CN113850080A - 一种押韵词推荐方法、装置、设备及存储介质 - Google Patents
一种押韵词推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113850080A CN113850080A CN202111154111.4A CN202111154111A CN113850080A CN 113850080 A CN113850080 A CN 113850080A CN 202111154111 A CN202111154111 A CN 202111154111A CN 113850080 A CN113850080 A CN 113850080A
- Authority
- CN
- China
- Prior art keywords
- rhyme
- word
- words
- retention
- matched
- 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 59
- 230000014759 maintenance of location Effects 0.000 claims description 36
- 230000011218 segmentation Effects 0.000 claims description 30
- 230000000694 effects Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 235000011171 Thladiantha grosvenorii Nutrition 0.000 description 1
- 244000185386 Thladiantha grosvenorii Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- G06F40/216—Parsing using statistical methods
-
- 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)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了一种押韵词推荐方法、装置、设备及存储介质,涉及计算机技术领域,尤其涉及智能推荐技术领域。具体实现方案为:获得待匹配押韵词和押韵配置参数;根据所述待匹配押韵词,确定所述待匹配押韵词所属语句的目标韵脚;在押韵词库包括的押韵词类中,确定所述目标韵脚对应的目标押韵词类,每一押韵词类中押韵词所属语句的韵脚的韵母相同;按照所述押韵配置参数,从所述目标押韵词类中,确定与所述待匹配押韵词相匹配的押韵词;推荐所确定的押韵词。应用本公开实施例提供的方案能够实现押韵词推荐。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及智能推荐技术领域。
背景技术
说唱作品的歌词对于作品的质量有重要影响,高质量的歌词通常需要具有押韵效果,这给歌词创作者带来了一定困难。
当前歌词创作者主要是依靠自身的歌词创作能力创作歌词,而大多数歌词创作者尤其是新手歌词创作能力一般较低,在歌词创作过程中往往会遇到难以找到所需押韵词的问题,因此,需要提供一种押韵词推荐方案,以帮助歌词创作者找到需要的押韵词,降低歌词创作难度。
其中,上述押韵词是指具有押韵效果的语句中韵脚所在的词。
发明内容
本公开提供了一种押韵词推荐方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种押韵词推荐方法,包括:
获得待匹配押韵词和押韵配置参数;
根据所述待匹配押韵词,确定所述待匹配押韵词所属语句的目标韵脚;
在押韵词库包括的押韵词类中,确定所述目标韵脚对应的目标押韵词类,每一押韵词类中押韵词所属语句的韵脚的韵母相同;
按照所述押韵配置参数,从所述目标押韵词类中,确定与所述待匹配押韵词相匹配的押韵词;
推荐所确定的押韵词。
根据本公开的另一方面,提供了一种押韵词推荐装置,包括:
参数获得模块,用于获得待匹配押韵词和押韵配置参数;
韵脚确定模块,用于根据所述待匹配押韵词,确定所述待匹配押韵词所属语句的目标韵脚;
词类确定模块,用于在押韵词库包括的押韵词类中,确定所述目标韵脚对应的目标押韵词类,每一押韵词类中押韵词所属语句的韵脚的韵母相同;
押韵词确定模块,用于按照所述押韵配置参数,从所述目标押韵词类中,确定与所述待匹配押韵词相匹配的押韵词;
押韵词推荐模块,用于推荐所确定的押韵词。
根据本公开的另一方面,提供了一种电子设备,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上述押韵词推荐方法。
根据本公开的另一方面,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上述押韵词推荐方法。
本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述押韵词推荐方法。
