CN112069794A - 文本预测方法、装置、设备以及存储介质 - Google Patents

文本预测方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN112069794A
CN112069794A CN202010888432.6A CN202010888432A CN112069794A CN 112069794 A CN112069794 A CN 112069794A CN 202010888432 A CN202010888432 A CN 202010888432A CN 112069794 A CN112069794 A CN 112069794A
Authority
CN
China
Prior art keywords
sentence
sentences
prediction
memory
text
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
Application number
CN202010888432.6A
Other languages
English (en)
Other versions
CN112069794B (zh
Inventor
杨晨
杨天行
彭彬
张一麟
宋勋超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010888432.6A priority Critical patent/CN112069794B/zh
Publication of CN112069794A publication Critical patent/CN112069794A/zh
Priority to JP2021077732A priority patent/JP7524128B2/ja
Priority to EP21193300.7A priority patent/EP3907648A3/en
Priority to US17/458,040 priority patent/US20210390255A1/en
Priority to KR1020210113955A priority patent/KR20210113113A/ko
Application granted granted Critical
Publication of CN112069794B publication Critical patent/CN112069794B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F40/258—Heading extraction; Automatic titling; Numbering
    • 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
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/274—Converting codes to words; Guess-ahead of partial word inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

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)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Machine Translation (AREA)

Abstract

本申请公开了一种文本预测方法、装置、设备以及存储介质，涉及数据处理技术领域，尤其深度学习、自然语言处理和智能搜索技术。具体实现方案为：对待预测文本进行切分，得到至少两个句子；根据目标设备包括CPU中央处理器内核的数量，对所述至少两个句子进行分组，其中所述目标设备是指执行预测操作的设备；将分组得到的每个句子组分配至所述目标设备的每个CPU内核，由所述每个CPU内核对所述每个句子组进行逐句预测；根据所述每个句子组的预测结果，确定所述待预测文本的预测结果。根据本申请的技术提高了目标设备的CPU利用率，进而提高文本的预测效率。

