CN112905753A - 一种判别文本信息的方法和装置 - Google Patents
一种判别文本信息的方法和装置 Download PDFInfo
- Publication number
- CN112905753A CN112905753A CN201911227808.2A CN201911227808A CN112905753A CN 112905753 A CN112905753 A CN 112905753A CN 201911227808 A CN201911227808 A CN 201911227808A CN 112905753 A CN112905753 A CN 112905753A
- Authority
- CN
- China
- Prior art keywords
- training
- model
- absolute
- text information
- discrimination model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012549 training Methods 0.000 claims abstract description 226
- 238000012360 testing method Methods 0.000 claims description 68
- 230000014509 gene expression Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 13
- 238000012015 optical character recognition Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 16
- 238000005457 optimization Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013526 transfer learning Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种判别文本信息的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：采用语料库中的页面文本信息训练自然语言预训练模型，得到局部预训练模型；采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，得到绝对化语义判别模型；将待识别的包含绝对化用语的文本信息输入到所述绝对化语义判别模型，从而得到判别结果。该实施方式能够解决无法准确判别绝对化用语是否违规的技术问题。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种判别文本信息的方法和装置。
背景技术
广告法规定禁止使用绝对化用语，但是仍有部分商家在商品页面宣传中使用违反广告法的绝对化用语。例如，广告法中禁止使用的绝对化用语包含但不限于：“国家级、世界级、最高级、最佳、最大、第一、唯一、首个、最好、最大、顶级、最高、最低、最、最具、最便宜、绝对、独家”等。
但是，包含绝对化用语的并不一定都违规，需区分绝对化用语和语境词，如表达个人情感、意愿的绝对化用语。例如：“每一次选择都是对生活最好的期待”表达的是个人感情，不违规；而“本车贴使用了最好的反光材料”指向的是自己销售的商品，应为违规。因此，针对绝对化用语违规的识别，必须是基于语言环境的。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
直接使用已开源的自然语言预训练模型进行绝对化用语违规的识别，在一定程度上缺少对语境的理解，并且通过直接设定超参数进行训练的方法，容易导致训练过程中出现过拟合或训练不充分的现象，使得模型上线后，判别效果大幅度下降。
发明内容
有鉴于此，本发明实施例提供一种判别文本信息的方法和装置，以解决无法准确判别绝对化用语是否违规的技术问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种判别文本信息的方法，包括：
采用语料库中的页面文本信息训练自然语言预训练模型，得到局部预训练模型；
采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，得到绝对化语义判别模型；
将待识别的包含绝对化用语的文本信息输入到所述绝对化语义判别模型，从而得到判别结果。
可选地，采用语料库中的页面文本信息训练自然语言预训练模型之前，还包括：
通过光学字符识别从页面图像中识别出页面文本信息；
去除所述页面文本信息中的特殊字符，将去除特殊字符后的页面文本信息保存到语料库中。
可选地，采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型之前，还包括：
通过光学字符识别从页面图像中识别出包含绝对化用语的文本信息；
判断所述包含绝对化用语的文本信息的长度是否大于长度阈值；
若是，则对所述绝对化用语的文本信息进行切分，得到包含绝对化用语的短文本信息；
对各个所述包含绝对化用语的文本信息和各个所述包含绝对化用语的短文本信息分别标记标签。
可选地，采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，得到绝对化语义判别模型，包括：
将包含绝对化用语的文本信息及其对应的标签分为训练集和测试集；
