置成将上述待处理语句输入预先建立的关键用词检测模型,得到上述待处理语句中关键用词的位置,其中,上述关键用词检测模型用于表征语句与语句中关键用词的位置的对应关系;词确定单元,被配置成基于得到的位置确定的关键用词,从预先建立的近义词集合中确定至少一个目标候选替换词;替换单元,被配置成对于上述至少一个目标候选替换词中的目标候选替换词,使用该目标候选替换词替换上述待处理语句中的关键用词,得到替换后语句;语句确定单元,被配置成基于预先建立的语言模型,从得到的至少一个替换后语句中确定语句作为处理后语句。
在一些实施例中,上述词确定单元进一步被配置成:从上述待处理语句中确定关键用词和上下文信息;根据所确定的关键用词从预先建立的近义词集合中确定至少一个候选替换词;基于上述上下文信息,从上述至少一个候选替换词中确定至少一个目标候选替换词。
在一些实施例中,上述处理请求还包括调整需求信息;以及上述生成单元进一步被配置成:将上述待处理语句和上述调整需求信息输入预先建立的语句生成模型,得到至少一条处理后语句,其中,上述语句生成模型用于表征语句和调整需求信息与生成语句的对应关系。
在一些实施例中,上述筛选单元进一步被配置成:使用预先建立的至少一个检测模型对上述至少一条处理后语句进行检测,得到检测结果,其中,上述至少一个检测模型包括以下至少一个:用于检测语句通顺度的第一检测模型、用于检测语句语义保持度的第二检测模型、用于检测语句合规性的第三检测模型;根据检测结果,对上述至少一条处理后语句进行筛选,得到筛选结果。
第三方面,本公开实施例提供了一种设备,该设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开实施例提供的用于处理信息的方法和装置,首先从所接收的处理请求的待处理文本中确定待处理语句,而后根据待处理语句生成至少一条处理后语句,然后对至少一条处理后语句进行筛选得到筛选结果,最后基于筛选结果发送信息,从而实现了对待处理文本的辅助创作,有助于帮助创作者提高文本创作的质量。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于处理信息的方法的一个实施例的流程图;
图3是根据本公开的用于处理信息的方法的一个应用场景的示意图;
图4是根据本公开的用于处理信息的方法的又一个实施例的流程图;
图5是根据本公开的用于处理信息的装置的一个实施例的结构示意图;
图6是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开实施例的用于处理信息的方法或用于处理信息的装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如文本编辑软件、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持信息收发或者支持信息处理的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的信息提供支持的后台服务器。后台服务器可以对接收到的处理请求等数据进行分析等处理,并将处理结果(例如筛选结果)反馈给终端设备101、102、103。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
需要说明的是,本公开实施例所提供的用于处理信息的方法可以由终端设备101、102、103执行,也可以由服务器105执行。相应地,用于处理信息的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。
继续参考图2,示出了根据本公开的用于处理信息的方法的一个实施例的流程200。该用于处理信息的方法,包括以下步骤:
步骤201,从所接收的处理请求的待处理文本中确定待处理语句。
在本实施例中,用于处理信息的方法的执行主体(例如图1所示的终端设备101、102、103或者服务器105)首先可以接收处理请求。作为示例,当上述执行主体为终端设备时,执行主体可以直接接收用户发送的处理请求。当上述执行主体为服务器时,执行主体可以从用户所使用的终端设备接收处理请求。这里,该处理请求可以包括待处理文本。待处理文本可以是创作者已经创作完成的文字内容,例如,可以是一系列句子组成的段落和篇章。之后,执行主体可以从待处理文本中确定待处理语句。实践中,段落和篇章可以由多个语句组成,但是,并不是这多个语句中的每一个语句都具有文本辅助的价值或必要。这里,文本辅助可以是指对文本进行润色。通常,描述、抒情等性质的语句具有文本辅助的价值,而客观定义、引用内容等不具有文本辅助的价值。因此,执行主体需要从待处理文本中确定一条或多条具有文本辅助价值的语句作为待处理语句。举例来说,执行主体可以对待处理文本中的每一条语句进行分词、词性、语法等分析,并根据分析结果确定该语句是否具有文本辅助的价值,例如,可以基于语句所包含的形容词确定该语句是否具有文本辅助的价值。