由以上可见,本公开实施例提供的方案中,获得待匹配押韵词后,根据待匹配押韵词确定其所属语句的目标韵脚,然后在押韵词库包括的押韵词类中,确定目标韵脚对应的目标押韵词类。另外,本公开实施例提供的方案中除了获得待匹配押韵词外,还获得了押韵配置参数,这样可以按照上述押韵配置参数,从目标押韵词类中,确定与待匹配押韵词相匹配的押韵词,从而推荐所确定的押韵词。可见,应用本公开实施例提供的方案能够实现押韵词推荐,进而在歌词创作场景中,帮助歌词创作者找到需要的押韵词,降低歌词创作难度。
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,不构成对本公开的限定。其中:
图1是本公开实施例提供的第一种押韵词推荐方法的流程示意图;
图2是本公开实施例提供的第二种押韵词推荐方法的流程示意图;
图3是本公开实施例提供的第三种押韵词推荐方法的流程示意图;
图4是本公开实施例提供的一种押韵词库构建方法的流程示意图;
图5是本公开实施例提供的一种用户界面示意图;
图6是本公开实施例提供的一种押韵词推荐装置的结构示意图;
图7是用来实现本公开实施例的押韵词推荐方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
由于歌词创作者在歌词创作过程中可能会遇到难以找到所需押韵词的问题,为此,本公开提供了一种押韵词推荐方法、装置、设备及存储介质。
下面先对本公开实施例的应用场景进行说明。
本公开实施例提供的方案适用于任何需要推荐押韵词的场景。下面举例说明。
场景一:歌词创作场景
歌词创作者在创作歌词过程中,想要编写若干句具有押韵效果的语句,但是感觉已经想到的押韵词X不太合适,这种情况下,电子设备可以通过本公开实施例提供的方案为押韵词X匹配其他押韵词,并向歌词创作者推荐匹配到的押韵词,以便于歌词创作者为其所创作的歌词选择更优的押韵词。
场景二:诗词创作场景
优美的诗词中各诗句之间往往具有较好的押韵效果,因此,要求诗词创作者在创作诗词过程中斟酌各诗句中使用的押韵词,这种情况下,电子设备可以通过本公开实施例提供的方案为已创作出诗句中的押韵词Y匹配其他押韵词,并向诗词创作者推荐匹配到的押韵词,以便于诗词创作者为其诗句选择最佳的押韵词。
下面再对本公开实施例的执行主体进行说明。
本公开实施例的执行主体为电子设备。
一种情况下,上述电子设备为用户终端,这种情况下,用户终端中可以安装有客户端,这时可以认为本公开实施例的执行主体具体是客户端,例如,提供歌词创作功能的客户端、提供诗词创作功能的客户端等。
另一种情况下,上述电子设备为服务器,这种情况下,服务器中可以安装有用于为上述客户端提供后台服务的服务端,这时也可以认为本公开实施例的执行主体具体为上述服务端。
下面再对本公开实施例中涉及的概念进行说明。
1、韵脚
对于韵文中的一个语句而言,韵脚一般是指该语句中的最后一个字。例如,歌词“你听远处的声声汽笛”的韵脚为“笛”,诗句“小荷才露尖尖角”的韵脚为“角”。
2、押韵词
押韵词是指具有押韵效果的语句中韵脚所在的词。例如,上述歌词“你听远处的声声汽笛”的韵脚押韵词为“汽笛”,诗句“小荷才露尖尖角”的押韵词为“尖尖角”。
3、押韵配置参数
上述押韵配置参数为用于对语句的押韵效果进行描述的参数。由于本公开实施例提供的方案是在给定待匹配押韵词的情况下,为待匹配押韵词匹配其他押韵词,所以,上述押韵配置参数也可以理解为:用于对期望匹配到的其他押韵词与上述待匹配押韵词之间的押韵效果进行描述的参数。
一种实现方式中,上述押韵配置参数中包括押韵类型、声调类型等。
其中,押韵类型与实现押韵效果的字数相关,可以理解为通过多少个字达到押韵效果,也指匹配到的其他押韵词与待匹配押韵词之间押韵从字数。例如,上述押韵类型可以是:单押类型、双押类型、三押类型等。单押类型是指通过一个字达到押韵效果,如,“烟火”和“翻过”,双押类型是指通过两个字达到押韵效果,如,“烟火”和“罗汉果”,三押是指通过三个字达到押韵效果,“影影绰绰”和“含情脉脉”。
声调类型是指押韵词之间的声调的特点,也指匹配到的其他押韵词与待匹配押韵词之间的声调特点。例如,上述声调类型可以是:声调不限、声调一致、尾调一致等。
下面通过具体实施例对本公开实施例提供的押韵词推荐方法进行说明。
参见图1,提供了第一种押韵词推荐方法的流程示意图,该方法包括以下步骤S101-S105。
步骤S101:获得待匹配押韵词和押韵配置参数。
上述待匹配押韵词一般是基于用户输入信息确定的。
在本公开实施例的执行主体为客户端时,客户端可以直接监测用户在客户端输入的信息,从而获得用户输入信息,然后客户端根据用户输入信息获得待匹配押韵词。
在本公开实施例的执行主体为服务端时,客户端获得上述用户输入信息后,可以向服务端发送上述用户输入信息,这样服务端获得用户输入信息,然后服务端根据用户输入信息获得待匹配押韵词。
上述用户输入信息可以仅仅包含一个词,例如,上述用户输入信息可以是:烟火、落魄等,这时可以直接将上述用户输入信息作为待匹配押韵词。
