CN111523300A - 一种车辆综合评价方法、装置及电子设备 - Google Patents
一种车辆综合评价方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111523300A CN111523300A CN202010291617.9A CN202010291617A CN111523300A CN 111523300 A CN111523300 A CN 111523300A CN 202010291617 A CN202010291617 A CN 202010291617A CN 111523300 A CN111523300 A CN 111523300A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- text
- target
- evaluation
- vehicle evaluation
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Machine Translation (AREA)
Abstract
本发明提供了一种车辆综合评价方法、装置及电子设备,其中,该方法包括:获取目标车辆的多个车辆评价文本,对车辆评价文本进行句法依存分析处理,提取车辆评价文本中的目标词;根据目标词进行文本分类,确定车辆评价文本所对应的维度和情感色彩;对多个车辆评价文本所对应的维度和情感色彩进行统计处理,确定目标车辆的车辆画像信息。通过本发明实施例提供的车辆综合评价方法、装置及电子设备,基于句法依存分析提取关键的目标词,不需要匹配规则,能够准确快速地提取出关键的目标词;基于关键的目标词进行文本分类,可以更加准确地确定车辆评价文本的维度和情感色彩,从而能够更加准确地对目标车辆进行综合评价。
Description
技术领域
本发明涉及车辆数据处理技术领域,具体而言,涉及一种车辆综合评价方法、装置、电子设备及计算机可读存储介质。
背景技术
目前,汽车媒体领域每天产生数以亿计的信息,而计算机对信息的处理仅仅是存储与展示,不具备“理解”能力。而人对信息具有理解能力,但是做后续的信息处理加工效率低,远远跟不上业务需要。当前一般采用标签提取的方式对信息进行处理,例如基于关键字匹配或规则匹配等进行标签提取。
在实现本发明的过程中,发明人发现现有技术中至少存在如下问题:传统基于关键字匹配或规则匹配的方式需要大量的逻辑控制、规则匹配,而且可移植性较差,逻辑也会随着新的规则频繁修改,处理效果较差。
发明内容
为解决现有存在的技术问题,本发明实施例提供一种车辆综合评价方法、装置、电子设备及计算机可读存储介质。
第一方面,本发明实施例提供了一种车辆综合评价方法,包括:
获取目标车辆的多个车辆评价文本,对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词;
根据所述目标词进行文本分类,确定所述车辆评价文本所对应的维度和情感色彩;
对多个所述车辆评价文本所对应的所述维度和所述情感色彩进行统计处理,确定所述目标车辆的车辆画像信息。
第二方面,本发明实施例还提供了一种车辆综合评价装置,包括:
提取模块,用于获取目标车辆的多个车辆评价文本,对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词;
分类模块,用于根据所述目标词进行文本分类,确定所述车辆评价文本所对应的维度和情感色彩;
统计模块,用于对多个所述车辆评价文本所对应的所述维度和所述情感色彩进行统计处理,确定所述目标车辆的车辆画像信息。
第三方面,本发明实施例提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述所述的车辆综合评价方法中的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的车辆综合评价方法中的步骤。
本发明实施例提供的车辆综合评价方法、装置、电子设备及计算机可读存储介质,基于句法依存分析处理确定车辆评价文本中的目标词,进而基于该目标词确定相应的维度和情感色彩,从而可以通过统计的方式得出目标车辆的车辆画像信息,实现对目标车辆的综合评价。该方法基于句法依存分析提取关键的目标词,不需要匹配规则,能够准确快速地提取出关键的目标词;基于关键的目标词进行文本分类,可以更加准确地确定车辆评价文本的维度和情感色彩,从而能够更加准确地对目标车辆进行综合评价。
附图说明
为了更清楚地说明本发明实施例或背景技术中的技术方案,下面将对本发明实施例或背景技术中所需要使用的附图进行说明。
图1示出了本发明实施例所提供的一种车辆综合评价方法的流程图;
图2示出了本发明实施例所提供的车辆综合评价方法中,一种句法依存树的结构示意图;
图3示出了本发明实施例所提供的车辆综合评价方法中,一种车辆画像的示意图;
图4示出了本发明实施例所提供的车辆综合评价装置的第一结构示意图;
图5示出了本发明实施例所提供的车辆综合评价装置的第二结构示意图;
图6示出了本发明实施例所提供的一种用于执行车辆综合评价方法的电子设备的结构示意图。
具体实施方式
在本发明实施例的描述中,所属技术领域的技术人员应当知道,本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本发明实施例可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、闪存(Flash Memory)、光纤、光盘只读存储器(CD-ROM)、光存储器件、磁存储器件或以上任意组合。在本发明实施例中,计算机可读存储介质可以是任意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、器件使用或与其结合使用。