在本实施例的一些可选的实现方式中,上述步骤201可以具体如下进行:
首先,将待处理文本中的语句输入预先建立的句子分类模型,得到待处理文本中语句的语句类别。
在本实现方式中,执行主体可以将上述待处理文本中包含的每一条语句输入预先建立的句子分类模型,从而得到待处理文本中包含的每条语句的语句类别。这里,上述句子分类模型可以用于表征语句与语句类别的对应关系,其中,语句类别可以包括有处理价值和无处理价值两种类别。有处理价值可以是指语句具有文本辅助的价值,无处理价值可以是指语句不具有文本辅助的价值。这里,上述句子分类模型可以是基于机器学习算法训练得到的分类模型。举例来说,句子分类模型可以是基于决策树、支持向量机、神经网络等训练得到的模型。作为示例,训练句子分类模型时所使用的样本数据可以包括样本语句和样本语句的语句类别。
之后,对于待处理文本中的语句,响应于确定该语句的语句类别为有处理价值,将该语句确定为待处理语句。
在本实现方式中,对于待处理文本中的每一条语句,执行主体可以判断该语句的语句类别是否为有处理价值,如果该语句的语句类别为有处理价值,则执行主体可以将该语句确定为待处理语句。通过本实现方式,执行主体可以从待处理文本中选择出具有处理价值的待处理语句,从而使信息处理更具有针对性。
步骤202,根据待处理语句,生成至少一条处理后语句。
在本实施例中,执行主体可以根据待处理语句,生成至少一条处理后语句。这里,所生成的至少一条处理后语句的语义与上述待处理语句的语义相匹配,例如,相同或者相似。
步骤203,对至少一条处理后语句进行筛选,得到筛选结果。
在本实施例中,执行主体可以对步骤202中得到的至少一条处理后语句进行筛选,从而从上述至少一条处理后语句中得到筛选结果。作为一个示例,执行主体可以从上述至少一条处理后语句中筛选出至少一条处理后语句作为目标处理后语句,并将目标处理后语句作为筛选结果。作为另一示例,执行主体对上述至少一条处理后语句进行筛选后,得到的筛选结果可能为空。这里,执行主体可以采用各种方式对上述至少一条处理后语句进行筛选。举例来说,执行主体内部可以存储有预先定义的筛选规则,这样,执行主体可以根据该筛选规则对上述至少一条处理后语句进行筛选。这里,筛选规则可以是开发人员根据实际需要预先定义的。
在本实施例的一些可选的实现方式中,上述步骤203可以具体如下进行:
首先,使用预先建立的至少一个检测模型对至少一条处理后语句进行检测,得到检测结果。
在本实现方式中,执行主体内部可以预先建立有至少一个检测模型。其中,上述至少一个检测模型可以包括以下至少一个:用于检测语句通顺度的第一检测模型、用于检测语句语义保持度的第二检测模型、用于检测语句合规性的第三检测模型。这里,上述第一检测模型可以是基于大规模语料训练的语言模型,该语言模型可以用于计算一条语句为通顺语句的概率值,该概率值即为通顺度,通常,概率值越大表示语句越通顺。上述第二检测模型可以用于计算两条语句之间语义相同的概率值,该概率值即为语义保持度。举例来说,第二检测模型可以计算处理后语句和待处理语句之间的语义相同的概率值。第二检测模型可以是基于机器学习模型训练得到的模型。第三检测模型可以用于检测语句是否合规,举例来说,第三检测模型可以用于检测一条语句是否涉及色情、暴力、广告等,如果涉及,则表示该语句不合规。作为示例,第三检测模型可以是基于机器学习算法训练得到的分类模型。这样,执行主体可以使用上述至少一个检测模型对上述至少一条处理后语句中的每一条处理后语句进行检测,从而得到针对每一条处理后语句的检测结果。
然后,根据检测结果,对至少一条处理后语句进行筛选,得到筛选结果。
在本实现方式中,执行主体可以根据每一条处理后语句的检测结果,对上述至少一条处理后语句进行筛选,得到筛选结果。作为示例,执行主体可以选取至少一条处理后语句中的、通顺度大于第一阈值,语义保持度大于第二阈值,语句合格的语句作为筛选结果。实践中,当至少一条处理后语句中的语句不存在满足通顺度大于第一阈值,语义保持度大于第二阈值,且语句合格的语句时,筛选结果为空。其中,上述第一阈值和第二阈值可以根据实际需要进行设定。