上述用户输入信息还可以是一个语句,或者多个词,这时可以对上述用户输入信息进行分词处理,然后从所得分词中确定待匹配押韵词。例如,按照各个分词在用户输入信息中的排列顺序将最后一个分词作为待匹配押韵词等。例如,上述用户输入信息是:我在外面,分词处理后所得分词包括:我、在、外面,则待匹配押韵词可以是:外面;上述用户输入信息是:美丽的花朵,分词处理后所得分词包括:美丽、的、花朵,则待匹配押韵词可以是:花朵。
具体的,一种情况下,可以按照预先设置的分词规则实现上述分词处理,另一种实现方式中,也可以通过后续图4所示实施例中提及的分词模型实现分词处理,其中,关于分词模型可以参数图4所示实施例中的描述,这里暂不详述。
本步骤中上述押韵配置参数可以是基于用户的设置操作获得的参数,也可以是基于前述服务端的默认配置信息获得的参数。
步骤S102:根据待匹配押韵词,确定待匹配押韵词所属语句的目标韵脚。
由于押韵效果是指语句与语句之间的语言效果,一个词在语句中才能被称为押韵词,且韵脚通常是指具有押韵效果的一个语句的最后一个字,所以,一种实现方式中,可以将待匹配押韵词假定为一个语句中韵脚所在的词,这样将待匹配押韵词中的最后一个字作为待匹配押韵词所属语句的目标韵脚。
步骤S103:在押韵词库包括的押韵词类中,确定目标韵脚对应的目标押韵词类。
每一押韵词类中押韵词所属语句的韵脚的韵母相同。
上述押韵词库是预先构建的存储有各种押韵词的词库。
具体的,该押韵词库可以是基于词典构建的词库,可以是开发人员在开发阶段通过收集押韵词而构建的词库,还可以是基于已有的语句构建的词库,具体构建方式可以参见后续图4所示实施例,这里暂不详述。
由于上述押韵词库中包含大量押韵词,这些押韵词可以被看成是使得语句具有押韵效果的词,又由于具有押韵效果的语句具有韵脚,韵脚是语句押韵效果的体现,因此,可以依据韵脚的韵母对押韵词库中的词进行分类管理。
具体的,对押韵词库中的押韵词进行分类时,可以先确定押韵词的拼音,依据拼音确定押韵词中韵脚的韵母,然后将押韵词归类至所确定的韵母对应的分类中。一个分类称为一个押韵词类。
确定目标韵脚对应的目标押韵词类时,一种实现方式中,可以确定目标韵脚的第一韵母,然后将第一韵母对应的押韵词类直接作为目标押韵词类。另一种实现方式中,由于有些韵母的发音类似,例如,ao和ou的发音具有一定程度的相似性,所以,可以在确定第一韵母后,按照预设的韵母间对应关系,获得与第一韵母存在对应关系的第二韵母,然后将第一韵母和第二韵母对应的押韵词类均确定为目标押韵词类,这种情况下可以得到多个目标押韵词类。
步骤S104:按照押韵配置参数,从目标押韵词类中,确定与待匹配押韵词相匹配的押韵词。
由于押韵配置参数是用于对语句的押韵效果进行描述的参数,又由于一个押韵词类中往往包括多个押韵词,所以,从目标押韵词类中确定与待匹配押韵词相匹配的押韵词时,可以是从目标押韵词类中选择具有押韵配置参数所描述的押韵效果的词,作为与待匹配押韵词相匹配的押韵词。
确定与待匹配押韵词相匹配的押韵词的具体实现方式,可以参见后续图2和图3所示实施例,这里暂不详述。
步骤S105:推荐所确定的押韵词。
本公开实施例的执行主体为客户端时,推荐所确定的押韵词可以是在用户界面中展示所确定的押韵词。
本公开实施例的执行主体为服务端时,推荐所确定的押韵词可以是向客户端发送所确定的押韵词,这样客户端在接收到所确定的押韵词后,可以在用户界面中展示所确定的押韵词。
由以上可见,本公开实施例提供的方案中,获得待匹配押韵词后,根据待匹配押韵词确定其所属语句的目标韵脚,然后在押韵词库包括的押韵词类中,确定目标韵脚对应的目标押韵词类。另外,本公开实施例提供的方案中除了获得待匹配押韵词外,还获得了押韵配置参数,这样可以按照上述押韵配置参数,从目标押韵词类中,确定与待匹配押韵词相匹配的押韵词,从而推荐所确定的押韵词。可见,应用本公开实施例提供的方案能够实现押韵词推荐,进而在歌词创作场景中,帮助歌词创作者找到需要的押韵词,降低歌词创作难度。
下面通过下述图2和图3所示实施例,对上述步骤S104中确定与待匹配押韵词相匹配的押韵词的具体实现方式进行说明。
参见图2,提供了第二种押韵词推荐方法的流程示意图,与前述图1所示实施例相比,本实施例中,在押韵配置参数包括:目标押韵类型和/或目标声调类型的情况下,上述步骤S104按照押韵配置参数,从目标押韵词类中,确定与待匹配押韵词相匹配的押韵词,可以通过以下步骤S104A和S104B实现。
步骤S104A:若押韵配置参数中包括目标押韵类型,从目标押韵词类内押韵类型为目标押韵类型的押韵词中,确定与待匹配押韵词相匹配的押韵词。
由于不同的押韵词相对于待匹配押韵词的押韵类型不同,因此,确定与待匹配押韵词相匹配的押韵词时,可以先从目标押韵词类包含的押韵词中,确定押韵类型为目标押韵类型的押韵词,作为第一候选押韵词,然后再从第一候选押韵词中确定与待匹配押韵词相匹配的押韵词。
一种实现方式中,从第一候选押韵词中确定与待匹配押韵词相匹配的押韵词时,可以获得待匹配押韵词的语义信息,根据待匹配押韵词的语义信息与各个第一候选押韵词的语义信息之间的相似度,从第一候选押韵词中选择押韵词,作为与待匹配押韵词相匹配的押韵词。
例如,可以从第一候选押韵词中选择相似度大于第一预设相似度阈值的押韵词,作为与待匹配押韵词相匹配的押韵词。
还可以从第一候选押韵词中选择相似度最高的第一预设数量个押韵词,作为与待匹配押韵词相匹配的押韵词。
在设置目标押韵类型时,可以设置一个目标押韵类型,也可以设置多个目标押韵类型。当存在多个目标押韵类型时,可以逐一遍历各个目标押韵类型,针对每一目标押韵类型,确定出与待匹配押韵词相匹配的押韵词。
步骤S104B:若押韵配置参数中包括目标声调类型,从目标押韵词类内声调类型为目标声调类型的押韵词中,确定与待匹配押韵词相匹配的押韵词。
由于不同的押韵词相对于待匹配押韵词的声调类型不同,因此,确定与待匹配押韵词相匹配的押韵词时,可以先从目标押韵词类包含的押韵词中,确定声调类型为目标声调类型的押韵词,作为第二候选押韵词,然后再从第二候选押韵词中确定与待匹配押韵词相匹配的押韵词。
一种实现方式中,从第二候选押韵词中确定与待匹配押韵词相匹配的押韵词时,可以获得待匹配押韵词的语义信息,根据待匹配押韵词的语义信息与各个第二候选押韵词的语义信息之间的相似度,从第二候选押韵词中选择押韵词,作为与待匹配押韵词相匹配的押韵词。
例如,可以从第二候选押韵词中选择相似度大于第二预设相似度阈值的押韵词,作为与待匹配押韵词相匹配的押韵词。
还可以从第二候选押韵词中选择相似度最高的第二预设数量个押韵词,作为与待匹配押韵词相匹配的押韵词。
在设置目标押韵类型时,可以设置一个目标声调类型,也可以设置多个目标声调类型。当存在多个目标声调类型时,可以逐一遍历各个目标声调类型,针对每一目标声调类型,确定出与待匹配押韵词相匹配的押韵词。
由于押韵配置参数中可能既包括目标押韵类型,又包括目标声调类型,这种情况下,可以将步骤S104A和步骤S104B分别确定出来的押韵词中的相同押韵词,作为最终的与待匹配押韵词相匹配的押韵词。
由以上可见,本实施例提供的方案中,确定与待匹配押韵词相匹配的押韵词时,考虑了押韵类型和/或声调类型,这样确定出的押韵词能够较好的满足用户期望的押韵效果,从而提高了押韵词推荐的准确度。
参见图3,提供了第三种押韵词推荐方法的流程示意图,与前述图1所示实施例相比,本实施例中,押韵词库中各押韵词设置有词属性。
其中,上述词属性可以包含多个属性,每一属性从不同的角度反映词的特征。
本公开的一个实施例中,上述词属性可以包括以下三种属性中的至少一种。
第一种:押韵词在用于构建押韵词库的语句中的出现频次
在构建押韵词库之前可以收集大量已有语句,然后对这些语句进行分析,从中确定出押韵词,构建押韵词库。
有些押韵词与多种语境均匹配,可能会被多次使用,在所收集的多个语句中均会出现,出现频次较高,而有些押韵词仅与部分语境相匹配,在所收集的少数语句中出现,出现频次较低。因此,可以认为频次反映了押韵词的受欢迎程度,或者说频次反映了与各种语境的匹配程度,综上,可以将频次作为词的一个属性。
第二种:押韵词的词性
上述词性可以是动词、名词等。
第三种:押韵词的来源
各种押韵词有其不同的来源,例如,上述来源可以是:热点词语、诗词、成语、名句、典故等等。
由以上可见,押韵词可以有多种词属性,这样可以从不同角度描述押韵词,若基于词属性确定与待匹配押韵词相匹配的押韵词,可以为确定过程提供丰富的参考信息,使得确定的出的押韵词更加的准确。
鉴于上述情况,上述步骤S104按照押韵配置参数,从目标押韵词类中,确定与待匹配押韵词相匹配的押韵词,可以通过下述步骤S104C实现。
步骤S104C:按照押韵配置参数以及目标押韵词类中押韵词设置的词属性,从目标押韵词类中,确定与待匹配押韵词相匹配的押韵词。
一种实现方式中,可以预先设定所匹配出的押韵词的最大数量,并预先设定各个不同词属性之间的优先级,然后按照上述优先级,确定各词属性下与待匹配押韵词相匹配的押韵词,直至所确定出的押韵词总数达到上述最大数量,或者遍历每一词属性。
例如,上述词属性包括三个词属性,且按照优先级排列为:词属性1、词属性2和词属性3,假设,上述最大数量为20。按照优先级确定与待匹配押韵词相匹配的押韵词时,先确定词属性1下与待匹配押韵词相匹配的押韵词,若此时确定出15个押韵词,则接下来确定词属性2下与待匹配押韵词相匹配的押韵词,若此时确定出5个押韵词,这时共计确定出了20个押韵词,达到了最大数量,可不再继续在词属性3下确定与待匹配押韵词相匹配的押韵词。
另一种实现方式中,还可以预先设定每一种词属性对应的押韵词的最大数量,然后针对每一种词属性,确定不多于该词属性所对应最大数量个与待匹配押韵词相匹配的押韵词。
由于押韵词可以具有多个词属性,而这些不同的词属性又可以从不同角度描述押韵词,因此,本实施例中确定与待匹配押韵词的押韵词时考虑词属性,能够提高所确定出押韵词的准确性。
下面通过具体实施例介绍押韵词库的构建方式。
参见图4,提供了一种押韵词库构建方法的流程示意图,该方法包括以下步骤S401-S404。
步骤S401:获得已收集的具有押韵效果的已有语句。
本公开的一个实施例中,上述已有语句可以为歌词中的语句。这种情况下,可以使得所构建出的押韵词库中包含的押韵词来源于歌词,在为歌词创作者推荐押韵词的场景中,基于此时创建出的押韵词库进行押韵词推荐,能够提高为歌词创造者推荐押韵词的准确度。
当然,上述已有语句还可以是诗句中的语句,还可以是文章中的语句等,本公开实施例并不对此进行限定。
步骤S402:将已有语句输入预先训练的分词模型进行分词处理,得到已有语句的韵脚所在的押韵词。
其中,上述分词模型为:采用样本语句以及样本标注词按照预设学习模式对网络模型进行训练、得到的用于分割出语句中押韵词的模型。上述预设学习模式包括:学习样本语句中押韵词出现的概率以及押韵词搭配。上述样本标注词为:标注出的样本语句的韵脚所在的押韵词。
在对分词模型进行训练之前,可以收集大量样本语句,这些样本语句可以依据应用场景不同而不同。例如,在歌词创作场景中,可以收集歌词中的语句作为样本语句,在诗词创作场景中,可以收集诗词中的语句作为样本语句。然后对上述样本语句中的押韵词进行标注得到样本标注词,以样本语句作为网络模型的输入信息,以样本标注词为训练监督信息,对网络模型进行有监督训练。通过对网络模型的网络结构进行设计,使得网络模型在训练过程中能够学习到样本语句中押韵词出现的概率,并学习到样本语句中押韵词的搭配。采用大量样本语句对模型进行反复训练后,得到收敛的网络模型,作为上述分词模型。
步骤S403:确定所得押韵词所属语句的韵脚。
与前述步骤S102类似,本步骤中也可以将所得押韵词中的最后一个字作为所属语句的韵脚。
步骤S404:将所得押韵词添加至押韵词库中与所确定的韵脚对应的押韵词类中。
本实施例提供的方案中,在获得了已有语句的情况下,采用分词模型对已有语句进行分词处理,得到已有语句中的押韵词。由于分词模型是通过大量样本训练得到的进行分词处理的模型,因此能够学习到样本语句中押韵词的特征,进而采用分词模型能够准确的分割出已有语句中的押韵词。在此基础上,应用本实施例提供的方案,能够准确的构建出押韵词库。
下面结合图5所示的用户界面示意图,对歌词创作场景中,押韵词推荐过程进行说明。
用户所使用手机中安装有具有歌词创作功能的客户端,用户在客户端上创作歌词,创作过程中想要获得与“烟火”这一押韵词相匹配的其他押韵词。为此,用户在上述客户端显示的用户界面中的搜索框中输入“烟火”,客户端检测到用户输入的“烟火”后,向服务端发送“烟火”。服务端接收到“烟火”后,确定目标韵脚为:o,在押韵词库中确定o对应的目标押韵词类,然后根据预先配置的押韵类型,如,单押类型、双押类型和三押类型,以及声调类型,如,声调不限、尾调一致和声调一致,在o对应的目标押韵词类中确定与“烟火”相匹配的押韵词,并向客户端发送所确定的押韵词。客户端接收到上述押韵词后,在如图5所示的用户界面显示接收到的押韵词,实现押韵词推荐。
其中,客户端所显示的用户界面的布局可以由服务端控制,这样可以方便服务端优化用户界面、对用户界面进行更新迭代。
与上述押韵词推荐方法相对应,本公开实施例还提供了一种押韵词推荐装置。
参见图6,提供了一种押韵词推荐装置的结构示意图,包括:
参数获得模块601,用于获得待匹配押韵词和押韵配置参数;
韵脚确定模块602,用于根据所述待匹配押韵词,确定所述待匹配押韵词所属语句的目标韵脚;
词类确定模块603,用于在押韵词库包括的押韵词类中,确定所述目标韵脚对应的目标押韵词类,每一押韵词类中押韵词所属语句的韵脚的韵母相同;
押韵词确定模块604,用于按照所述押韵配置参数,从所述目标押韵词类中,确定与所述待匹配押韵词相匹配的押韵词;
押韵词推荐模块605,用于推荐所确定的押韵词。
本公开实施例提供的方案中,获得待匹配押韵词后,根据待匹配押韵词确定其所属语句的目标韵脚,然后在押韵词库包括的押韵词类中,确定目标韵脚对应的目标押韵词类。另外,本公开实施例提供的方案中除了获得待匹配押韵词外,还获得了押韵配置参数,这样可以按照上述押韵配置参数,从目标押韵词类中,确定与待匹配押韵词相匹配的押韵词,从而推荐所确定的押韵词。可见,应用本公开实施例提供的方案能够实现押韵词推荐,进而在歌词创作场景中,帮助歌词创作者找到需要的押韵词,降低歌词创作难度。
本公开的一个实施例中,所述押韵配置参数包括:目标押韵类型和/或目标声调类型;
所述押韵词确定模块,具体用于若所述押韵配置参数中包括所述目标押韵类型,从所述目标押韵词类内押韵类型为所述目标押韵类型的押韵词中,确定与所述待匹配押韵词相匹配的押韵词;若所述押韵配置参数中包括所述目标声调类型,从所述目标押韵词类内声调类型为所述目标声调类型的押韵词中,确定与所述待匹配押韵词相匹配的押韵词。
本实施例提供的方案中,确定与待匹配押韵词相匹配的押韵词时,考虑了押韵类型和/或声调类型,这样确定出的押韵词能够较好的满足用户期望的押韵效果,从而提高了押韵词推荐的准确度。
本公开的一个实施例中,所述押韵词库中各押韵词设置有词属性;
所述押韵词确定模块,具体用于按照所述押韵配置参数以及所述目标押韵词类中押韵词设置的词属性,从所述目标押韵词类中,确定与所述待匹配押韵词相匹配的押韵词。
由于押韵词可以具有多个词属性,而这些不同的词属性又可以从不同角度描述押韵词,因此,本实施例中确定与待匹配押韵词的押韵词时考虑词属性,能够提高所确定出押韵词的准确性。
本公开的一个实施例中,所述词属性包括以下属性中的至少一种:
押韵词在用于构建所述押韵词库的语句中的出现频次;
押韵词的词性;
押韵词的来源。
由以上可见,押韵词可以有多种词属性,这样可以从不同角度描述押韵词,若基于词属性确定与待匹配押韵词相匹配的押韵词,可以为确定过程提供丰富的参考信息,使得确定的出的押韵词更加的准确。
本公开的一个实施例中,按照以下方式构建所述押韵词库:
获得已收集的具有押韵效果的已有语句;
将所述已有语句输入预先训练的分词模型进行分词处理,得到所述已有语句的韵脚所在的押韵词,其中,所述分词模型为:采用样本语句以及样本标注词按照预设学习模式对网络模型进行训练、得到的用于分割出语句中押韵词的模型,所述预设学习模式包括:学习所述样本语句中押韵词出现的概率以及押韵词搭配,所述样本标注词为:标注出的所述样本语句的韵脚所在的押韵词;
确定所得押韵词所属语句的韵脚;
将所得押韵词添加至所述押韵词库中与所确定的韵脚对应的押韵词类中。
本实施例提供的方案中,在获得了已有语句的情况下,采用分词模型对已有语句进行分词处理,得到已有语句中的押韵词。由于分词模型是通过大量样本训练得到的进行分词处理的模型,因此能够学习到样本语句中押韵词的特征,进而采用分词模型能够准确的分割出已有语句中的押韵词。在此基础上,应用本实施例提供的方案,能够准确的构建出押韵词库。
本公开的一个实施例中,所述已有语句为歌词中的语句。
这种情况下,可以使得所构建出的押韵词库中包含的押韵词来源于歌词,在为歌词创作者推荐押韵词的场景中,基于此时创建出的押韵词库进行押韵词推荐,能够提高为歌词创造者推荐押韵词的准确度。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
本公开实施例还提供了一种电子设备,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上述方法实施例中所述的押韵词推荐方法。
本公开实施例还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上述方法实施例中所述的押韵词推荐方法。
本公开实施例提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述方法实施例中所述的押韵词推荐方法。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。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/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元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。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如方法押韵词推荐。例如,在一些实施例中,方法押韵词推荐可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的方法押韵词推荐的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法押韵词推荐。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、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或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)和互联网。
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,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种押韵词推荐方法,包括:
获得待匹配押韵词和押韵配置参数;
根据所述待匹配押韵词,确定所述待匹配押韵词所属语句的目标韵脚;
在押韵词库包括的押韵词类中,确定所述目标韵脚对应的目标押韵词类,每一押韵词类中押韵词所属语句的韵脚的韵母相同;
按照所述押韵配置参数,从所述目标押韵词类中,确定与所述待匹配押韵词相匹配的押韵词;
推荐所确定的押韵词。
2.根据权利要求1所述的方法,其中,
所述押韵配置参数包括:目标押韵类型和/或目标声调类型;
所述按照所述押韵配置参数,从所述目标押韵词类中,确定与所述待匹配押韵词相匹配的押韵词,包括:
若所述押韵配置参数中包括所述目标押韵类型,从所述目标押韵词类内押韵类型为所述目标押韵类型的押韵词中,确定与所述待匹配押韵词相匹配的押韵词;
若所述押韵配置参数中包括所述目标声调类型,从所述目标押韵词类内声调类型为所述目标声调类型的押韵词中,确定与所述待匹配押韵词相匹配的押韵词。
3.根据权利要求1所述的方法,其中,所述押韵词库中各押韵词设置有词属性;
所述按照所述押韵配置参数,从所述目标押韵词类中,确定与所述待匹配押韵词相匹配的押韵词,包括:
按照所述押韵配置参数以及所述目标押韵词类中押韵词设置的词属性,从所述目标押韵词类中,确定与所述待匹配押韵词相匹配的押韵词。
4.根据权利要求3所述的方法,其中,所述词属性包括以下属性中的至少一种:
押韵词在用于构建所述押韵词库的语句中的出现频次;
押韵词的词性;
押韵词的来源。
5.根据权利要求1-4中任一项所述的方法,其中,按照以下方式构建所述押韵词库:
获得已收集的具有押韵效果的已有语句;
将所述已有语句输入预先训练的分词模型进行分词处理,得到所述已有语句的韵脚所在的押韵词,其中,所述分词模型为:采用样本语句以及样本标注词按照预设学习模式对网络模型进行训练、得到的用于分割出语句中押韵词的模型,所述预设学习模式包括:学习所述样本语句中押韵词出现的概率以及押韵词搭配,所述样本标注词为:标注出的所述样本语句的韵脚所在的押韵词;
确定所得押韵词所属语句的韵脚;
将所得押韵词添加至所述押韵词库中与所确定的韵脚对应的押韵词类中。
6.根据权利要求5所述的方法,其中,
所述已有语句为歌词中的语句。
7.一种押韵词推荐装置,包括:
参数获得模块,用于获得待匹配押韵词和押韵配置参数;
韵脚确定模块,用于根据所述待匹配押韵词,确定所述待匹配押韵词所属语句的目标韵脚;
词类确定模块,用于在押韵词库包括的押韵词类中,确定所述目标韵脚对应的目标押韵词类,每一押韵词类中押韵词所属语句的韵脚的韵母相同;
押韵词确定模块,用于按照所述押韵配置参数,从所述目标押韵词类中,确定与所述待匹配押韵词相匹配的押韵词;
押韵词推荐模块,用于推荐所确定的押韵词。
8.根据权利要求7所述的装置,其中,
所述押韵配置参数包括:目标押韵类型和/或目标声调类型;
所述押韵词确定模块,具体用于若所述押韵配置参数中包括所述目标押韵类型,从所述目标押韵词类内押韵类型为所述目标押韵类型的押韵词中,确定与所述待匹配押韵词相匹配的押韵词;若所述押韵配置参数中包括所述目标声调类型,从所述目标押韵词类内声调类型为所述目标声调类型的押韵词中,确定与所述待匹配押韵词相匹配的押韵词。
9.根据权利要求7所述的装置,其中,所述押韵词库中各押韵词设置有词属性;
所述押韵词确定模块,具体用于按照所述押韵配置参数以及所述目标押韵词类中押韵词设置的词属性,从所述目标押韵词类中,确定与所述待匹配押韵词相匹配的押韵词。
10.根据权利要求9所述的装置,其中,所述词属性包括以下属性中的至少一种:
押韵词在用于构建所述押韵词库的语句中的出现频次;
押韵词的词性;
押韵词的来源。
11.根据权利要求7-10中任一项所述的装置,其中,按照以下方式构建所述押韵词库:
获得已收集的具有押韵效果的已有语句;
将所述已有语句输入预先训练的分词模型进行分词处理,得到所述已有语句的韵脚所在的押韵词,其中,所述分词模型为:采用样本语句以及样本标注词按照预设学习模式对网络模型进行训练、得到的用于分割出语句中押韵词的模型,所述预设学习模式包括:学习所述样本语句中押韵词出现的概率以及押韵词搭配,所述样本标注词为:标注出的所述样本语句的韵脚所在的押韵词;
确定所得押韵词所属语句的韵脚;
将所得押韵词添加至所述押韵词库中与所确定的韵脚对应的押韵词类中。
12.根据权利要求11所述的装置,其中,
所述已有语句为歌词中的语句。
13.一种电子设备,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1-6中任一项所述的方法。
14.一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根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111154111.4A CN113850080A (zh) | 2021-09-29 | 2021-09-29 | 一种押韵词推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111154111.4A CN113850080A (zh) | 2021-09-29 | 2021-09-29 | 一种押韵词推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113850080A true CN113850080A (zh) | 2021-12-28 |
Family
ID=78977128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111154111.4A Pending CN113850080A (zh) | 2021-09-29 | 2021-09-29 | 一种押韵词推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113850080A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114492416A (zh) * | 2022-01-28 | 2022-05-13 | 腾讯科技(深圳)有限公司 | 一种歌词生成方法、装置、设备、存储介质 |
CN115994532A (zh) * | 2023-03-22 | 2023-04-21 | 暗链科技(深圳)有限公司 | 语料分类方法、非易失性可读存储介质及电子设备 |
CN116011430A (zh) * | 2023-03-22 | 2023-04-25 | 暗链科技(深圳)有限公司 | 韵脚去重方法、非易失性可读存储介质及电子设备 |
-
2021
- 2021-09-29 CN CN202111154111.4A patent/CN113850080A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114492416A (zh) * | 2022-01-28 | 2022-05-13 | 腾讯科技(深圳)有限公司 | 一种歌词生成方法、装置、设备、存储介质 |
CN114492416B (zh) * | 2022-01-28 | 2024-05-17 | 腾讯科技(深圳)有限公司 | 一种歌词生成方法、装置、设备、存储介质 |
CN115994532A (zh) * | 2023-03-22 | 2023-04-21 | 暗链科技(深圳)有限公司 | 语料分类方法、非易失性可读存储介质及电子设备 |
CN116011430A (zh) * | 2023-03-22 | 2023-04-25 | 暗链科技(深圳)有限公司 | 韵脚去重方法、非易失性可读存储介质及电子设备 |
CN116011430B (zh) * | 2023-03-22 | 2024-04-02 | 暗链科技(深圳)有限公司 | 韵脚去重方法、非易失性可读存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230142217A1 (en) | Model Training Method, Electronic Device, And Storage Medium | |
CN112749344B (zh) | 信息推荐方法、装置、电子设备、存储介质及程序产品 | |
JP7108675B2 (ja) | 意味マッチング方法、装置、電子機器、記憶媒体及びコンピュータプログラム | |
US10102191B2 (en) | Propagation of changes in master content to variant content | |
CN113850080A (zh) | 一种押韵词推荐方法、装置、设备及存储介质 | |
JP2016513269A (ja) | 音響言語モデルトレーニングのための方法およびデバイス | |
US20230023789A1 (en) | Method for identifying noise samples, electronic device, and storage medium | |
CN107112009B (zh) | 用于生成混淆网络的方法、系统和计算机可读存储设备 | |
CN111709234A (zh) | 文本处理模型的训练方法、装置及电子设备 | |
CN113053367A (zh) | 语音识别方法、语音识别的模型训练方法以及装置 | |
US20220005461A1 (en) | Method for recognizing a slot, and electronic device | |
TW202032534A (zh) | 語音辨識方法、語音辨識裝置、電子設備、電腦可讀存儲介質及電腦程式產品 | |
US20230114673A1 (en) | Method for recognizing token, electronic device and storage medium | |
US20220198358A1 (en) | Method for generating user interest profile, electronic device and storage medium | |
CN112560425B (zh) | 模板生成方法、装置、电子设备及存储介质 | |
CN113919424A (zh) | 文本处理模型的训练、文本处理方法、装置、设备和介质 | |
CN114444462A (zh) | 模型训练方法及人机交互方法、装置 | |
US20230206007A1 (en) | Method for mining conversation content and method for generating conversation content evaluation model | |
CN113641724B (zh) | 知识标签挖掘方法、装置、电子设备及存储介质 | |
CN116049370A (zh) | 信息查询方法和信息生成模型的训练方法、装置 | |
CN113204616B (zh) | 文本抽取模型的训练与文本抽取的方法、装置 | |
CN112905917B (zh) | 内链生成方法、模型训练方法、相关装置及电子设备 | |
CN114417862A (zh) | 文本匹配方法、文本匹配模型的训练方法和装置 | |
CN114201953A (zh) | 一种关键词提取、模型训练方法、装置、设备及存储介质 | |
CN114416941A (zh) | 融合知识图谱的对话知识点确定模型的生成方法及装置 |
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 |