上述计算机可读存储介质包含的计算机程序代码可以用任意适当的介质传输,包括:无线、电线、光缆、射频(Radio Frequency,RF)或者以上任意合适的组合。
可以以汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或以一种或多种程序设计语言或其组合来编写用于执行本发明实施例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,例如:Java、Smalltalk、C++,还包括常规的过程式程序设计语言,例如:C语言或类似的程序设计语言。计算机程序代码可以完全的在用户计算机上执行、部分的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以及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),可以连接到用户计算机,也可以连接到外部计算机。
本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本发明实施例中的附图对本发明实施例进行描述。
图1示出了本发明实施例所提供的一种车辆综合评价方法的流程图。如图1所示,该方法包括:
步骤101:获取目标车辆的多个车辆评价文本,对车辆评价文本进行句法依存分析处理,提取车辆评价文本中的目标词。
本发明实施例中,目标车辆为需要进行评价的车辆,其具体可以是属于某个车型的车辆,或者属于某个车系的车辆等。其中,可以从多个不同的数据源处分别获取对于该目标车辆的车辆评价文本,在获取到该目标车辆的多个车辆评价文本之后,对该车辆评价文本进行句法依存分析处理,将该车辆评价文本分析成一颗句法依存树,从而可以描述其中各个词语之间的依存关系,即可以确定词语之间的搭配关系,从而能够方便地提取出该车辆评价文本中的目标词。
例如,车辆评价文本为“内部空间对于四口之家足够宽敞”,即句法依存树可参见图2所示,根据该车辆评价文本的句法依存树可以寻找匹配的句式关系及关键节点。如图2所示,基于主谓关系和定中关系确定关键节点:内部、空间、宽敞,从而可以提取出目标词:内部、空间、宽敞,并将提取出的目标词按照原顺序进行组合。
步骤102:根据目标词进行文本分类,确定车辆评价文本所对应的维度和情感色彩。
本发明实施例中,在提取出目标词之后,再对车辆评价文本进行分类。具体的,基于该车辆评价文本的目标词进行文本分类,从而确定相应的维度和情感色彩。其中,该“维度”指的是用于描述车辆结构或性能的参数名称,如:空间、外观、油耗等,“情感色彩”指的是对车辆的评价偏好,如:正向、负向、中性等。本实施例中,目标词为车辆评价文本中的关键词汇,基于目标词进行文本分类,可以更加准确地确定车辆评价文本的分类,即确定车辆评价文本的维度和情感色彩。
可选的,可以基于预测模型进行文本分类。本实施例中,上述步骤102“根据目标词进行文本分类,确定车辆评价文本所对应的维度和情感色彩”包括:
步骤A1:确定训练样本,训练样本包括原始的训练文本和与训练文本相对应的维度编码和情感色彩编码。
本发明实施例中,预先获取训练样本,该训练样本中的训练文本可以通过网络爬虫的方式获取,也可以从预设的样本库中获取;同时,为该训练文本标注相应的维度编码和情感色彩编码。可选的,该维度编码可以包含一级维度编码、二级维度编码等。例如,训练文本为“前排空间比较宽敞,后备厢比较紧凑,轮毂设计好看”,该训练文本包含三个句子,其一级维度编码为:[空间,空间,外观],二级维度编码为:[前排空间,后备厢空间,轮毂外观],情感色彩编码为:[正向,负向,正向]。
步骤A2:将训练文本作为输入、将维度编码和情感色彩编码作为输出,对预设的预测模型进行训练。
步骤A3:之后将车辆评价文本的目标词输入至训练后的预测模型,根据预测模型的输出结果确定车辆评价文本所对应的维度和情感色彩。
本发明实施例中,基于该训练样本对预设的预测模型进行训练,即可确定该预测模型训练后的参数,之后以该车辆评价文本作为输入即可确定相应的维度和情感色彩。本实施例中,在训练过程中,不涉及提取目标词的过程,即将原始的训练文本作为输入进行训练,使得训练的预测模型能够适应更真实且复杂的文本;而在进行文本分类时,将从车辆评价文本中提取出的目标词作为预测模型的输入,可以简化预测模型的输入,使得预测模型的输出更加准确。例如,车辆评价文本为“内部空间对于四口之家足够宽敞”,其目标词为:内部、空间、宽敞,经预测模型进行文本分类后即可确定一级维度为空间,二级维度为乘坐空间,情感色彩为正向。
本实施例中,基于预测模型可以将词语转换成一个向量表示,而不仅仅是一个字符串,使得文本具备真正的语义表示,实现对车辆评价文本“语义”级别的理解和处理。其中,该预测模型可以为BERT(Bidirectional Encoder Representation fromTransformers,基于转换器的双向编码表征)预训练模型,具体可以通过训练遮蔽语言模型(masked language model,MLM)和预测下一句任务得到该模型。
步骤103:对多个车辆评价文本所对应的维度和情感色彩进行统计处理,确定目标车辆的车辆画像信息。