步骤204,基于筛选结果,发送信息。
在本实施例中,执行主体可以基于步骤203得到的筛选结果发送信息。以筛选结果中包括至少一条语句为例,当执行主体为终端设备时,执行主体可以将上述筛选结果发送给显示设备(例如,显示器)进行显示。当执行主体为服务器时,执行主体可以将上述筛选结果发送给终端设备,以供终端设备显示给用户。以筛选结果为空为例,可以发送“文本不需要润色”、“写的很棒,不需要润色”等预先设定好的回复语句。
具体的,当筛选结果中包括至少一条语句时,首先,执行主体可以使用预先建立的排序模型对上述筛选结果中的语句进行排序,得到排序结果。这里,排序模型可以是基于机器学习算法训练得到的模型,该排序模型可以用于对输入的多条语句进行排序。实践中,该排序模型的训练数据可以是人工标注的训练数据,也可以是根据实际用户针对多条样本语句的点击得到的训练数据。例如,可以将多条样本语句按点击数量由大到小的顺序进行排序,并将排序结果作为训练数据的期望输出,将多条样本语句作为训练数据的输入,训练得到排序模型。之后,执行主体可以基于排序结果发送信息。举例来说,执行主体可以选取排序结果中排在前预设位的语句,进行发送。通过使用排序模型对多条语句进行排序后再发送,可以使更优的语句排在靠前的位置,从而提高用户的体验。
继续参见图3,图3是根据本实施例的用于处理信息的方法的应用场景的一个示意图。在图3的应用场景中,用户首先向终端设备301输入一段自己完成的文本创作内容,终端设备301从接收的文本创作内容中确定待处理语句。之后,终端设备301根据待处理语句生成至少一条处理后语句。然后,终端设备301对至少一条处理后语句进行筛选,得到筛选结果。最后,终端设备301将筛选结果发送给显示器,以供显示器显示给用户。
本公开的上述实施例提供的方法通过生成筛选结果实现了对待处理文本的辅助创作,有助于帮助创作者提高文本创作的质量。
进一步参考图4,其示出了用于处理信息的方法的又一个实施例的流程400。该用于处理信息的方法的流程400,包括以下步骤:
步骤401,从所接收的处理请求的待处理文本中确定待处理语句。
在本实施例中,步骤401与图2所示实施例的步骤201类似,此处不再赘述。之后,执行主体可以使用待处理语句执行步骤402~步骤405,还可以使用待处理语句执行步骤406,从而得到两种方式生成的处理后语句。需要说明的是,本例中虽然使用了两种方式生成处理后语句。但是,实践中,还可以根据实际需要选择两种方式中的一种方式生成处理后语句。
步骤402,将待处理语句输入预先建立的关键用词检测模型,得到待处理语句中关键用词的位置。
在本实施例中,执行主体可以将待处理语句输入预先建立的关键用词检测模型,从而得到待处理语句中关键用词的位置。这里,上述关键用词检测模型可以用于表征语句与语句中关键用词的位置的对应关系。这里,关键用词可以是指语句中具有处理价值的词语,具有处理价值可以是指具有润色可能的词语,例如,描述型形容词。
这里,上述关键用词检测模型可以是基于机器学习算法训练得到的模型。训练关键用词检测模型时所使用的训练数据可以包括样本语句和样本语句中关键用词的位置信息。这样,可以将样本语句作为输入,将样本语句中关键用词的位置信息作为期望输出,训练得到关键用词检测模型。
步骤403,基于得到的位置确定的关键用词,从预先建立的近义词集合中确定至少一个目标候选替换词。
在本实施例中,执行主体可以根据步骤402中得到的位置从待处理语句中确定关键用词,并基于得到的关键用词从预先建立的近义词集合中确定至少一个目标候选替换词。这里,上述近义词集合中可以包括多个近义词子集,每一个近义词子集中包括多个互为近义词的词语。这样,执行主体可以将包括关键用词的近义词子集作为目标近义词子集,并将目标近义词子集中的、除关键用词之外的其他词语作为目标候选替换词。
在本实施例的一些可选的实现方式中,上述步骤403可以具体如下进行:
首先,从待处理语句中确定关键用词和上下文信息。
在本实现方式中,执行主体可以根据得到的位置,从待处理语句中确定关键用词和上下文信息。具体的,执行主体可以将待处理语句中的、上述位置所指示的词语作为关键用词,并将关键用词之前的预设个词语作为上文信息,将关键用词之后的预设个词语作为下文信息,从而得到上下文信息。
然后,根据所确定的关键用词从预先建立的近义词集合中确定至少一个候选替换词。
在本实现方式中,执行主体可以根据所确定的关键用词从上述近义词集合中确定至少一个候选替换词。具体的,执行主体可以将包括关键用词的近义词子集作为目标近义词子集,并将目标近义词子集中的、除关键用词之外的其他词语作为候选替换词。