采用训练集训练所述局部预训练模型，得到绝对化语义判别模型；
采用测试集对所述绝对化语义判别模型进行测试，通过迭代训练得到最优的绝对化语义判别模型。
可选地，采用测试集对所述绝对化语义判别模型进行测试，通过迭代训练得到最优的绝对化语义判别模型，包括：
采用测试集对所述绝对化语义判别模型进行测试，计算所述绝对化语义判别模型的精确率；
判断所述精确率在迭代训练过程中是否持续升高；
若是，则调整所述绝对化语义判别模型的结构参数和超参数，并采用测试集继续训练调整参数后的绝对化语义判别模型；
若否，则停止训练，得到最优的绝对化语义判别模型。
可选地，采用测试集对所述绝对化语义判别模型进行测试，计算所述绝对化语义判别模型的精确率，包括：
将测试集中的各个样本输入到所述绝对化语义判别模型中，得到各个样本对应的测试结果；
根据测试结果与标签一致的样本数量以及预测结果与标签不一致的样本数量，计算所述绝对化语义判别模型的精确率。
可选地，所述自然语言预训练模型为BERT模型、RNN模型或者GPT模型。
另外，根据本发明实施例的另一个方面，提供了一种判别文本信息的装置，包括：
第一训练模块，用于采用语料库中的页面文本信息训练自然语言预训练模型，得到局部预训练模型；
第二训练模块，用于采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，得到绝对化语义判别模型；
判别模块，用于将待识别的包含绝对化用语的文本信息输入到所述绝对化语义判别模型，从而得到判别结果。
可选地，所述第一训练模块还用于：
采用语料库中的页面文本信息训练自然语言预训练模型之前，通过光学字符识别从页面图像中识别出页面文本信息；
去除所述页面文本信息中的特殊字符，将去除特殊字符后的页面文本信息保存到语料库中。
可选地，所述第二训练模块还用于：
采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型之前，通过光学字符识别从页面图像中识别出包含绝对化用语的文本信息；
判断所述包含绝对化用语的文本信息的长度是否大于长度阈值；
若是，则对所述绝对化用语的文本信息进行切分，得到包含绝对化用语的短文本信息；
对各个所述包含绝对化用语的文本信息和各个所述包含绝对化用语的短文本信息分别标记标签。
可选地，所述第二训练模块还用于：
将包含绝对化用语的文本信息及其对应的标签分为训练集和测试集；
采用训练集训练所述局部预训练模型，得到绝对化语义判别模型；
采用测试集对所述绝对化语义判别模型进行测试，通过迭代训练得到最优的绝对化语义判别模型。
可选地，所述第二训练模块还用于：
采用测试集对所述绝对化语义判别模型进行测试，计算所述绝对化语义判别模型的精确率；
判断所述精确率在迭代训练过程中是否持续升高；
若是，则调整所述绝对化语义判别模型的结构参数和超参数，并采用测试集继续训练调整参数后的绝对化语义判别模型；
若否，则停止训练，得到最优的绝对化语义判别模型。
可选地，所述第二训练模块还用于：
将测试集中的各个样本输入到所述绝对化语义判别模型中，得到各个样本对应的测试结果；
根据测试结果与标签一致的样本数量以及预测结果与标签不一致的样本数量，计算所述绝对化语义判别模型的精确率。
可选地，所述自然语言预训练模型为BERT模型、RNN模型或者GPT模型。
根据本发明实施例的另一个方面，还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
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上述任一实施例所述的方法。
根据本发明实施例的另一个方面，还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：因为通过采用语料库中的页面文本信息训练自然语言预训练模型，采用包含绝对化用语的文本信息及其对应的标签训练局部预训练模型，从而得到绝对化语义判别模型的技术手段，所以克服了现有技术中无法准确判别绝对化用语是否违规的技术问题。本发明实施例通过对自然语言预训练模型进行局部预训练，并对局部预训练模型进行微调，从而得到能够区分违规与否的绝对化语义判别模型，所述绝对化语义判别模型在理解语境的前提下，能够高效地判别商品详情中违反广告法的绝对化用语行为，辅助商品详情页面符合规范，满足业务应用。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的判别文本信息的方法的主要流程的示意图；
图2是根据本发明一个可参考实施例的判别文本信息的方法的主要流程的示意图；
图3是根据本发明另一个可参考实施例的判别文本信息的方法的主要流程的示意图；
图4是根据本发明再一个可参考实施例的判别文本信息的方法的主要流程的示意图；
图5是根据本发明实施例的判别文本信息的装置的主要模块的示意图；
图6是本发明实施例可以应用于其中的示例性系统架构图；
图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明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，而不会背离本发明的范围和精神。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是根据本发明实施例的判别文本信息的方法的主要流程的示意图。作为本发明的一个实施例，如图1所示，所述判别文本信息的方法可以包括：
步骤101，采用语料库中的页面文本信息训练自然语言预训练模型，得到局部预训练模型。
为了使模型更好地理解绝对化语句的语境信息，首先使用大量的页面文本信息训练自然语言预训练模型(基于大量语料库数据已训练好的模型，具备基础的语义理解)，对自然语言预训练模型进行局部预训练(Domain-pre-train)，使得训练后的局部预训练模型增强对文本的理解能力，以提升模型在当前业务应用领域的性能。需要指出的是，该局部预训练模型不用于判别绝对化语句是否违规，仅用于理解丰富的语境信息。
在本发明的实施例中，局部预训练模型是指结合某个具体领域的大量页面文本信息(无需标注信息)，比如商品详情页面的文本信息、新闻页面的文本信息、文章页面的文本信息等，在预训练模型的基础上进行迁移学习，使得原预训练模型对当前领域具备更好的语境理解性能。
可选地，所述自然语言预训练模型为BERT模型、RNN模型或者GPT模型。其中，BERT模型为Google最新开源的BERT中文预训练模型，BERT是基于注意力机制的模型，相比较于RNN和LSTM，BERT可以更好的捕获长距离特征，并且具备并行计算能力，在语境理解和运算速度上均有提升。此外，BERT使用基于双向编码器(Bidirectional Encoder)原理实现注意力机制，相比较于GPT等单项解码器原理的模型，BERT具备更完备的语义理解效果。优选地，可以采用语料库中的页面文本信息对BERT模型进行局部预训练，得到局部预训练模型。
在本发明的实施例中，页面文本信息可以是商品详情页面的文本信息，也可以是新闻页面的文本信息，还可以是文章页面的文本信息。
可选地，在步骤101之前，还可以包括：通过光学字符识别(OCR)从页面图像中识别出页面文本信息；去除所述页面文本信息中的特殊字符，将去除特殊字符后的页面文本信息保存到语料库中。为了丰富语料库，需要先获取页面文本信息，然后对获取到的页面文本信息进行数据预处理，比如去除页面文本信息中的特殊字符，减少数据噪音对模型效能的影响，最后将去除特殊字符后的页面文本信息保存到语料库中。如果页面文本信息采用图片记载，则需要先采用OCR识别从页面图像中识别出页面文本信息，由于OCR识别的文本自身存在不准确性，例如特殊字符和乱码等，因此需要对获取到的页面文本信息进行数据清洗，尽量保留有效的中文信息，最后将页面文本信息保存到语料库中。
步骤102，采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，得到绝对化语义判别模型。
在步骤101的基础上，采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，对模型进行微调(Fine-tune)训练，从而得到绝对化语义判别模型，使得所述语义判别模型具备区分违规与否的能力。
可选地，在步骤102之前，还可以包括：通过光学字符识别从页面图像中识别出包含绝对化用语的文本信息；判断所述包含绝对化用语的文本信息的长度是否大于长度阈值；若是，则对所述绝对化用语的文本信息进行切分，得到包含绝对化用语的短文本信息；对各个所述包含绝对化用语的文本信息和各个所述包含绝对化用语的短文本信息分别标记标签。类似地，也可以采用OCR识别从页面图像中识别出包含绝对化用语的文本信息，获取所述包含绝对化用语的文本信息，并对所述包含绝对化用语的文本信息进行数据清洗，以去除特殊字符，尽量保留有效的中文信息，然后对包含绝对化用语的文本信息标记标签，比如违规或者不违规，使得每条文本都具备是否违规的标签。
但是，有些包含绝对化用语的文本信息较长，而模型对长文本的语义理解相对差于短文本，因此需要对长文本进行合理的切分，使得切分后的样本可以更有效地体现语境。具体地，可以预先定义窗口长度，如果包含绝对化用语的文本信息的长度大于长度阈值，则采用预设长度的窗口对所述包含绝对化用语的文本信息进行切分，通过不断地平移窗口，得到多个包含绝对化用语的短文本信息。需要指出的是，在切分短文本时尽可能地保证文本通顺，即尽量使长文本的句首或者句尾在窗口内，因此切分得到的短文本长度小于等于窗口长度。
需要指出的是，除了从页面图像中获取包含绝对化用语的文本信息，也可以从语料库中获取包含绝对化用语的文本信息，作为训练所述局部预训练模型的样本，本发明实施例对此不作限制。
可选地，步骤102可以包括：将包含绝对化用语的文本信息及其对应的标签分为训练集和测试集；采用训练集训练所述局部预训练模型，得到绝对化语义判别模型；采用测试集对所述绝对化语义判别模型进行测试，通过迭代训练得到最优的绝对化语义判别模型。本发明实施例结合已经标注的数据，比如违规和非违规的绝对化用语数据，在所述局部预训练模型的基础上进行迁移学习，得到绝对化语义判别模型，使得该模型具备类别的区分性。
可选地，采用测试集对所述绝对化语义判别模型进行测试，通过迭代训练得到最优的绝对化语义判别模型，包括：采用测试集对所述绝对化语义判别模型进行测试，计算所述绝对化语义判别模型的精确率；判断所述精确率在迭代训练过程中是否持续升高；若是，则调整所述绝对化语义判别模型的结构参数和超参数，并采用测试集继续训练调整参数后的绝对化语义判别模型；若否，则停止训练，得到最优的绝对化语义判别模型。
在得到标记了标签的包含绝对化用语的文本数据之后，对其进行随机扰动(Shuffle)，再按照一定比例进行划分，得到训练集和测试集。比如按照9:1进行划分，使得90％作为训练集(Train set)、10％作为测试集(Test set)，用于模型的微调训练和优化。
接着，使用训练集对所述局部预训练模型进行微调训练，该过程主要通过训练所述局部预训练模型的最后一个全连接层的参数，使得微调后的模型具备绝对化语义违规与否的判别能力，即得到绝对化语义判别模型。