本发明实施例中,对于目标车辆的多个车辆评价文本,可以分别基于上述步骤101和步骤102确定相应的维度和情感色彩,即基于句法依存分析处理分别确定每个车辆评价文本的目标词,之后基于目标词确定每个车辆评价文本所对应的维度和情感色彩。在确定目标车辆多个车辆评价文本的维度和情感色彩之后,即可对所有的维度和情感色彩进行统计处理,进而生成目标车辆的车辆画像信息。该车辆画像信息用于表示该车辆整体和/或局部的属性,方便用户基于该车辆画像信息快速获取到所需的信息,例如车辆的配置、油耗等。本实施例中,车辆画像信息可以以车辆画像的形式表示,一种车辆画像的示意图可参见图3所示,该车辆画像表示了目标车辆的空间、动力、油耗、操控、配置、安全等六个维度的统计结果,且还可以更详细的表示某个维度的详细信息,如图3中表示了“空间”这一维度的更详细特征。
本发明实施例提供的一种车辆综合评价方法,基于句法依存分析处理确定车辆评价文本中的目标词,进而基于该目标词确定相应的维度和情感色彩,从而可以通过统计的方式得出目标车辆的车辆画像信息,实现对目标车辆的综合评价。该方法基于句法依存分析提取关键的目标词,不需要匹配规则,能够准确快速地提取出关键的目标词;基于关键的目标词进行文本分类,可以更加准确地确定车辆评价文本的维度和情感色彩,从而能够更加准确地对目标车辆进行综合评价。
在上述实施例的基础上,上述步骤101“对车辆评价文本进行句法依存分析处理,提取车辆评价文本中的目标词”包括:预先设置多个车辆评价领域内的句式结构,根据多个句式结构对车辆评价文本进行句法依存分析处理,提取车辆评价文本中的目标词。
本发明实施例中,将用户评价车辆时惯用的句式结构作为车辆评价领域内的句式结构,进而进行句法依存分析处理,可以更准确地从车辆评价文本中提取出目标词。该句式结构例如可以是[主谓关系+定中关系],[主谓关系+状中关系]等。
可选的,在上述步骤101“提取车辆评价文本中的目标词”之后,该方法还包括:
步骤B1:判断车辆评价文本中是否包含否定词,在否定词与提取的目标词之间的距离小于预设距离值时,将否定词也作为车辆评价文本的目标词。
本发明实施例中,基于句法依存分析可以提取出车辆评价文本中关键的目标词,同时,若该车辆评价文本中包含“不”、“没有”等否定词时,该否定词可能影响情感色彩的分类结果,故需要判断是否提取该否定词。本实施例中基于该否定词与已经提取出的目标词之间的距离作为判断基准,若二者之间的距离小于预设距离值(例如8、10等),则说明该否定词适用于修饰目标词的,此时需要将该否定词作为一个目标词,以避免情感色彩分类错误。其中,在包含多个目标词时,需要否定词与每个目标词之间的距离均小于预设距离值,此时才将该否定词作为一个目标词。此外,若基于句法依存分析已经将该否定词作为了目标词,则不需要执行该步骤B1。
在上述实施例的基础上,该车辆评价文本可以从不同的数据源获取,具体的,在上述步骤101“获取目标车辆的多个车辆评价文本”之前,该方法还包括:
步骤C1:获取不同数据源的多个车辆数据,确定车辆数据中的车辆标识,并对不同数据源中车辆数据的车辆标识进行关系映射,确定不同数据源的统一映射对应关系。
本发明实施例中,不同的数据源中均会存在与目标哦车辆相关的数据,即车辆数据,本实施例中从不同数据源中分别获取车辆数据,从而可以实现数据统一、整合。具体的,可以采取网络爬虫爬取的方式从数据源中获取车辆数据。由于不同的数据源可能会采用不同的表达方式,本实施例中通过对不同数据源的车辆数据地车辆标识进行关系映射,可以确定不同数据源不同表达方式之间的关联,即可以确定不同数据源的统一映射对应关系,将不同的表达方式的车辆标识映射为统一的方式,从而形成统一的输出口径。该车辆标识可以为表示车辆车型或车辆车系等的标识,如对于某车型,数据源A可以用该车型的中文名称作为该车型的车辆标识示,数据源B用该车型的英文名称作为该车型的车辆标识示,数据源C用约定俗成的别称或外号作为该车型的车辆标识示,即三个数据源A、B、C用三种车辆标识分别表示同一车型,而基于该统一映射对应关系即可确定这三种车辆标识均表示同一车型。
步骤C2:根据统一映射对应关系从一个或多个数据源中获取与目标车辆的车辆标识相匹配的多个车辆数据,之后将相匹配的车辆数据作为目标车辆的车辆评价文本。
本发明实施例中,由于不同数据源可能采用不同的表达方式,故需要基于该统一映射对应关系将不同数据源的车辆数据进行统一,从而可以准确提取出针对同一目标车辆的车辆数据,进而将该车辆数据作为目标车辆的车辆评价文本,即获取到了目标车辆的多个车辆评价文本。本实施例中通过预先建立不同数据源的统一映射对应关系,可以确定车辆标识的对应关系,从而能够全面、准确地提取出针对同一目标车辆的车辆评价文本。
本发明实施例提供的一种车辆综合评价方法,基于句法依存分析处理确定车辆评价文本中的目标词,进而基于该目标词确定相应的维度和情感色彩,从而可以通过统计的方式得出目标车辆的车辆画像信息,实现对目标车辆的综合评价。该方法基于句法依存分析提取关键的目标词,不需要匹配规则,能够准确快速地提取出关键的目标词;基于关键的目标词进行文本分类,可以更加准确地确定车辆评价文本的维度和情感色彩,从而能够更加准确地对目标车辆进行综合评价。在目标词中引入否定词,有效避免情感色彩分类错误。基于不同数据源的统一映射对应关系可以形成车辆标识的统一输出口径,从而能够全面、准确地提取出针对同一目标车辆的车辆评价文本。
上文结合图1至图3,详细描述了本发明实施例提供的车辆综合评价方法,该方法也可以通过相应的装置实现,下面将结合图4至图6,详细描述本发明实施例提供的车辆综合评价装置。
图4示出了本发明实施例所提供的一种车辆综合评价装置的结构示意图。如图4所示,该车辆综合评价装置包括:
提取模块41,用于获取目标车辆的多个车辆评价文本,对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词;
分类模块42,用于根据所述目标词进行文本分类,确定所述车辆评价文本所对应的维度和情感色彩;
统计模块43,用于对多个所述车辆评价文本所对应的所述维度和所述情感色彩进行统计处理,确定所述目标车辆的车辆画像信息。