最后,基于上下文信息,从至少一个候选替换词中确定至少一个目标候选替换词。
在本实现方式中,执行主体可以基于上下文信息从上述至少一个候选替换词中确定至少一个目标候选替换词。具体的,对于上述至少一个候选替换词中的每一个候选替换词,执行主体可以使用上下文信息和该候选替换词组成短句子。之后,将该短句子输入语言模型,该语言模型可以用于计算一条语句为通顺语句的概率值,通常,概率值越大表示语句越通顺。根据得到的概率值确定该短句子是否通顺,例如,当概率值大于某个预设值时,判断该短句子通顺。如果该短句子通顺,则将该候选替换词作为目标候选替换词。
步骤404,对于至少一个目标候选替换词中的目标候选替换词,使用该目标候选替换词替换待处理语句中的关键用词,得到替换后语句。
在本实施例中,对于上述至少一个目标候选替换词中的每一个目标候选替换词,执行主体可以使用该目标候选替换词替换上述待处理语句中的关键用词,从而得到至少一个替换后语句。
步骤405,基于预先建立的语言模型,从得到的至少一个替换后语句中确定语句作为处理后语句。
在本实施例中,执行主体内可以预先建立有语言模型,该语言模型可以是基于大规模语料训练的语言模型,该语言模型可以用于计算一条语句为通顺语句的概率值,通常,概率值越大表示语句越通顺。这样,执行主体可以基于该语言模型从得到的至少一个替换后语句中确定语句作为处理后语句。具体的,执行主体可以将至少一个替换后语句中的每一条替换后语句分别输入语音模型,从而得到各替换后语句为通顺语句的概率值,然后选取概率值大于预设阈值的语句作为处理后语句。
步骤406,将待处理语句和调整需求信息输入预先建立的语句生成模型,得到至少一条处理后语句。
在本实施例中,执行主体所接收的处理请求还可以包括调整需求信息,其中,上述调整需求信息可以用于表示对待处理文本进行调整的需求。作为示例,调整需要信息可以包括目标变动幅度、目标风格、目标句式等等。其中,目标变动幅度可以用于表示对待处理文本进行调整的幅度,通常,变动幅度越大表明调整后文本的变化越大,这里的变动指的是风格等的变化,而非语义的变化。目标风格可以用于表示对待处理文本进行调整后的期望风格。这里,文本的风格可以包括活泼、严肃等等。目标句式可以用于表示对语句进行调整后的期望句式。这里,语句的句式可以包括陈述句、疑问句、感叹句等等。
这里,上述语句生成模型可以是基于机器学习算法训练得到的模型,例如,可以是基于循环神经网络和注意力机制训练得到的模型。作为示例,训练语句生成模型时所使用的样本数据包括样本文本和样本调整需求信息,以及与样本文本和样本调整需求信息对应的样本调整后文本。之后,可以将样本文本和样本调整需求信息作为输入,将样本调整后文本作为期望输入,训练得到语句生成模型。
步骤407,对至少一条处理后语句进行筛选,得到筛选结果。
在本实施例中,步骤407与图2所示实施例的步骤203类似,此处不再赘述。
步骤408,基于筛选结果,发送信息。
在本实施例中,步骤408与图2所示实施例的步骤204类似,此处不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于处理信息的方法的流程400突出了采用两种不同的方式生成处理后语句的步骤。由此,本实施例描述的方法可以引入不同方式生成的处理后语句,从而使创作者获取到的用于辅助创作的信息更加丰富,进一步帮助创作者提高文本创作的质量。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于处理信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于处理信息的装置500包括:确定单元501、生成单元502、筛选单元503和发送单元504。其中,确定单元501被配置成从所接收的处理请求的待处理文本中确定待处理语句;生成单元502被配置成根据上述待处理语句,生成至少一条处理后语句;筛选单元503被配置成对上述至少一条处理后语句进行筛选,得到筛选结果;发送单元504被配置成基于上述筛选结果,发送信息。
在本实施例中,用于处理信息的装置500的确定单元501、生成单元502、筛选单元503和发送单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述确定单元501进一步被配置成:将上述待处理文本中的语句输入预先建立的句子分类模型,得到上述待处理文本中语句的语句类别,其中,上述句子分类模型用于表征语句与语句类别的对应关系,语句类别包括有处理价值和无处理价值;对于上述待处理文本中的语句,响应于确定该语句的语句类别为有处理价值,将该语句确定为待处理语句。