由于微调过程可以调节的超参数相对有限，通过多次测试并结合机器运算性能，选取适合的学习速率(learning_rate＝2e-5)、文本序列最大长度(max_seq_length＝350)、批量大小(batch_size＝32)，并减小模型保存的步长(save_checkpoints_steps＝10)，同时增大训练迭代参数(num_train_epochs＝20)，以便保证在模型迭代训练过程中，可以持续并频繁的对模型性能进行监测评估。
由于上述设置的迭代参数较大，如果一直迭代训练会导致模型过拟合训练数据，但如果设置的过小，又会导致训练不充分，因此可以通过模型精确率(表示被分为正例的示例中实际为正例的比例)来判断是否进行训练迭代。
可选地，采用测试集对所述绝对化语义判别模型进行测试，计算所述绝对化语义判别模型的精确率，包括：将测试集中的各个样本输入到所述绝对化语义判别模型中，得到各个样本对应的测试结果；根据测试结果与标签一致的样本数量以及预测结果与标签不一致的样本数量，计算所述绝对化语义判别模型的精确率。在模型优化阶段，使用测试集对上述迭代中模型进行动态的预测评估，每次评估均计算绝对化用语违规的预测精确率，计算公式如下所示：
其中，TP为真阳性率，即预测结果中为绝对化用语违规，且实际的确违规的样本数；FP为假阳性率，即预测结果中为绝对化用语，但实际上不违规的样本数。
因此，绝对化用语违规的精确率，衡量的是预测结果违规的样本中预测正确的概率，是模型性能考核的重要指标。通过判断精确率在模型迭代中是否持续升高，来决定模型继续训练或终止训练。其中，如果精确率持续升高，则模型继续迭代；如果精确率在N个迭代内均不能到达之前的最优精确率，则终止训练。该优化方法在一定程度上保证了对训练数据的充分训练，并避免了模型过拟合现象，且较少人工干预，可自动迭代完成。
通过上述模型训练的优化方法，当模型终止训练时，即获取到性能最优的模型(CKPT模型文件)，优化模型将用于后续部署和业务应用。其中，CKPT模型文件是指深度学习生成的包含.data，.index和.meta三种文件的模型结果，可直接用于模型预测。
步骤103，将待识别的包含绝对化用语的文本信息输入到所述绝对化语义判别模型，从而得到判别结果。
由于业务应用系统的请求量较高，需要将训练好的模型进行线上应用环境部署，便于借助线上大量运算资源，较快响应每个请求预测结果。比如，商品详情页中的描述信息，以HTTP请求的方式，调用已部署成功的绝对化语义判别模型，进行违法广告法的绝对化用语判别，并返回判别结果。
由于绝对化语义判别模型默认输出为CKPT模型文件，可以将该格式模型转化成SavedModel格式模型，以保证可以使用TensorFlow Serving进行调用。SavedModel模型文件是指深度学习生成的包含.pb和variables参数文件的模型结果，可直接用于TensorFlowServing调用预测。
通过对域名、TensorFlow Serving和训练模型进行配置(为“域名+端口+模型版本号”方式)，完成在多台GPU资源上的模型部署，即绝对化语义调用模型，供下游业务应用调用。
因此，本发明实施例支持线上较大量的商详信息通过HTTP请求的方式，调用已经部署好的绝对化语义判别模型，并反馈判别结果。
根据上面所述的各种实施例，可以看出本发明通过采用语料库中的页面文本信息训练自然语言预训练模型，采用包含绝对化用语的文本信息及其对应的标签训练局部预训练模型，从而得到绝对化语义判别模型的技术手段，解决了现有技术中无法准确判别绝对化用语是否违规的技术问题。本发明实施例通过对自然语言预训练模型进行局部预训练，并对局部预训练模型进行微调，从而得到能够区分违规与否的绝对化语义判别模型，所述绝对化语义判别模型在理解语境的前提下，能够高效地判别商品详情中违反广告法的绝对化用语行为，辅助商品详情页面符合规范，满足业务应用。
图2是根据本发明一个可参考实施例的判别文本信息的方法的主要流程的示意图。作为本发明的又一个实施例，如图2所示，所述判别文本信息的方法可以包括：
步骤201，采用语料库中的页面文本信息训练自然语言预训练模型，得到局部预训练模型。
为了使模型更好地理解绝对化语句的语境信息，首先使用大量的页面文本信息训练自然语言预训练模型，对自然语言预训练模型进行局部预训练，使得训练后的局部预训练模型增强对文本的理解能力，以提升模型在当前业务应用领域的性能。
步骤202，通过光学字符识别从页面图像中识别出包含绝对化用语的文本信息。
采用OCR识别从页面图像中识别出包含绝对化用语的文本信息，获取所述包含绝对化用语的文本信息，并对所述包含绝对化用语的文本信息进行数据清洗，以去除特殊字符，尽量保留有效的中文信息。
步骤203，判断所述包含绝对化用语的文本信息的长度是否大于长度阈值；若是，则执行步骤204；若否，则执行步骤205。
步骤204，对所述包含绝对化用语的文本信息进行切分，得到包含绝对化用语的短文本信息。
可以预先定义窗口长度，如果包含绝对化用语的文本信息的长度大于长度阈值，则采用预设长度的窗口对所述包含绝对化用语的文本信息进行切分，通过不断地平移窗口，得到多个包含绝对化用语的短文本信息。
步骤205，对各个所述包含绝对化用语的文本信息和/或各个所述包含绝对化用语的短文本信息分别标记标签。
需要指出的是，如果未对包含绝对化用语的文本信息进行切分，则直接对所述包含绝对化用语的文本信息标记标签，如果对包含绝对化用语的文本信息进行了切分，则对包含绝对化用语的短文本信息标记标签。
步骤206，采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，得到绝对化语义判别模型。