Description

文本预测方法、装置、设备以及存储介质
技术领域
本申请涉及数据处理技术领域，尤其深度学习、自然语言处理和智能搜索技术，具体涉及一种文本预测方法、装置、设备以及存储介质。
背景技术
在刑事案件的办理过程中，涉及到许多非结构化的法律文书，例如起诉书、判决书、刑事自述状等，在这些法律文书中，案情相关的信息散布在各种语段中，难以系统地提取到案情相关的信息。当用户需要查看案情相关的信息时，需要将这些文件一一浏览并手动提取有用的信息，不仅效率较低，而且容易因漏读而忽略相关的信息。
当前可以利用分类模型进行案情相关信息的自动提取，以解决上述问题。但是由于客户没有图形处理器(Graphics Processing Unit，GPU)，从而导致分类模型在客户设备上的预测效率低下，无法满足客户需求。
发明内容
本公开提供了一种文本预测方法、装置、设备以及存储介质。
根据本公开的一方面，提供了一种文本预测方法，包括：
对待预测文本进行切分，得到至少两个句子；
根据目标设备包括CPU(Central Processing Unit，中央处理器)内核的数量，对所述至少两个句子进行分组，其中所述目标设备是指执行预测操作的设备；
将分组得到的每个句子组分配至所述目标设备的每个CPU内核，由所述每个CPU内核对所述每个句子组进行逐句预测；
根据所述每个句子组的预测结果，确定所述待预测文本的预测结果。
根据本公开的另一方面，提供了一种文本预测装置，包括：
句子提取模块，用于对待预测文本进行切分，得到至少两个句子；
句子分组模块，用于根据目标设备包括CPU中央处理器内核的数量，对所述至少两个句子进行分组，其中所述目标设备是指执行预测操作的设备；
句子预测模块，用于将分组得到的每个句子组分配至所述目标设备的每个CPU内核，由所述每个CPU内核对所述每个句子组进行逐句预测；
预测结果模块，用于根据所述每个句子组的预测结果，确定所述待预测文本的预测结果。
根据本公开的又一方面，提供了一种电子设备，其中，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例中任一项所述的方法。
根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本申请实施例中任一项所述的方法。
根据本申请的技术提高了目标设备的CPU利用率，进而提高文本的预测效率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例提供的一种文本预测方法的流程图；
图2是本申请实施例提供的另一种文本预测方法的流程图；
图3是本申请实施例提供的又一种文本预测方法的流程图；
图4是本申请实施例提供的又一种文本预测方法的流程图；
图5是本申请实施例提供的一种文本预测装置的示意图；
图6是根据本申请实施例的文本预测方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是本申请实施例提供的一种文本预测方法的流程图。本申请实施例可适用于对文本进行标签预测的情况。典型地，本申请可适用于对法律文书进行多标签预测的情况。该方法可以由一种文本预测装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本申请实施例提供的一种文本预测方法，包括：
S110、对待预测文本进行切分，得到至少两个句子。
其中，待预测文本是指待进行标签预测的文本。
示例性地，待预测文本可以是法律文书。标签可以是案情相关的信息。
S120、根据目标设备包括CPU内核的数量，对所述至少两个句子进行分组，其中所述目标设备是指执行预测操作的设备。
示例性地，目标设备可以是用于对待预测文本进行预测的计算机。
典型地，分组得到的句子组的数量与目标设备包括CPU内核的数量相同。