在本实施例的一些可选的实现方式中,上述生成单元502包括:输入单元(图中未示出),被配置成将上述待处理语句输入预先建立的关键用词检测模型,得到上述待处理语句中关键用词的位置,其中,上述关键用词检测模型用于表征语句与语句中关键用词的位置的对应关系;词确定单元(图中未示出),被配置成基于得到的位置确定的关键用词,从预先建立的近义词集合中确定至少一个目标候选替换词;替换单元(图中未示出),被配置成对于上述至少一个目标候选替换词中的目标候选替换词,使用该目标候选替换词替换上述待处理语句中的关键用词,得到替换后语句;语句确定单元(图中未示出),被配置成基于预先建立的语言模型,从得到的至少一个替换后语句中确定语句作为处理后语句。
在本实施例的一些可选的实现方式中,上述词确定单元进一步被配置成:从上述待处理语句中确定关键用词和上下文信息;根据所确定的关键用词从预先建立的近义词集合中确定至少一个候选替换词;基于上述上下文信息,从上述至少一个候选替换词中确定至少一个目标候选替换词。
在本实施例的一些可选的实现方式中,上述处理请求还包括调整需求信息;以及上述生成单元502进一步被配置成:将上述待处理语句和上述调整需求信息输入预先建立的语句生成模型,得到至少一条处理后语句,其中,上述语句生成模型用于表征语句和调整需求信息与生成语句的对应关系。
在本实施例的一些可选的实现方式中,上述筛选单元503进一步被配置成:使用预先建立的至少一个检测模型对上述至少一条处理后语句进行检测,得到检测结果,其中,上述至少一个检测模型包括以下至少一个:用于检测语句通顺度的第一检测模型、用于检测语句语义保持度的第二检测模型、用于检测语句合规性的第三检测模型;根据检测结果,对上述至少一条处理后语句进行筛选,得到筛选结果。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:从所接收的处理请求的待处理文本中确定待处理语句;根据上述待处理语句,生成至少一条处理后语句;对上述至少一条处理后语句进行筛选,得到筛选结果;基于上述筛选结果,发送信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括确定单元、生成单元、筛选单元和发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,确定单元还可以被描述为“从所接收的处理请求的待处理文本中确定待处理语句的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于处理信息的方法,包括:
从所接收的处理请求的待处理文本中确定待处理语句;
根据所述待处理语句,生成至少一条处理后语句;
对所述至少一条处理后语句进行筛选,得到筛选结果;
基于所述筛选结果,发送信息。
2.根据权利要求1所述的方法,其中,所述从所接收的处理请求的待处理文本中确定待处理语句,包括:
将所述待处理文本中的语句输入预先建立的句子分类模型,得到所述待处理文本中语句的语句类别,其中,所述句子分类模型用于表征语句与语句类别的对应关系,语句类别包括有处理价值和无处理价值;
对于所述待处理文本中的语句,响应于确定该语句的语句类别为有处理价值,将该语句确定为待处理语句。
3.根据权利要求1所述的方法,其中,所述根据所述待处理语句,生成至少一条处理后语句,包括:
将所述待处理语句输入预先建立的关键用词检测模型,得到所述待处理语句中关键用词的位置,其中,所述关键用词检测模型用于表征语句与语句中关键用词的位置的对应关系;
基于得到的位置确定的关键用词,从预先建立的近义词集合中确定至少一个目标候选替换词;
对于所述至少一个目标候选替换词中的目标候选替换词,使用该目标候选替换词替换所述待处理语句中的关键用词,得到替换后语句;
基于预先建立的语言模型,从得到的至少一个替换后语句中确定语句作为处理后语句。
4.根据权利要求3所述的方法,其中,所述基于得到的位置确定的关键用词,从预先建立的近义词集合中确定至少一个目标候选替换词,包括:
从所述待处理语句中确定关键用词和上下文信息;
根据所确定的关键用词从预先建立的近义词集合中确定至少一个候选替换词;
基于所述上下文信息,从所述至少一个候选替换词中确定至少一个目标候选替换词。