本发明实施例提供的一种车辆综合评价装置,基于句法依存分析处理确定车辆评价文本中的目标词,进而基于该目标词确定相应的维度和情感色彩,从而可以通过统计的方式得出目标车辆的车辆画像信息,实现对目标车辆的综合评价。该装置基于句法依存分析提取关键的目标词,不需要匹配规则,能够准确快速地提取出关键的目标词;基于关键的目标词进行文本分类,可以更加准确地确定车辆评价文本的维度和情感色彩,从而能够更加准确地对目标车辆进行综合评价。
在上述实施例的基础上,所述提取模块41对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词,包括:
预先设置多个车辆评价领域内的句式结构,根据多个所述句式结构对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词。
在上述实施例的基础上,在所述提取模块41提取所述车辆评价文本中的目标词之后,所述提取模块41还用于:
判断所述车辆评价文本中是否包含否定词,在所述否定词与提取的所述目标词之间的距离小于预设距离值时,将所述否定词也作为所述车辆评价文本的目标词。
在上述实施例的基础上,参见图5所示,该装置还包括统一映射模块44;
在所述提取模块41获取目标车辆的多个车辆评价文本之前,所述统一映射模块44用于:
获取不同数据源的多个车辆数据,确定所述车辆数据中的车辆标识,并对不同数据源中所述车辆数据的车辆标识进行关系映射,确定不同数据源的统一映射对应关系;
根据所述统一映射对应关系从一个或多个所述数据源中获取与目标车辆的车辆标识相匹配的多个车辆数据,之后将相匹配的车辆数据作为所述目标车辆的车辆评价文本。
在上述实施例的基础上,所述分类模块42根据所述目标词进行文本分类,确定所述车辆评价文本所对应的维度和情感色彩,包括:
确定训练样本,所述训练样本包括原始的训练文本和与所述训练文本相对应的维度编码和情感色彩编码;
将所述训练文本作为输入、将所述维度编码和情感色彩编码作为输出,对预设的预测模型进行训练;
之后将所述车辆评价文本的所述目标词输入至训练后的预测模型,根据所述预测模型的输出结果确定所述车辆评价文本所对应的维度和情感色彩。
本发明实施例提供的一种车辆综合评价装置,基于句法依存分析处理确定车辆评价文本中的目标词,进而基于该目标词确定相应的维度和情感色彩,从而可以通过统计的方式得出目标车辆的车辆画像信息,实现对目标车辆的综合评价。该装置基于句法依存分析提取关键的目标词,不需要匹配规则,能够准确快速地提取出关键的目标词;基于关键的目标词进行文本分类,可以更加准确地确定车辆评价文本的维度和情感色彩,从而能够更加准确地对目标车辆进行综合评价。在目标词中引入否定词,有效避免情感色彩分类错误。基于不同数据源的统一映射对应关系可以形成车辆标识的统一输出口径,从而能够全面、准确地提取出针对同一目标车辆的车辆评价文本。
此外,本发明实施例还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述车辆综合评价方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
具体的,参见图6所示,本发明实施例还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本发明实施例中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现以下步骤:
获取目标车辆的多个车辆评价文本,对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词;
根据所述目标词进行文本分类,确定所述车辆评价文本所对应的维度和情感色彩;
对多个所述车辆评价文本所对应的所述维度和所述情感色彩进行统计处理,确定所述目标车辆的车辆画像信息。
可选地,计算机程序被处理器1120执行“对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词”步骤时,使得处理器具体实现以下步骤:
预先设置多个车辆评价领域内的句式结构,根据多个所述句式结构对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词。
可选地,计算机程序被处理器1120执行所述提取所述车辆评价文本中的目标词之后,还可实现以下步骤:
判断所述车辆评价文本中是否包含否定词,在所述否定词与提取的所述目标词之间的距离小于预设距离值时,将所述否定词也作为所述车辆评价文本的目标词。
可选地,计算机程序被处理器1120执行所述获取目标车辆的多个车辆评价文本之前,还可实现以下步骤:
获取不同数据源的多个车辆数据,确定所述车辆数据中的车辆标识,并对不同数据源中所述车辆数据的车辆标识进行关系映射,确定不同数据源的统一映射对应关系;
根据所述统一映射对应关系从一个或多个所述数据源中获取与目标车辆的车辆标识相匹配的多个车辆数据,之后将相匹配的车辆数据作为所述目标车辆的车辆评价文本。
可选地,计算机程序被处理器1120执行“根据所述目标词进行文本分类,确定所述车辆评价文本所对应的维度和情感色彩”步骤时,使得处理器具体实现以下步骤:
确定训练样本,所述训练样本包括原始的训练文本和与所述训练文本相对应的维度编码和情感色彩编码;
将所述训练文本作为输入、将所述维度编码和情感色彩编码作为输出,对预设的预测模型进行训练;