采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，对模型进行微调训练，从而得到绝对化语义判别模型，使得所述语义判别模型具备区分违规与否的能力。
步骤207，将待识别的包含绝对化用语的文本信息输入到所述绝对化语义判别模型，从而得到判别结果。
另外，在本发明一个可参考实施例中判别文本信息的方法的具体实施内容，在上面所述判别文本信息的方法中已经详细说明了，故在此重复内容不再说明。
图3是根据本发明另一个可参考实施例的判别文本信息的方法的主要流程的示意图。作为本发明的另一个实施例，如图3所示，所述判别文本信息的方法可以包括：
步骤301，采用语料库中的页面文本信息训练自然语言预训练模型，得到局部预训练模型。
步骤302，将包含绝对化用语的文本信息及其对应的标签分为训练集和测试集。
在得到标记了标签的包含绝对化用语的文本数据之后，对其进行随机扰动，再按照一定比例进行划分，得到训练集和测试集。
步骤303，采用训练集训练所述局部预训练模型，得到绝对化语义判别模型。
使用训练集对所述局部预训练模型进行微调训练，该过程主要通过训练所述局部预训练模型的最后一个全连接层的参数，使得微调后的模型具备绝对化语义违规与否的判别能力，即得到绝对化语义判别模型。
步骤304，采用测试集对所述绝对化语义判别模型进行测试，计算所述绝对化语义判别模型的精确率。
在模型优化阶段，使用测试集对上述迭代中模型进行动态的预测评估，每次评估均计算绝对化用语违规的预测精确率，通过判断精确率在模型迭代中是否持续升高，来决定模型继续训练或终止训练。
步骤305，判断所述精确率在迭代训练过程中是否持续升高；若是，则执行步骤306；若否，则执行步骤308。
步骤306，调整所述绝对化语义判别模型的结构参数和超参数。
步骤307，采用测试集继续训练调整参数后的绝对化语义判别模型。
步骤308，停止训练，得到最优的绝对化语义判别模型。
如果精确率持续升高，则模型继续迭代；如果精确率在N个迭代内均不能到达之前的最优精确率，则终止训练。该优化方法在一定程度上保证了对训练数据的充分训练，并避免了模型过拟合现象，且较少人工干预，可自动迭代完成。通过上述模型训练的优化方法，当模型终止训练时，即获取到性能最优的模型，优化模型将用于后续部署和业务应用。
另外，在本发明另一个可参考实施例中判别文本信息的方法的具体实施内容，在上面所述判别文本信息的方法中已经详细说明了，故在此重复内容不再说明。
图4是根据本发明再一个可参考实施例的判别文本信息的方法的主要流程的示意图。作为本发明的再一个实施例，如图4所示，所述判别文本信息的方法可以包括：
步骤401，采用语料库中的页面文本信息训练自然语言预训练模型，得到局部预训练模型。
步骤402，采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，得到绝对化语义判别模型，默认输出为CKPT模型文件。
步骤403，将CKPT模型文件转化成SavedModel格式模型。
步骤404，通过对域名、TensorFlow Serving和训练模型进行配置，将模型部署在多台GPU资源上。
步骤405，以HTTP请求的方式，调用已部署成功的绝对化语义判别模型。
步骤406，返回判别结果。
另外，在本发明再一个可参考实施例中判别文本信息的方法的具体实施内容，在上面所述判别文本信息的方法中已经详细说明了，故在此重复内容不再说明。
图5是根据本发明实施例的判别文本信息的装置的主要模块的示意图，如图5所示，所述判别文本信息的装置500包括第一训练模块501、第二训练模块502和判别模块503。其中，第一训练模块501用于采用语料库中的页面文本信息训练自然语言预训练模型，得到局部预训练模型；第二训练模块502用于采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，得到绝对化语义判别模型；判别模块503用于将待识别的包含绝对化用语的文本信息输入到所述绝对化语义判别模型，从而得到判别结果。
可选地，所述第一训练模块501还用于：
采用语料库中的页面文本信息训练自然语言预训练模型之前，通过光学字符识别从页面图像中识别出页面文本信息；
去除所述页面文本信息中的特殊字符，将去除特殊字符后的页面文本信息保存到语料库中。
可选地，所述第二训练模块502还用于：
采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型之前，通过光学字符识别从页面图像中识别出包含绝对化用语的文本信息；
判断所述包含绝对化用语的文本信息的长度是否大于长度阈值；
若是，则对所述绝对化用语的文本信息进行切分，得到包含绝对化用语的短文本信息；
对各个所述包含绝对化用语的文本信息和各个所述包含绝对化用语的短文本信息分别标记标签。
可选地，所述第二训练模块502还用于：
将包含绝对化用语的文本信息及其对应的标签分为训练集和测试集；
采用训练集训练所述局部预训练模型，得到绝对化语义判别模型；
采用测试集对所述绝对化语义判别模型进行测试，通过迭代训练得到最优的绝对化语义判别模型。
可选地，所述第二训练模块502还用于：
采用测试集对所述绝对化语义判别模型进行测试，计算所述绝对化语义判别模型的精确率；
判断所述精确率在迭代训练过程中是否持续升高；
若是，则调整所述绝对化语义判别模型的结构参数和超参数，并采用测试集继续训练调整参数后的绝对化语义判别模型；
若否，则停止训练，得到最优的绝对化语义判别模型。
可选地，所述第二训练模块502还用于：
将测试集中的各个样本输入到所述绝对化语义判别模型中，得到各个样本对应的测试结果；