在一个实施例中，若切分得到的至少两个句子的句长相同，则分组后每个句子组中包括的句子数量相同；若切分得到的至少两个句子的句长不相同，则每个目标句子组中包括的句子数量可以相同，也可以不同。
S130、将分组得到的每个句子组分配至所述目标设备的每个CPU内核，由所述每个CPU内核对所述每个句子组进行逐句预测。
其中每个CPU内核中包括有句子粒度的标签预测逻辑。
可选地，该标签预测逻辑可以是现有标签预测逻辑，也可以是预先训练的预测模型，本实施例对此并不进行限定。
S140、根据所述每个句子组的预测结果，确定所述待预测文本的预测结果。
示例性地，以待预测文本包括4个句子，且目标设备包括两个CPU内核为例，上述方案可以描述为：
对待预测文本进行切分，得到4个句子；
根据目标设备包括两个CPU内核，对该4个句子进行分组，得到两个句子组，每个句子组包括两个句子；
将上述两个句子组中的一个句子组分配由目标设备的一个CPU内核进行逐句预测处理，将另一个句子组分配由目标设备的另一个CPU内核进行逐句预测处理；
根据该4个句子中每个句子的预测结果，确定所述待预测文本的预测结果。
本申请实施例通过根据目标设备包括CPU内核的数量，对切分得到的至少两个句子进行分组，并分配给每个CPU内核进行预测处理，从而利用多个CPU内核进行预测，并且使得每个目标句子组在不同CPU内核中的预测完成时间相当，进而实现在充分利用各CPU内核的基础上提高确定待预测文本的预测效率。
此外，本申请实施例通过逐句预测从而提高预测结果的准确率。因为文本粒度的预测准确率小于句粒度的预测准确率。
图2是本申请实施例提供的另一种文本预测方法的流程图。本实施例是在上述实施例的基础上，对上述方案的扩展。参见图2，本申请实施例提供的文本预测方法包括：
S210、对待预测文本进行切分，得到至少两个句子。
S220、根据目标设备包括CPU内核的数量，对所述至少两个句子进行分组，其中所述目标设备是指执行预测操作的设备。
S230、若分组得到的句子组的数量等于或大于两个，则根据至少两个句子组中句子的句长，对所述至少两个句子组中的句子进行调整，以使调整后的所述至少两个句子组间的预测耗时差小于设定差值阈值。
其中，句长是指句子的长度。句子的长度可以根据句子包括的字数确定。
预测耗时差是指预测花费时间的差值。
设定差值阈值是指在目标设备的预测速度满足要求的情况下，至少两个句子组间的预测耗时差的最大值。
具体地，该差值阈值可以根据实际需要进行设定。
在一个实施例中，所述根据至少两个句子组中句子的句长，对所述至少两个句子组中的句子进行调整，可以包括：
对所述至少两个句子组中每个句子组中的每个句子进行句长累计，得到至少两个总句长；
根据得到至少两个总句长，对所述至少两个句子组中的句子进行调整。
其中，总句长是指一个句子组中全部句子的句长之和。
示例性地，若一个句子组包括两个句子，该两个句子的句长分别为5和10，则该句子组的总句长为15。
进一步地，所述根据得到至少两个总句长，对所述至少两个句子组中的句子进行调整，可以包括：
比较所述至少两个总句长；
根据比较结果，将所述至少两个句子组中一个句子组中的句子移动至除该句子组外的至少一个其他句子组中。
示例性地，若待预测文本包括两个句子组，第一个句子组的总句长为15，第二个句子组的总句长为30，则将第二个句子组中的一个句子移动到第一个句子组中，以使移动后的第一个句子组的总句长与第二个句子组的总句长的差值小于设定差值阈值。
S240、将分组得到的每个句子组分配至所述目标设备的每个CPU内核，由所述每个CPU内核对所述每个句子组进行逐句预测。
S250、根据所述每个句子组的预测结果，确定所述待预测文本的预测结果。
本方案通过若分组得到的句子组的数量等于或大于两个，则根据至少两个句子组中句子的句长，对至少两个句子组中的句子进行调整，以使调整后的至少两个句子组间的预测耗时差小于设定差值阈值，从而使得目标设备中的至少两个CPU内核几乎同时完成对各句子组的预测，进一步提高对待预测文本的预测效率。
图3是本申请实施例提供的又一种文本预测方法的流程图。本实施例是在上述实施例的基础上，对上述方案的扩展。参见图3，本申请实施例提供的文本预测方法包括：
S310、对待预测文本进行切分，得到至少两个句子。
S320、将所述至少两个句子写入目标设备的内存中。
S330、根据目标设备包括CPU内核的数量，对写入内存的所述至少两个句子进行分组，其中所述目标设备是指执行预测操作的设备。
S340、将分组得到的每个句子组分配至所述目标设备的每个CPU内核，由所述每个CPU内核对所述每个句子组进行逐句预测。
S350、根据所述每个句子组的预测结果，确定所述待预测文本的预测结果。
可选地，本申请实施例对上述步骤的执行顺序不做限定。可选地，S330可以先于S320执行。
本方案通过将切分得到的至少两个句子写入目标设备的内存中，从而提高目标设备对待预测文本的预测效率。
为避免内存不足的问题，所述将所述至少两个句子写入目标设备的内存中之前，所述方法还包括：
统计所述至少两个句子的数量；
若统计得到的句子的数量大于或等于设定数量阈值，则对所述至少两个句子进行划分，得到至少两个句子集合；
相应地，所述将所述至少两个句子写入目标设备的内存中，包括：
将所述至少两个句子集合中的一个句子集合写入目标设备的内存中；
在完成对该句子集合的预测操作后，从内存中删除该句子集合的数据，将其他句子集合逐个写入目标设备的内存中；
相应地，所述根据目标设备包括CPU内核的数量，对所述至少两个句子进行分组，包括：
根据目标设备包括CPU内核的数量，对写入内存的句子集合进行分组；
若统计得到的句子的数量小于设定数量阈值，则触发执行将所述至少两个句子写入目标设备的内存的步骤。
基于该技术特征，本申请实例的技术方案通过在切分得到的句子过多时，对切分的句子进行分批次写入内存和预测处理；否则，将切分的句子一次性写入内存中，并进行预测处理，从而避免内存占用过多，导致内存不足的问题。
图4是本申请实施例提供的又一种文本预测方法的流程图。本实施例是在上述实施例的基础上，对上述方案的扩展。参见图4，本申请实施例提供的文本预测方法包括：
对待预测文本进行句粒度切分，得到至少两个句子；
统计所述至少两个句子的数量；
若统计得到的句子的数量小于设定数量阈值，则将所述至少两个句子写入内存；
根据句子的长度和目标设备包括内核的数量，对所述至少两个句子进行分组；
将每组句子分配至目标设备的每个内核中进行逐句预测；
根据每个句子的预测结果，确定所述待预测文本的预测结果；
若统计得到的句子的数量大于或等于设定数量阈值，则将所述至少两个句子进行设定数量的划分，得到至少两个句子集；
将所述至少两个句子集中的一个句子集写入内存中；
根据句子的长度和目标设备包括内核的数量，对该句子集中的至少两个句子进行分组；
将每组句子分配至目标设备的每个内核中进行逐句预测；
保存预测结果，并将该句子集从内存中删除，将其他句子集写入目标设备的内存中进行预测处理，直至完成对全部句子集的预测；
根据所述至少两个句子集中各句子的预测结果，确定所述待预测文本的预测结果。
本方案相比于现有方案预测效率明显提高。若待预测文本中的句子数量更多，目标设备CPU内核的数量更多，那么基于本方案可以充分利用CPU资源，从而能够达到更好的一个性能指标。
图5是本申请实施例提供的一种文本预测装置的示意图。参见图5本申请实施例提供的文本预测装置500包括：句子提取模块501、句子分组模块502、句子预测模块503和预测结果模块504。
其中，句子提取模块501，用于对待预测文本进行切分，得到至少两个句子；
句子分组模块502，用于根据目标设备包括CPU中央处理器内核的数量，对所述至少两个句子进行分组，其中所述目标设备是指执行预测操作的设备；
句子预测模块503，用于将分组得到的每个句子组分配至所述目标设备的每个CPU内核，由所述每个CPU内核对所述每个句子组进行逐句预测；
预测结果模块504，用于根据所述每个句子组的预测结果，确定所述待预测文本的预测结果。
本申请实施例通过根据目标设备包括CPU内核的数量，对切分得到的至少两个句子进行分组，并分配给每个CPU内核进行预测处理，从而利用多个CPU内核进行预测，并且使得每个目标句子组在不同CPU内核中的预测完成时间相当，进而实现在充分利用各CPU内核的基础上提高确定待预测文本的预测效率。
此外，本申请实施例通过逐句预测从而提高预测结果的准确率。因为文本粒度的预测准确率小于句粒度的预测准确率。
进一步地，所述装置包括：
句子调整模块，用于若分组得到的句子组的数量等于或大于两个，则根据至少两个句子组中句子的句长，对所述至少两个句子组中的句子进行调整，以使调整后的所述至少两个句子组间的预测耗时差小于设定差值阈值。
进一步地，所述句子调整模块，包括：
句子组成单元，用于对所述至少两个句子组中每个句子组中的每个句子进行句长累计，得到至少两个总句长；
句子调整单元，用于根据得到至少两个总句长，对所述至少两个句子组中的句子进行调整。
进一步地，所述句子调整单元具体用于：
比较所述至少两个总句长；
根据比较结果，将所述至少两个句子组中一个句子组中的句子移动至除该句子组外的至少一个其他句子组中。
进一步地，所述装置还包括：
内存写入模块，用于将所述至少两个句子写入目标设备的内存中。
进一步地，所述装置还包括：
数量统计模块，用于统计所述至少两个句子的数量；
句子划分模块，用于若统计得到的句子的数量大于或等于设定数量阈值，则对所述至少两个句子进行划分，得到至少两个句子集合；
相应地，所述内存写入模块，包括：
句子写入单元，用于将所述至少两个句子集合中的一个句子集合写入目标设备的内存中；
内存换取单元，用于在完成对该句子集合的预测操作后，从内存中删除该句子集合的数据，将其他句子集合逐个写入目标设备的内存中。
进一步地，所述句子分组模块，包括：
句子分组单元，用于根据目标设备包括CPU内核的数量，对写入内存的句子集合进行分组。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图6所示，是根据本申请实施例的文本预测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的文本预测方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的文本预测方法。
存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的文本预测方法对应的程序指令/模块(例如，附图5所示的句子提取模块501、句子分组模块502、句子预测模块503和预测结果模块504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的文本预测方法。
存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据文本预测电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至文本预测电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
文本预测方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与文本预测电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
根据本申请的技术提高了目标设备的CPU利用率，进而提高文本的预测效率。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (16)

1.一种文本预测方法，包括：
对待预测文本进行切分，得到至少两个句子；
根据目标设备包括CPU中央处理器内核的数量，对所述至少两个句子进行分组，其中所述目标设备是指执行预测操作的设备；
将分组得到的每个句子组分配至所述目标设备的每个CPU内核，由所述每个CPU内核对所述每个句子组进行逐句预测；
根据所述每个句子组的预测结果，确定所述待预测文本的预测结果。
2.根据权利要求1所述的方法，所述将分组得到的每个句子组分配至所述目标设备的每个CPU内核，由所述每个CPU内核对所述每个句子组进行逐句预测之前，所述方法包括：
若分组得到的句子组的数量等于或大于两个，则根据至少两个句子组中句子的句长，对所述至少两个句子组中的句子进行调整，以使调整后的所述至少两个句子组间的预测耗时差小于设定差值阈值。
3.根据权利要求2所述的方法，其中，所述根据至少两个句子组中句子的句长，对所述至少两个句子组中的句子进行调整，包括：
对所述至少两个句子组中每个句子组中的每个句子进行句长累计，得到至少两个总句长；
根据得到至少两个总句长，对所述至少两个句子组中的句子进行调整。
4.根据权利要求3所述的方法，其中，所述根据得到至少两个总句长，对所述至少两个句子组中的句子进行调整，包括：
比较所述至少两个总句长；
根据比较结果，将所述至少两个句子组中一个句子组中的句子移动至除该句子组外的至少一个其他句子组中。
5.根据权利要求1-4中任一所述的方法，所述由所述每个CPU内核对所述每个句子组进行逐句预测之前，所述方法还包括：
将所述至少两个句子写入目标设备的内存中。
6.根据权利要求5所述的方法，所述将所述至少两个句子写入目标设备的内存中之前，所述方法还包括：
统计所述至少两个句子的数量；
若统计得到的句子的数量大于或等于设定数量阈值，则对所述至少两个句子进行划分，得到至少两个句子集合；
相应地，所述将所述至少两个句子写入目标设备的内存中，包括：
将所述至少两个句子集合中的一个句子集合写入目标设备的内存中；
在完成对该句子集合的预测操作后，从内存中删除该句子集合的数据，将其他句子集合逐个写入目标设备的内存中。
7.根据权利要求6所述的方法，其中，所述根据目标设备包括CPU内核的数量，对所述至少两个句子进行分组，包括：
根据目标设备包括CPU内核的数量，对写入内存的句子集合进行分组。
8.一种文本预测的装置，包括：
句子提取模块，用于对待预测文本进行切分，得到至少两个句子；
句子分组模块，用于根据目标设备包括CPU中央处理器内核的数量，对所述至少两个句子进行分组，其中所述目标设备是指执行预测操作的设备；
句子预测模块，用于将分组得到的每个句子组分配至所述目标设备的每个CPU内核，由所述每个CPU内核对所述每个句子组进行逐句预测；
预测结果模块，用于根据所述每个句子组的预测结果，确定所述待预测文本的预测结果。
9.根据权利要求8所述装置，所述方法包括：
句子调整模块，用于若分组得到的句子组的数量等于或大于两个，则根据至少两个句子组中句子的句长，对所述至少两个句子组中的句子进行调整，以使调整后的所述至少两个句子组间的预测耗时差小于设定差值阈值。
10.根据权利要求9所述装置，其中，所述句子调整模块，包括：
句子组成单元，用于对所述至少两个句子组中每个句子组中的每个句子进行句长累计，得到至少两个总句长；
句子调整单元，用于根据得到至少两个总句长，对所述至少两个句子组中的句子进行调整。
11.根据权利要求10所述装置，其中，所述句子调整单元具体用于：
比较所述至少两个总句长；
根据比较结果，将所述至少两个句子组中一个句子组中的句子移动至除该句子组外的至少一个其他句子组中。
12.根据权利要求8-11中任一所述的装置，所述方法还包括：
内存写入模块，用于将所述至少两个句子写入目标设备的内存中。
13.根据权利要求12所述装置，所述方法还包括：
数量统计模块，用于统计所述至少两个句子的数量；
句子划分模块，用于若统计得到的句子的数量大于或等于设定数量阈值，则对所述至少两个句子进行划分，得到至少两个句子集合；
相应地，所述内存写入模块，包括：
句子写入单元，用于将所述至少两个句子集合中的一个句子集合写入目标设备的内存中；
内存换取单元，用于在完成对该句子集合的预测操作后，从内存中删除该句子集合的数据，将其他句子集合逐个写入目标设备的内存中。
14.根据权利要求13所述装置，其中，所述句子分组模块，包括：
句子分组单元，用于根据目标设备包括CPU内核的数量，对写入内存的句子集合进行分组。
15.一种电子设备，其中，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
CN202010888432.6A 2020-08-28 2020-08-28 文本预测方法、装置、设备以及存储介质 Active CN112069794B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010888432.6A CN112069794B (zh) 2020-08-28 2020-08-28 文本预测方法、装置、设备以及存储介质
JP2021077732A JP7524128B2 (ja) 2020-08-28 2021-04-30 テキスト予測方法、装置、機器及び記憶媒体
EP21193300.7A EP3907648A3 (en) 2020-08-28 2021-08-26 Text prediction method and apparatus, device and storage medium
US17/458,040 US20210390255A1 (en) 2020-08-28 2021-08-26 Text prediction method, device and storage medium
KR1020210113955A KR20210113113A (ko) 2020-08-28 2021-08-27 텍스트 예측 방법, 장치, 기기 및 저장 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010888432.6A CN112069794B (zh) 2020-08-28 2020-08-28 文本预测方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN112069794A true CN112069794A (zh) 2020-12-11
CN112069794B CN112069794B (zh) 2024-04-30

Family

ID=73660568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010888432.6A Active CN112069794B (zh) 2020-08-28 2020-08-28 文本预测方法、装置、设备以及存储介质

Country Status (5)

Country Link
US (1) US20210390255A1 (zh)
EP (1) EP3907648A3 (zh)
JP (1) JP7524128B2 (zh)
KR (1) KR20210113113A (zh)
CN (1) CN112069794B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1139308A (ja) * 1997-07-17 1999-02-12 Fuji Xerox Co Ltd 言語情報装置、言語情報処理方法、および記録媒体
US6826724B1 (en) * 1998-12-24 2004-11-30 Ricoh Company, Ltd. Document processor, document classification device, document processing method, document classification method, and computer-readable recording medium for recording programs for executing the methods on a computer
CN101329665A (zh) * 2007-06-18 2008-12-24 国际商业机器公司 解析标记语言文档的方法和解析器
US20110320497A1 (en) * 2010-06-24 2011-12-29 International Business Machines Corporation Method, program, and system for dividing tree structure of structured document
CN102650980A (zh) * 2012-04-09 2012-08-29 清华大学 多核动态可重构处理器生成配置信息的方法和装置
CN110222654A (zh) * 2019-06-10 2019-09-10 北京百度网讯科技有限公司 文本分割方法、装置、设备及存储介质
CN111581358A (zh) * 2020-04-08 2020-08-25 北京百度网讯科技有限公司 信息抽取方法、装置及电子设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1139308A (ja) * 1997-07-17 1999-02-12 Fuji Xerox Co Ltd 言語情報装置、言語情報処理方法、および記録媒体
US6826724B1 (en) * 1998-12-24 2004-11-30 Ricoh Company, Ltd. Document processor, document classification device, document processing method, document classification method, and computer-readable recording medium for recording programs for executing the methods on a computer
US20070136288A1 (en) * 1998-12-24 2007-06-14 Atsuo Shimada Document processor, document classification device, document processing method, document classification method, and computer-readable recording medium for recording programs for executing the methods on a computer
CN101329665A (zh) * 2007-06-18 2008-12-24 国际商业机器公司 解析标记语言文档的方法和解析器
US20110320497A1 (en) * 2010-06-24 2011-12-29 International Business Machines Corporation Method, program, and system for dividing tree structure of structured document
CN102650980A (zh) * 2012-04-09 2012-08-29 清华大学 多核动态可重构处理器生成配置信息的方法和装置
CN110222654A (zh) * 2019-06-10 2019-09-10 北京百度网讯科技有限公司 文本分割方法、装置、设备及存储介质
CN111581358A (zh) * 2020-04-08 2020-08-25 北京百度网讯科技有限公司 信息抽取方法、装置及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张伟智;陈羽中;郭昆;林涵阳;: "一种融合摘要与主体特征的混合神经网络文本主题分类方法", 计算机与数字工程, no. 05 *
齐翌辰;王森淼;赵亚慧;: "基于深度学习的中文抽取式摘要方法应用", 科教导刊(中旬刊), no. 05 *

Also Published As

Publication number Publication date
CN112069794B (zh) 2024-04-30
JP2021157805A (ja) 2021-10-07
US20210390255A1 (en) 2021-12-16
JP7524128B2 (ja) 2024-07-29
EP3907648A3 (en) 2022-02-16
KR20210113113A (ko) 2021-09-15
EP3907648A2 (en) 2021-11-10

Similar Documents

Publication Publication Date Title
CN111967302B (zh) 视频标签的生成方法、装置及电子设备
CN111753914B (zh) 模型优化方法和装置、电子设备及存储介质
CN111507104B (zh) 建立标签标注模型的方法、装置、电子设备和可读存储介质
CN112507735B (zh) 机器翻译模型的训练方法、装置和电子设备
CN112036509A (zh) 用于训练图像识别模型的方法和装置
CN111709234B (zh) 文本处理模型的训练方法、装置及电子设备
CN111522967A (zh) 知识图谱构建方法、装置、设备以及存储介质
CN112380847B (zh) 兴趣点处理方法、装置、电子设备及存储介质
CN111680517A (zh) 用于训练模型的方法、装置、设备以及存储介质
CN112784734A (zh) 一种视频识别方法、装置、电子设备和存储介质
CN112182292A (zh) 视频检索模型的训练方法、装置、电子设备及存储介质
CN111858905A (zh) 模型训练方法、信息识别方法、装置、电子设备及存储介质
CN111581358A (zh) 信息抽取方法、装置及电子设备
CN112989235A (zh) 基于知识库的内链构建方法、装置、设备和存储介质
CN112052397A (zh) 用户特征生成方法、装置、电子设备及存储介质
CN113127382A (zh) 用于追加写的数据读取方法、装置、设备和介质
CN112560499A (zh) 语义表示模型的预训练方法、装置、电子设备及存储介质
CN111831752A (zh) 分布式数据库的空间整理方法、装置、设备以及存储介质
CN113792038A (zh) 用于存储数据的方法和装置
CN111738325A (zh) 图像识别方法、装置、设备以及存储介质
CN112069794B (zh) 文本预测方法、装置、设备以及存储介质
CN112508093B (zh) 一种自训练方法、装置、电子设备和可读存储介质
CN111984883B (zh) 标签挖掘方法、装置、设备以及存储介质
CN111523036B (zh) 一种搜索行为挖掘方法、装置和电子设备
CN114627343A (zh) 深度学习模型的训练方法、图像处理方法、装置及设备

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