之后将所述车辆评价文本的所述目标词输入至训练后的预测模型,根据所述预测模型的输出结果确定所述车辆评价文本所对应的维度和情感色彩。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本发明实施例中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线以及存储器控制器、外围总线、加速图形端口(Accelerate Graphical Port,AGP)、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构(Industry Standard Architecture,ISA)总线、微通道体系结构(Micro Channel Architecture,MCA)总线、扩展ISA(Enhanced ISA,EISA)总线、视频电子标准协会(Video Electronics Standards Association,VESA)、外围部件互连(Peripheral Component Interconnect,PCI)总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,FPGA)、复杂可编程逻辑器件(Complex Programmable LogicDevice,CPLD)、可编程逻辑阵列(Programmable Logic Array,PLA)、微控制单元(Microcontroller Unit,MCU)或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器(Random Access Memory,RAM)、闪存(FlashMemory)、只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本发明实施例不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机系统的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本发明实施例中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络(ad hoc network)、内联网(intranet)、外联网(extranet)、虚拟专用网(VPN)、局域网(LAN)、无线局域网(WLAN)、广域网(WAN)、无线广域网(WWAN)、城域网(MAN)、互联网(Internet)、公共交换电话网(PSTN)、普通老式电话业务网(POTS)、蜂窝电话网、无线网络、无线保真(Wi-Fi)网络以及两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信(GSM)系统、码分多址(CDMA)系统、全球微波互联接入(WiMAX)系统、通用分组无线业务(GPRS)系统、宽带码分多址(WCDMA)系统、长期演进(LTE)系统、LTE频分双工(FDD)系统、LTE时分双工(TDD)系统、先进长期演进(LTE-A)系统、通用移动通信(UMTS)系统、增强移动宽带(Enhance Mobile Broadband,eMBB)系统、海量机器类通信(massive Machine Type of Communication,mMTC)系统、超可靠低时延通信(UltraReliable Low Latency Communications,uRLLC)系统等。
应理解,本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存(Flash Memory)。
易失性存储器包括:随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种系统程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器(Media Player)、浏览器(Browser),用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。
此外,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述车辆综合评价方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
具体而言,计算机程序被处理器执行时可实现以下步骤:
获取目标车辆的多个车辆评价文本,对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词;
根据所述目标词进行文本分类,确定所述车辆评价文本所对应的维度和情感色彩;
对多个所述车辆评价文本所对应的所述维度和所述情感色彩进行统计处理,确定所述目标车辆的车辆画像信息。
可选地,计算机程序被处理器执行“对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词”步骤时,使得处理器具体实现以下步骤:
预先设置多个车辆评价领域内的句式结构,根据多个所述句式结构对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词。
可选地,计算机程序被处理器执行所述提取所述车辆评价文本中的目标词之后,还可实现以下步骤:
判断所述车辆评价文本中是否包含否定词,在所述否定词与提取的所述目标词之间的距离小于预设距离值时,将所述否定词也作为所述车辆评价文本的目标词。
可选地,计算机程序被处理器执行所述获取目标车辆的多个车辆评价文本之前,还可实现以下步骤:
获取不同数据源的多个车辆数据,确定所述车辆数据中的车辆标识,并对不同数据源中所述车辆数据的车辆标识进行关系映射,确定不同数据源的统一映射对应关系;