5.根据权利要求1所述的方法,其中,所述处理请求还包括调整需求信息;以及
所述根据所述待处理语句,生成至少一条处理后语句,包括:
将所述待处理语句和所述调整需求信息输入预先建立的语句生成模型,得到至少一条处理后语句,其中,所述语句生成模型用于表征语句和调整需求信息与生成语句的对应关系。
6.根据权利要求1所述的方法,其中,所述对所述至少一条处理后语句进行筛选,得到筛选结果,包括:
使用预先建立的至少一个检测模型对所述至少一条处理后语句进行检测,得到检测结果,其中,所述至少一个检测模型包括以下至少一个:用于检测语句通顺度的第一检测模型、用于检测语句语义保持度的第二检测模型、用于检测语句合规性的第三检测模型;
根据检测结果,对所述至少一条处理后语句进行筛选,得到筛选结果。
7.一种用于处理信息的装置,包括:
确定单元,被配置成从所接收的处理请求的待处理文本中确定待处理语句;
生成单元,被配置成根据所述待处理语句,生成至少一条处理后语句;
筛选单元,被配置成对所述至少一条处理后语句进行筛选,得到筛选结果;
发送单元,被配置成基于所述筛选结果,发送信息。
8.根据权利要求7所述的装置,其中,所述确定单元进一步被配置成:
将所述待处理文本中的语句输入预先建立的句子分类模型,得到所述待处理文本中语句的语句类别,其中,所述句子分类模型用于表征语句与语句类别的对应关系,语句类别包括有处理价值和无处理价值;
对于所述待处理文本中的语句,响应于确定该语句的语句类别为有处理价值,将该语句确定为待处理语句。
9.根据权利要求7所述的装置,其中,所述生成单元包括:
输入单元,被配置成将所述待处理语句输入预先建立的关键用词检测模型,得到所述待处理语句中关键用词的位置,其中,所述关键用词检测模型用于表征语句与语句中关键用词的位置的对应关系;
词确定单元,被配置成基于得到的位置确定的关键用词,从预先建立的近义词集合中确定至少一个目标候选替换词;
替换单元,被配置成对于所述至少一个目标候选替换词中的目标候选替换词,使用该目标候选替换词替换所述待处理语句中的关键用词,得到替换后语句;
语句确定单元,被配置成基于预先建立的语言模型,从得到的至少一个替换后语句中确定语句作为处理后语句。
10.根据权利要求9所述的装置,其中,所述词确定单元进一步被配置成:
从所述待处理语句中确定关键用词和上下文信息;
根据所确定的关键用词从预先建立的近义词集合中确定至少一个候选替换词;
基于所述上下文信息,从所述至少一个候选替换词中确定至少一个目标候选替换词。
11.根据权利要求7所述的装置,其中,所述处理请求还包括调整需求信息;以及
所述生成单元进一步被配置成:
将所述待处理语句和所述调整需求信息输入预先建立的语句生成模型,得到至少一条处理后语句,其中,所述语句生成模型用于表征语句和调整需求信息与生成语句的对应关系。
12.根据权利要求7所述的装置,其中,所述筛选单元进一步被配置成:
使用预先建立的至少一个检测模型对所述至少一条处理后语句进行检测,得到检测结果,其中,所述至少一个检测模型包括以下至少一个:用于检测语句通顺度的第一检测模型、用于检测语句语义保持度的第二检测模型、用于检测语句合规性的第三检测模型;
根据检测结果,对所述至少一条处理后语句进行筛选,得到筛选结果。
13.一种设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911325151.3A CN111062201B (zh) | 2019-12-20 | 2019-12-20 | 用于处理信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911325151.3A CN111062201B (zh) | 2019-12-20 | 2019-12-20 | 用于处理信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111062201A true CN111062201A (zh) | 2020-04-24 |
CN111062201B CN111062201B (zh) | 2023-07-21 |
Family