根据测试结果与标签一致的样本数量以及预测结果与标签不一致的样本数量，计算所述绝对化语义判别模型的精确率。
可选地，所述自然语言预训练模型为BERT模型、RNN模型或者GPT模型。
根据上面所述的各种实施例，可以看出本发明通过采用语料库中的页面文本信息训练自然语言预训练模型，采用包含绝对化用语的文本信息及其对应的标签训练局部预训练模型，从而得到绝对化语义判别模型的技术手段，解决了现有技术中无法准确判别绝对化用语是否违规的技术问题。本发明实施例通过对自然语言预训练模型进行局部预训练，并对局部预训练模型进行微调，从而得到能够区分违规与否的绝对化语义判别模型，所述绝对化语义判别模型在理解语境的前提下，能够高效地判别商品详情中违反广告法的绝对化用语行为，辅助商品详情页面符合规范，满足业务应用。
需要说明的是，在本发明所述判别文本信息的装置的具体实施内容，在上面所述判别文本信息的方法中已经详细说明了，故在此重复内容不再说明。
图6示出了可以应用本发明实施例的判别文本信息的方法或判别文本信息的装置的示例性系统架构600。
如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604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601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，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。
服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的判别文本信息的方法一般由服务器605执行，相应地，所述判别文本信息的装置一般设置在服务器605中。本发明实施例所提供的判别文本信息的方法也可以由终端设备601、602、603执行，相应地，所述判别文本信息的装置可以设置在终端设备601、602、603中。
应该理解，图6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。
下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本发明公开的实施例，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，本发明公开的实施例包括一种计算机程序，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部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示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。在本发明中，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。而在本发明中，计算机可读的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。计算机可读的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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序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，上述模块、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，框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括第一训练模块、第二训练模块和判别模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。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一个该设备执行时，使得该设备包括：采用语料库中的页面文本信息训练自然语言预训练模型，得到局部预训练模型；采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，得到绝对化语义判别模型；将待识别的包含绝对化用语的文本信息输入到所述绝对化语义判别模型，从而得到判别结果。
根据本发明实施例的技术方案，因为通过采用语料库中的页面文本信息训练自然语言预训练模型，采用包含绝对化用语的文本信息及其对应的标签训练局部预训练模型，从而得到绝对化语义判别模型的技术手段，所以克服了现有技术中无法准确判别绝对化用语是否违规的技术问题。本发明实施例通过对自然语言预训练模型进行局部预训练，并对局部预训练模型进行微调，从而得到能够区分违规与否的绝对化语义判别模型，所述绝对化语义判别模型在理解语境的前提下，能够高效地判别商品详情中违反广告法的绝对化用语行为，辅助商品详情页面符合规范，满足业务应用。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种判别文本信息的方法，其特征在于，包括：
采用语料库中的页面文本信息训练自然语言预训练模型，得到局部预训练模型；
采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，得到绝对化语义判别模型；
将待识别的包含绝对化用语的文本信息输入到所述绝对化语义判别模型，从而得到判别结果。