根据所述统一映射对应关系从一个或多个所述数据源中获取与目标车辆的车辆标识相匹配的多个车辆数据,之后将相匹配的车辆数据作为所述目标车辆的车辆评价文本。
可选地,计算机程序被处理器执行“根据所述目标词进行文本分类,确定所述车辆评价文本所对应的维度和情感色彩”步骤时,使得处理器具体实现以下步骤:
确定训练样本,所述训练样本包括原始的训练文本和与所述训练文本相对应的维度编码和情感色彩编码;
将所述训练文本作为输入、将所述维度编码和情感色彩编码作为输出,对预设的预测模型进行训练;
之后将所述车辆评价文本的所述目标词输入至训练后的预测模型,根据所述预测模型的输出结果确定所述车辆评价文本所对应的维度和情感色彩。
计算机可读存储介质包括:永久性和非永久性、可移动和非可移动媒体,是可以保留和存储供指令执行设备所使用指令的有形设备。计算机可读存储介质包括:电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备以及上述任意合适的组合。计算机可读存储介质包括:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带存储、磁带磁盘存储或其他磁性存储设备、记忆棒、机械编码装置(例如在其上记录有指令的凹槽中的穿孔卡或凸起结构)或任何其他非传输介质、可用于存储可以被计算设备访问的信息。按照本发明实施例中的界定,计算机可读存储介质不包括暂时信号本身,例如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如穿过光纤电缆的光脉冲)或通过导线传输的电信号。
在本申请所提供的几个实施例中,应该理解到,所披露的装置、电子设备和方法,可以通过其他的方式实现。例如,以上描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的、机械的或其他的形式连接。
所述作为分离部件说明的单元可以是或也可以不是物理上分开的,作为单元显示的部件可以是或也可以不是物理单元,既可以位于一个位置,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或全部单元来解决本发明实施例方案要解决的问题。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术作出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(包括:个人计算机、服务器、数据中心或其他网络设备)执行本发明各个实施例所述方法的全部或部分步骤。而上述存储介质包括如前述所列举的各种可以存储程序代码的介质。
以上所述,仅为本发明实施例的具体实施方式,但本发明实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明实施例披露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种车辆综合评价方法,其特征在于,包括:
获取目标车辆的多个车辆评价文本,对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词;
根据所述目标词进行文本分类,确定所述车辆评价文本所对应的维度和情感色彩;
对多个所述车辆评价文本所对应的所述维度和所述情感色彩进行统计处理,确定所述目标车辆的车辆画像信息。
2.根据权利要求1所述的方法,其特征在于,所述对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词,包括:
预先设置多个车辆评价领域内的句式结构,根据多个所述句式结构对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词。
3.根据权利要求1所述的方法,其特征在于,在所述提取所述车辆评价文本中的目标词之后,还包括:
判断所述车辆评价文本中是否包含否定词,在所述否定词与提取的所述目标词之间的距离小于预设距离值时,将所述否定词也作为所述车辆评价文本的目标词。
4.根据权利要求1所述的方法,其特征在于,在所述获取目标车辆的多个车辆评价文本之前,还包括:
获取不同数据源的多个车辆数据,确定所述车辆数据中的车辆标识,并对不同数据源中所述车辆数据的车辆标识进行关系映射,确定不同数据源的统一映射对应关系;
根据所述统一映射对应关系从一个或多个所述数据源中获取与目标车辆的车辆标识相匹配的多个车辆数据,之后将相匹配的车辆数据作为所述目标车辆的车辆评价文本。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标词进行文本分类,确定所述车辆评价文本所对应的维度和情感色彩,包括:
确定训练样本,所述训练样本包括原始的训练文本和与所述训练文本相对应的维度编码和情感色彩编码;
将所述训练文本作为输入、将所述维度编码和情感色彩编码作为输出,对预设的预测模型进行训练;
之后将所述车辆评价文本的所述目标词输入至训练后的预测模型,根据所述预测模型的输出结果确定所述车辆评价文本所对应的维度和情感色彩。
6.一种车辆综合评价装置,其特征在于,包括:
提取模块,用于获取目标车辆的多个车辆评价文本,对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词;
分类模块,用于根据所述目标词进行文本分类,确定所述车辆评价文本所对应的维度和情感色彩;
统计模块,用于对多个所述车辆评价文本所对应的所述维度和所述情感色彩进行统计处理,确定所述目标车辆的车辆画像信息。
7.根据权利要求6所述的装置,其特征在于,所述提取模块对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词,包括:
预先设置多个车辆评价领域内的句式结构,根据多个所述句式结构对所述车辆评价文本进行句法依存分析处理,提取所述车辆评价文本中的目标词。
8.根据权利要求7所述的装置,其特征在于,在所述提取模块提取所述车辆评价文本中的目标词之后,所述提取模块还用于:
判断所述车辆评价文本中是否包含否定词,在所述否定词与提取的所述目标词之间的距离小于预设距离值时,将所述否定词也作为所述车辆评价文本的目标词。
9.一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的车辆综合评价方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的车辆综合评价方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010291617.9A CN111523300B (zh) | 2020-04-14 | 2020-04-14 | 一种车辆综合评价方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010291617.9A CN111523300B (zh) | 2020-04-14 | 2020-04-14 | 一种车辆综合评价方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523300A true CN111523300A (zh) | 2020-08-11 |
CN111523300B CN111523300B (zh) | 2021-03-05 |
Family
ID=71910698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010291617.9A Expired - Fee Related CN111523300B (zh) | 2020-04-14 | 2020-04-14 | 一种车辆综合评价方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523300B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365142A (zh) * | 2020-11-05 | 2021-02-12 | 北京汽车研究总院有限公司 | 车辆数据分析方法、装置以及电子设备 |
CN114626356A (zh) * | 2020-12-08 | 2022-06-14 | 腾讯科技(深圳)有限公司 | 文章特征生成方法、装置、设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739430A (zh) * | 2008-11-21 | 2010-06-16 | 中国科学院计算技术研究所 | 一种基于关键词的文本情感分类器的训练方法和分类方法 |
CN103455562A (zh) * | 2013-08-13 | 2013-12-18 | 西安建筑科技大学 | 一种文本倾向性分析方法及基于该方法的商品评论倾向判别器 |
CN103678564A (zh) * | 2013-12-09 | 2014-03-26 | 国家计算机网络与信息安全管理中心 | 一种基于数据挖掘的互联网产品调研系统 |
CN105930503A (zh) * | 2016-05-09 | 2016-09-07 | 清华大学 | 基于组合特征向量和深度学习的情感分类方法及装置 |
CN107978373A (zh) * | 2017-11-23 | 2018-05-01 | 吉林大学 | 一种基于共训练的半监督生物医学事件抽取方法 |
CN109376239A (zh) * | 2018-09-29 | 2019-02-22 | 山西大学 | 一种用于中文微博情感分类的特定情感词典的生成方法 |
CN110147552A (zh) * | 2019-05-22 | 2019-08-20 | 南京邮电大学 | 基于自然语言处理的教育资源质量评价挖掘方法及系统 |
CN110175325A (zh) * | 2019-04-26 | 2019-08-27 | 南京邮电大学 | 基于词向量和句法特征的评论分析方法及可视化交互界面 |
CN110362833A (zh) * | 2019-07-22 | 2019-10-22 | 腾讯科技(深圳)有限公司 | 一种基于文本的情感分析方法及相关装置 |
CN110502744A (zh) * | 2019-07-15 | 2019-11-26 | 同济大学 | 一种针对历史公园评价的文本情感识别方法及装置 |
-
2020
- 2020-04-14 CN CN202010291617.9A patent/CN111523300B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739430A (zh) * | 2008-11-21 | 2010-06-16 | 中国科学院计算技术研究所 | 一种基于关键词的文本情感分类器的训练方法和分类方法 |
CN103455562A (zh) * | 2013-08-13 | 2013-12-18 | 西安建筑科技大学 | 一种文本倾向性分析方法及基于该方法的商品评论倾向判别器 |
CN103678564A (zh) * | 2013-12-09 | 2014-03-26 | 国家计算机网络与信息安全管理中心 | 一种基于数据挖掘的互联网产品调研系统 |