ID=70301384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911325151.3A Active CN111062201B (zh) | 2019-12-20 | 2019-12-20 | 用于处理信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062201B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112667774A (zh) * | 2020-12-23 | 2021-04-16 | 上海掌门科技有限公司 | 一种在作品创作过程中提供创作帮助信息的方法与设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101101594A (zh) * | 2007-06-12 | 2008-01-09 | 无敌科技(西安)有限公司 | 一种实时句子辅助写作方法及系统 |
US20120297294A1 (en) * | 2011-05-17 | 2012-11-22 | Microsoft Corporation | Network search for writing assistance |
CN102906749A (zh) * | 2010-05-28 | 2013-01-30 | 微软公司 | 辅助的内容创作 |
CN103370705A (zh) * | 2011-01-05 | 2013-10-23 | 谷歌公司 | 用于便利文本输入的方法和系统 |
CN106407168A (zh) * | 2016-09-06 | 2017-02-15 | 首都师范大学 | 一种应用文自动生成方法 |
CN106650943A (zh) * | 2016-10-28 | 2017-05-10 | 北京百度网讯科技有限公司 | 基于人工智能的辅助写作方法和装置 |
CN110232112A (zh) * | 2019-05-31 | 2019-09-13 | 北京创鑫旅程网络技术有限公司 | 文章中关键词提取方法及装置 |
CN110348013A (zh) * | 2019-07-05 | 2019-10-18 | 武汉莱博信息技术有限公司 | 基于人工智能的写作辅助方法、设备及可读存储介质 |
CN110457439A (zh) * | 2019-08-06 | 2019-11-15 | 北京如优教育科技有限公司 | 一站式智能写作辅助方法、装置和系统 |
-
2019
- 2019-12-20 CN CN201911325151.3A patent/CN111062201B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101101594A (zh) * | 2007-06-12 | 2008-01-09 | 无敌科技(西安)有限公司 | 一种实时句子辅助写作方法及系统 |
CN102906749A (zh) * | 2010-05-28 | 2013-01-30 | 微软公司 | 辅助的内容创作 |
CN103370705A (zh) * | 2011-01-05 | 2013-10-23 | 谷歌公司 | 用于便利文本输入的方法和系统 |
US20120297294A1 (en) * | 2011-05-17 | 2012-11-22 | Microsoft Corporation | Network search for writing assistance |
CN106407168A (zh) * | 2016-09-06 | 2017-02-15 | 首都师范大学 | 一种应用文自动生成方法 |
CN106650943A (zh) * | 2016-10-28 | 2017-05-10 | 北京百度网讯科技有限公司 | 基于人工智能的辅助写作方法和装置 |
CN110232112A (zh) * | 2019-05-31 | 2019-09-13 | 北京创鑫旅程网络技术有限公司 | 文章中关键词提取方法及装置 |
CN110348013A (zh) * | 2019-07-05 | 2019-10-18 | 武汉莱博信息技术有限公司 | 基于人工智能的写作辅助方法、设备及可读存储介质 |
CN110457439A (zh) * | 2019-08-06 | 2019-11-15 | 北京如优教育科技有限公司 | 一站式智能写作辅助方法、装置和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112667774A (zh) * | 2020-12-23 | 2021-04-16 | 上海掌门科技有限公司 | 一种在作品创作过程中提供创作帮助信息的方法与设备 |