2.根据权利要求1所述的方法，其特征在于，采用语料库中的页面文本信息训练自然语言预训练模型之前，还包括：
通过光学字符识别从页面图像中识别出页面文本信息；
去除所述页面文本信息中的特殊字符，将去除特殊字符后的页面文本信息保存到语料库中。
3.根据权利要求1所述的方法，其特征在于，采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型之前，还包括：
通过光学字符识别从页面图像中识别出包含绝对化用语的文本信息；
判断所述包含绝对化用语的文本信息的长度是否大于长度阈值；
若是，则对所述包含绝对化用语的文本信息进行切分，得到包含绝对化用语的短文本信息；
对各个所述包含绝对化用语的文本信息和各个所述包含绝对化用语的短文本信息分别标记标签。
4.根据权利要求1所述的方法，其特征在于，采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，得到绝对化语义判别模型，包括：
将包含绝对化用语的文本信息及其对应的标签分为训练集和测试集；
采用训练集训练所述局部预训练模型，得到绝对化语义判别模型；
采用测试集对所述绝对化语义判别模型进行测试，通过迭代训练得到最优的绝对化语义判别模型。
5.根据权利要求4所述的方法，其特征在于，采用测试集对所述绝对化语义判别模型进行测试，通过迭代训练得到最优的绝对化语义判别模型，包括：
采用测试集对所述绝对化语义判别模型进行测试，计算所述绝对化语义判别模型的精确率；
判断所述精确率在迭代训练过程中是否持续升高；
若是，则调整所述绝对化语义判别模型的结构参数和超参数，并采用测试集继续训练调整参数后的绝对化语义判别模型；
若否，则停止训练，得到最优的绝对化语义判别模型。
6.根据权利要求5所述的方法，其特征在于，采用测试集对所述绝对化语义判别模型进行测试，计算所述绝对化语义判别模型的精确率，包括：
将测试集中的各个样本输入到所述绝对化语义判别模型中，得到各个样本对应的测试结果；
根据测试结果与标签一致的样本数量以及预测结果与标签不一致的样本数量，计算所述绝对化语义判别模型的精确率。
7.根据权利要求1所述的方法，其特征在于，所述自然语言预训练模型为BERT模型、RNN模型或者GPT模型。
8.一种判别文本信息的装置，其特征在于，包括：
第一训练模块，用于采用语料库中的页面文本信息训练自然语言预训练模型，得到局部预训练模型；
第二训练模块，用于采用包含绝对化用语的文本信息及其对应的标签，训练所述局部预训练模型，得到绝对化语义判别模型；
判别模块，用于将待识别的包含绝对化用语的文本信息输入到所述绝对化语义判别模型，从而得到判别结果。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
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1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911227808.2A CN112905753A (zh) | 2019-12-04 | 2019-12-04 | 一种判别文本信息的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911227808.2A CN112905753A (zh) | 2019-12-04 | 2019-12-04 | 一种判别文本信息的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112905753A true CN112905753A (zh) | 2021-06-04 |
Family
ID=76110994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911227808.2A Pending CN112905753A (zh) | 2019-12-04 | 2019-12-04 | 一种判别文本信息的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112905753A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113420566A (zh) * | 2021-07-16 | 2021-09-21 | 山东浪潮科学研究院有限公司 | 一种长文语义合理性判断方法、设备及介质 |
| CN116071759A (zh) * | 2023-03-06 | 2023-05-05 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种融合gpt2预训练大模型的光学字符识别方法 |
| CN116561764A (zh) * | 2023-05-11 | 2023-08-08 | 上海麓霏信息技术服务有限公司 | 计算机信息数据交互处理系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108053199A (zh) * | 2017-12-25 | 2018-05-18 | 张占彬 | 基于互联网的居家养老与社区养老相结合的互助服务方法 |
| CN110309388A (zh) * | 2018-03-09 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 数据对象信息违法风险识别方法、装置以及计算机系统 |
| CN110347830A (zh) * | 2019-06-28 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 舆情预警的实现方法和装置 |
-
2019
- 2019-12-04 CN CN201911227808.2A patent/CN112905753A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108053199A (zh) * | 2017-12-25 | 2018-05-18 | 张占彬 | 基于互联网的居家养老与社区养老相结合的互助服务方法 |
| CN110309388A (zh) * | 2018-03-09 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 数据对象信息违法风险识别方法、装置以及计算机系统 |
| CN110347830A (zh) * | 2019-06-28 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 舆情预警的实现方法和装置 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113420566A (zh) * | 2021-07-16 | 2021-09-21 | 山东浪潮科学研究院有限公司 | 一种长文语义合理性判断方法、设备及介质 |
| CN113420566B (zh) * | 2021-07-16 | 2022-11-08 | 山东浪潮科学研究院有限公司 | 一种长文语义合理性判断方法、设备及介质 |
| CN116071759A (zh) * | 2023-03-06 | 2023-05-05 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种融合gpt2预训练大模型的光学字符识别方法 |
| CN116071759B (zh) * | 2023-03-06 | 2023-07-18 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种融合gpt2预训练大模型的光学字符识别方法 |
| CN116561764A (zh) * | 2023-05-11 | 2023-08-08 | 上海麓霏信息技术服务有限公司 | 计算机信息数据交互处理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107066449B (zh) | 信息推送方法和装置 | |
| CN107491547B (zh) | 基于人工智能的搜索方法和装置 | |
| US20190163742A1 (en) | Method and apparatus for generating information | |
| US9923860B2 (en) | Annotating content with contextually relevant comments | |
| US20180365257A1 (en) | Method and apparatu for querying | |
| CN107679217B (zh) | 基于数据挖掘的关联内容提取方法和装置 | |
| CN112905753A (zh) | 一种判别文本信息的方法和装置 | |
| CN111753086A (zh) | 一种垃圾邮件识别方法和装置 | |
| CN107798622B (zh) | 一种识别用户意图的方法和装置 | |
| US20220284067A1 (en) | Method for pushing information, electronic device | |
| CN109284367B (zh) | 用于处理文本的方法和装置 | |
| CN114817478A (zh) | 基于文本的问答方法、装置、计算机设备及存储介质 | |
| CN114970540A (zh) | 训练文本审核模型的方法和装置 | |
| CN110852057A (zh) | 一种计算文本相似度的方法和装置 | |
| CN110807097A (zh) | 分析数据的方法和装置 | |
| CN110245357B (zh) | 主实体识别方法和装置 | |
| CN114880520B (zh) | 视频标题生成方法、装置、电子设备和介质 | |
| CN116383382A (zh) | 敏感信息的识别方法、装置、电子设备及存储介质 | |
| CN107656627B (zh) | 信息输入方法和装置 | |
| CN106959945B (zh) | 基于人工智能的为新闻生成短标题的方法和装置 | |
| CN115827867A (zh) | 文本类型的检测方法及装置 | |
| CN113792232B (zh) | 页面特征计算方法、装置、电子设备、介质及程序产品 | |
| CN113255319B (zh) | 模型训练方法、文本分段方法、摘要抽取方法及装置 | |
| CN113434695A (zh) | 金融事件抽取方法、装置、电子设备及存储介质 | |
| CN113221035A (zh) | 用于确定异常网页的方法、装置、设备、介质和程序产品 |
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 |