CN105930503A (zh) * | 2016-05-09 | 2016-09-07 | 清华大学 | 基于组合特征向量和深度学习的情感分类方法及装置 |
CN107978373A (zh) * | 2017-11-23 | 2018-05-01 | 吉林大学 | 一种基于共训练的半监督生物医学事件抽取方法 |
CN109376239A (zh) * | 2018-09-29 | 2019-02-22 | 山西大学 | 一种用于中文微博情感分类的特定情感词典的生成方法 |
CN110175325A (zh) * | 2019-04-26 | 2019-08-27 | 南京邮电大学 | 基于词向量和句法特征的评论分析方法及可视化交互界面 |
CN110147552A (zh) * | 2019-05-22 | 2019-08-20 | 南京邮电大学 | 基于自然语言处理的教育资源质量评价挖掘方法及系统 |
CN110502744A (zh) * | 2019-07-15 | 2019-11-26 | 同济大学 | 一种针对历史公园评价的文本情感识别方法及装置 |
CN110362833A (zh) * | 2019-07-22 | 2019-10-22 | 腾讯科技(深圳)有限公司 | 一种基于文本的情感分析方法及相关装置 |
Non-Patent Citations (1)
Title |
---|
李逍: "产品评论的方面级观点挖掘技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365142A (zh) * | 2020-11-05 | 2021-02-12 | 北京汽车研究总院有限公司 | 车辆数据分析方法、装置以及电子设备 |
CN114626356A (zh) * | 2020-12-08 | 2022-06-14 | 腾讯科技(深圳)有限公司 | 文章特征生成方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111523300B (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113204649A (zh) | 基于实体关系联合抽取的法律知识图谱构建方法及设备 | |
US11024299B1 (en) | Privacy and intent-preserving redaction for text utterance data | |
CN109902301B (zh) | 基于深度神经网络的关系推理方法、装置及设备 | |
US20220092276A1 (en) | Multimodal translation method, apparatus, electronic device and computer-readable storage medium | |
CN111523300B (zh) | 一种车辆综合评价方法、装置及电子设备 | |
US10769373B2 (en) | Contextual validation of synonyms in otology driven natural language processing | |
CN110795541B (zh) | 文本查询方法、装置、电子设备及计算机可读存储介质 | |
CN111597804B (zh) | 一种实体识别模型训练的方法以及相关装置 | |
CN111194401B (zh) | 意图识别的抽象和可移植性 | |
US11875125B2 (en) | System and method for designing artificial intelligence (AI) based hierarchical multi-conversation system | |
CN111079408A (zh) | 一种语种识别方法、装置、设备及存储介质 | |
CN108268443B (zh) | 确定话题点转移以及获取回复文本的方法、装置 | |
CN113220854A (zh) | 机器阅读理解的智能对话方法及装置 | |
CN112749557A (zh) | 文本处理模型的构建方法和文本处理方法 | |
CN110852066B (zh) | 一种基于对抗训练机制的多语言实体关系抽取方法及系统 | |
US20220083745A1 (en) | Method, apparatus and electronic device for determining word representation vector | |
CN115936020A (zh) | 文本翻译的方法、装置、电子设备和介质 | |
CN115620726A (zh) | 语音文本生成方法、语音文本生成模型的训练方法、装置 | |
CN116821327A (zh) | 文本数据处理方法、装置、设备、可读存储介质及产品 | |
KR20220068462A (ko) | 지식 그래프 생성 방법 및 장치 | |
CN116913278B (zh) | 语音处理方法、装置、设备和存储介质 | |
CN115577090B (zh) | 基于成语理解的语音对话方法、装置、设备及存储介质 | |
CN113392631B (zh) | 一种语料扩展的方法以及相关装置 | |
CN115146623A (zh) | 文本词替换方法、装置、存储介质及电子设备 | |
CN116644180A (zh) | 文本匹配模型的训练方法、训练系统和文本标签确定方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210305 |