CN112667774B (zh) * | 2020-12-23 | 2023-12-15 | 上海掌门科技有限公司 | 一种在作品创作过程中提供创作帮助信息的方法与设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111062201B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11599714B2 (en) | Methods and systems for modeling complex taxonomies with natural language understanding | |
US20210081611A1 (en) | Methods and systems for language-agnostic machine learning in natural language processing using feature extraction | |
US9923860B2 (en) | Annotating content with contextually relevant comments | |
CN107832433B (zh) | 基于对话交互的信息推荐方法、装置、服务器和存储介质 | |
CN110969012B (zh) | 文本纠错方法、装置、存储介质及电子设备 | |
US9373075B2 (en) | Applying a genetic algorithm to compositional semantics sentiment analysis to improve performance and accelerate domain adaptation | |
CN109325213B (zh) | 用于标注数据的方法和装置 | |
US11573995B2 (en) | Analyzing the tone of textual data | |
CN110968695A (zh) | 基于弱监督技术主动学习的智能标注方法、装置及平台 | |
CN111104482A (zh) | 数据处理方法和装置 | |
US10360219B2 (en) | Applying level of permanence to statements to influence confidence ranking | |
CN111428010A (zh) | 人机智能问答的方法和装置 | |
CN107798622B (zh) | 一种识别用户意图的方法和装置 | |
WO2020182123A1 (zh) | 用于推送语句的方法和装置 | |
US11526543B2 (en) | Aggregate comment management from forwarded media content | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN112182255A (zh) | 用于存储媒体文件和用于检索媒体文件的方法和装置 | |
CN110738056B (zh) | 用于生成信息的方法和装置 | |
EP3374879A1 (en) | Provide interactive content generation for document | |
CN111062201B (zh) | 用于处理信息的方法和装置 | |
US9946765B2 (en) | Building a domain knowledge and term identity using crowd sourcing | |
US11558471B1 (en) | Multimedia content differentiation | |
CN109857838B (zh) | 用于生成信息的方法和装置 | |
WO2023121681A1 (en) | Automated text-to-speech pronunciation editing for long form text documents | |
CN114297380A (zh) | 一种数据处理方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |