CN114117046A - 数据处理方法、装置、电子设备及介质 - Google Patents

Abstract

本公开提供了一种数据处理方法、装置、设备及介质，涉及人工智能领域，尤其涉及自然语言处理领域。实现方案为：通过待处理文本和多个参考字段确定融合信息；针对多个参考字段中的每一者执行以下匹配操作：基于该参考字段的标识符的特征向量与融合信息所包括的每一个特性向量之间的相似度，分别确定融合信息的每一个特性向量的第一系数；基于融合信息所包括的每一个特性向量与多个参考字段中除该参考字段以外的其它参考字段之间的相关性，分别确定融合信息的每一个特性向量的第二系数；利用融合信息所包括的每一个特征向量和该特征向量的权重来确定该参考字段的结果特征向量；以及基于结果特征向量，确定该参考字段与待处理文本的匹配度。

Description

数据处理方法、装置、电子设备及介质

技术领域

本公开涉及人工智能技术领域，尤其涉及自然语言处理领域，具体涉及一种数据处理的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术、人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种数据处理的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种数据处理方法，包括：通过待处理文本和多个参考字段确定融合信息，其中，融合信息包括待处理文本中的每一个字符的特征向量、每个参考字段中的每一个字符的特征向量，以及每个参考字段的标识符的特征向量；以及针对多个参考字段中的每一者执行匹配操作，匹配操作包括：基于该参考字段的标识符的特征向量与融合信息所包括的每一个特性向量之间的相似度，分别确定融合信息所包括的每一个特性向量的第一系数；基于融合信息所包括的每一个特性向量与多个参考字段中除该参考字段以外的其它参考字段之间的相关性，分别确定融合信息所包括的每一个特性向量的第二系数；利用融合信息所包括的每一个特征向量和该特征向量的权重来确定该参考字段的结果特征向量，其中，每一个特征向量的权重为基于该特征向量的第一系数和第二系数而确定；以及基于结果特征向量，确定该参考字段与待处理文本的匹配度。

根据本公开的另一方面，提供了一种数据处理装置，包括：第一确定单元，被配置用于通过待处理文本和多个参考字段确定融合信息，其中，融合信息包括待处理文本中的每一个字符的特征向量、每个参考字段中的每一个字符的特征向量，以及每个参考字段的标识符的特征向量；以及匹配单元，被配置用于针对多个参考字段中的每一者执行匹配操作，匹配单元包括：第一确定子单元，被配置用于基于该参考字段的标识符的特征向量与融合信息所包括的每一个特性向量之间的相似度，分别确定融合信息所包括的每一个特性向量的第一系数；第二确定子单元，被配置用于基于融合信息所包括的每一个特性向量与多个参考字段中除该参考字段以外的其它参考字段之间的相关性，分别确定融合信息所包括的每一个特性向量的第二系数；第三确定子单元，被配置用于利用融合信息所包括的每一个特征向量和该特征向量的权重来确定该参考字段的结果特征向量，其中，每一个特征向量的权重为基于该特征向量的第一系数和第二系数而确定；以及第四确定子单元，被配置用于基于结果特征向量，确定该参考字段与待处理文本的匹配度。

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；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的方法。

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，计算机指令用于使计算机执行上述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述的方法。

根据本公开的一个或多个实施例，能够实现待处理文本与多个参考字段之间的同步匹配，提升了数据处理效率。

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

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2A和图2B示出了根据本公开的实施例的数据处理方法的流程图；

图3示出了根据本公开的实施例的确定融合信息的方法示意图；

图4示出了根据本公开的实施例的数据处理装置的结构框图；

图5示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

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。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。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置相关性、时序相关性或重要性相关性，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

为了能够通过机器来理解文本，在相关技术中往往采用参考字段匹配的方式来实现，即将待处理文本与预设的多个参考字段分别匹配，并基于匹配度较高的参考字段来理解待处理文本的内容。然而，这种匹配方式依赖于待处理文本与参考字段的一对一匹配，用以得到每一个参考字段与待处理文本的匹配度，处理效率低下。在时间资源有限的情况下，制约了可执行匹配的参考字段的数量，导致对文本的理解粗糙。

基于此，本公开提出了一种数据处理方法，用以实现待处理文本和多个参考字段之间的同步处理，针对于多个参考字段中的每一者，基于该参考字段的标识符的特征向量与融合信息所包括的每一个特性向量之间的相似度，分别确定每一个特性向量的第一系数，在此基础上，基于每一个特性向量与多个参考字段中除该参考字段以外的其它参考字段之间的相关性，分别确定每一个特性向量的第二系数，利用每一个特性向量的第一系数和第二系数来确定该特征向量的权重，并利用融合信息所包括的每一个特征向量和该特征向量的权重来确定该参考字段的结果特征向量，最终通过结果特征向量，确定该参考字段与待处理文本的匹配度。

本公开在针对每一个参考字段的处理中，除了考虑融合信息中特征向量之间的相似度，还通过第二系数来调控融合信息中来自其它参考字段的特征向量对该参考字段的结果特征向量的影响程度，使得在同时执行待处理文本与多个参考字段的匹配过程中，各个参考字段能够得到有针对性的处理，使得待处理文本得以同时与多个参考字段执行有效匹配，提升了数据处理效率。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行数据处理的方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来获取待处理文本。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobileOS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120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。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是相关性数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

图2A和图2B示出了根据本公开的实施例的一种数据处理方法，包括：步骤S201、通过待处理文本和多个参考字段确定融合信息，其中，融合信息包括待处理文本中的每一个字符的特征向量、每个参考字段中的每一个字符的特征向量，以及每个参考字段的标识符的特征向量；以及步骤S202、针对多个参考字段中的每一者执行匹配操作，匹配操作包括：步骤S202-1、基于该参考字段的标识符的特征向量与融合信息所包括的每一个特性向量之间的相似度，分别确定融合信息所包括的每一个特性向量的第一系数；步骤S202-2、基于融合信息所包括的每一个特性向量与多个参考字段中除该参考字段以外的其它参考字段之间的相关性，分别确定融合信息所包括的每一个特性向量的第二系数；步骤S202-3、利用融合信息所包括的每一个特征向量和该特征向量的权重来确定该参考字段的结果特征向量，其中，每一个特征向量的权重为基于该特征向量的第一系数和第二系数而确定；以及步骤S202-4、基于结果特征向量，确定该参考字段与待处理文本的匹配度。

由此可见，本公开在针对每一个参考字段的处理中，除了考虑融合信息中特征向量之间的相似度，还通过第二系数来调控融合信息中来自其它参考字段的特征向量对该参考字段的结果特征向量的影响程度，使得在同时执行待处理文本与多个参考字段的匹配过程中，各个参考字段能够得到有针对性的处理，使得待处理文本得以同时与多个参考字段执行有效匹配，提升了数据处理效率。

针对步骤S201，其中，待处理文本可以是一句，一段或一整篇文本。多个参考字段可以预先设定并存储于数据库中，多个参考字段可以表示文本的关键信息，也可以用于表示文本作者的态度等。

根据一些实施例，基于待处理文本的分类结果，确定用于与该待处理文本执行匹配操作的多个参考字段。例如，待处理文本的分类结果为合同文本，可以确定多个参考字段包括“甲方”、“乙方”和“金额”等，用以确定待处理文本中的关键信息。

根据一些实施例，待处理文本中的每一个字符和每个参考字段中的每一个字符可以为基于预设词表执行切词后得到的。其中，预设词表可以为ERNIE词表。

根据一些实施例，通过待处理文本和多个参考字段确定融合信息可以包括：至少基于待处理文本中的每一个字符的词向量确定该字符的特征向量；至少基于每个参考字段中的每一个字符的词向量确定该字符的特征向量；以及至少基于每个参考字段的标识符的词向量确定该标识符的特征向量。

由于每一个字符或标识符唯一地对应一个词向量，因此通过相应的词向量来表示待处理文本中的每一个字符、每个参考字段中的每一个字符和每个参考字段的标识符，可以有效地区分不同的字符或标识符，便于通过包括神经网络在内的机器模型进行处理。

根据一些实施例，该方法还可以包括：确定待处理文本所对应的第一句对向量，以及多个参考字段所对应的第二句对向量，其中，至少基于待处理文本中的每一个字符的词向量确定该字符的特征向量可以包括：基于待处理文本中的每一个字符的词向量和第一句对向量确定该字符的特征向量；至少基于每个参考字段中的每一个字符的词向量确定该字符的特征向量可以包括：基于每个参考字段中的每一个字符的词向量和第二句对向量确定该字符的特征向量；以及至少基于每个参考字段的标识符的词向量确定该标识符的特征向量可以包括：基于每个参考字段的标识符的词向量和第二句对向量确定该标识符的特征向量。由此通过第一句对向量和第二句对向量能够有效地区分待处理文本和参考字段。

根据一些实施例，基于待处理文本中的每一个字符的词向量和第一句对向量的加权和，可以确定该字符的特征向量；基于每个参考字段中的每一个字符的词向量和第二句对向量的加权和，可以确定该字符的特征向量；以及基于每个参考字段的标识符的词向量和第二句对向量的加权和，可以确定该标识符的特征向量。

根据一些实施例，该方法还可以包括：确定待处理文本中的每一个字符的位置向量，其中，待处理文本中的每一个字符的位置向量互不相同；以及针对多个参考字段中的每一者，确定该参考字段中的每一个字符和该参考字段的标识符中的每一者的位置向量，其中，该参考字段中的每一个字符和该参考字段的标识符中的每一者的位置向量互不相同；其中，至少基于待处理文本中的每一个字符的词向量确定该字符的特征向量可以包括：基于待处理文本中的每一个字符的词向量和位置向量确定该字符的特征向量；至少基于每个参考字段中的每一个字符的词向量确定该字符的特征向量可以包括：基于每个参考字段中的每一个字符的词向量和位置向量确定该字符的特征向量；以及至少基于每个参考字段的标识符的词向量确定该标识符的特征向量可以包括：基于每个参考字段的标识符的词向量和位置向量确定该标识符的特征向量。由此，通过位置向量能够用于区分待处理文本或参考字段中每个字符的所处的位置。

根据一些实施例，基于待处理文本中的每一个字符的词向量和位置向量的加权和，可以确定该字符的特征向量；基于每个参考字段中的每一个字符的词向量和位置向量的加权和，可以确定该字符的特征向量；以及基于每个参考字段的标识符的词向量和位置向量的加权和，可以确定该标识符的特征向量。

根据一些实施例，基于待处理文本中的每一个字符的词向量、第一句对向量和位置向量的加权和，可以确定该字符的特征向量；基于每个参考字段中的每一个字符的词向量、第二句对向量和位置向量的加权和，可以确定该字符的特征向量；以及基于每个参考字段的标识符的词向量、第二句对向量和位置向量的加权和，可以确定该标识符的特征向量。

图3示出了根据本公开的实施例的一种确定融合信息的方法示意图，如图3所示，通过待处理文本和多个参考字段可以得到词向量矩阵input^token，301为词向量矩阵input^token的示意图，词向量矩阵input^token由[CLS]、text、[SEP]、[KEY]、key0和key1所分别对应的词向量构成，[CLS]为初始符，用于标识开始位置，text表示待处理文本的字符串，[SEP]为分隔符，用于分割待处理文本和参考字段，或者用于分割两个不同的参考字段，key0和keyl分别表示不同的参考字段的字符串，位于key0前面的[KEY]表示key0的标识符，位于key1前面的[KEY]表示key1的标识符。在词向量矩阵input^token中，每一行表示一个符号(包括字符、初始符、标识符和分隔符)所对应的词向量，并且每一个符号的词向量的长度相同，在词向量矩阵input^token的纵向，各个词向量按照301中的符号顺序依次排列。

通过待处理文本和多个参考字段可以得到句对向量矩阵input^sent，302为句对向量矩阵input^sent的示意图，其中，对于待处理文本单元[CLS]text[SEP]中的每个符号，其所对应的句对向量为一个全0向量(即向量中的每个元素均为0)，对于参考文本单元[KEY]key0[SEP]和[KEY]key1[SEP]中的每个符号，其所对应的句对向量为一个全1向量(即向量中的每个元素均为1)。在句对向量矩阵input^sent中，每一行表示一个符号(包括字符、初始符、标识符和分隔符)所对应的句对向量，并且每一个符号的句对向量的长度等于其词向量的长度。在句对向量矩阵input^sent的纵向，各个符号的句对向量的排列顺序与词向量矩阵input^token的纵向各个符号的词向量的排列顺序相同。

通过待处理文本和多个参考字段可以得到位置向量矩阵input^pos，303为位置向量矩阵input^pos的示意图，其中，m1为参考文本单元[KEY]key0[SEP]中的符号数量，m2为参考文本单元[KEY]key1[SEP]中的符号数量，对于待处理文本单元[CLS]text[SEP]中的每个符号，分别采用一个具有相同元素值的向量作为其位置向量，其中，每个符号的位置向量的元素值按照该符号在待处理文本单元中的先后顺序依次递增。因此，将[CLS]用全0向量表示，将text中的第一个字符用全1向量表示，将text中的第二个字符用全2向量表示，以此类推可以确定该单元中每个字符的位置向量。对于参考文本单元[KEY]key0[SEP]和参考文本单元[KEY]key1[SEP]，确定各个单元中每个符号的位置向量的方式与确定待处理文本单元中每个符号的位置向量的方式相同，在此不再赘述。在位置向量矩阵input^pos中，每一行表示一个符号(包括字符、初始符、标识符和分隔符)所对应的位置向量，并且每一个符号的位置向量的长度等于其词向量的长度。在位置向量矩阵input^pos的纵向，各个符号的位置向量的排列顺序与词向量矩阵input^token的纵向各个符号的词向量的排列顺序相同。

将上述词向量矩阵input^token、句对向量矩阵input^sent和位置向量矩阵input^pos相加的结果input^embedding作为待处理文本和多个参考字段的融合信息，304为融合信息input^embedding的示意图。其中，p＝n+m1，x＝n+m1+m2-1。在融合信息input^embedding中，每一行表示一个符号(包括字符、初始符、标识符和分隔符)所对应的特征向量(即C₀～Cx)，并且每一个符号的特征向量的长度等于其词向量的长度。在融合信息input^embedding的纵向，各个符号的特征向量的排列顺序与词向量矩阵input^token的纵向各个符号的词向量的排列顺序相同，即：

[CLS]text[SEP][KEY]key0[SEP][KEY]keyl[SEP]

可以理解，在图3所示的实施例中，采用2个参考字段仅是为了便于表示，在本公开中数据处理过程中所采用的参考字段的数量可以为大于2的任意数值，对此本公开不作限定。

针对步骤S202中的步骤S202-1，基于该参考字段的标识符的特征向量与融合信息所包括的每一个特性向量之间的相似度，分别确定融合信息所包括的每一个特性向量的第一系数。

具体地，依旧以图3中的融合信息input^embedding为例，通过三个不同的权重W_Q，W_K和W_v矩阵分别对融合信息input^embedding进行线性映射，可以得到三个矩阵Q、K和V，具体可以通过如下公式表示：

Q＝Linear1(input^embedding)＝input^embedding W_Q

K＝Linear2(input^embedding)＝input^embeddingW_K

V＝Linear3(input^embedding)＝input^embeddingW_V

将矩阵Q与矩阵K相乘，可以得到融合信息input^embedding中任意两个特征向量之间的相似度。融合信息input^embedding的相似度矩阵可以表示为：

其中，C_iC_j表示融合信息input^embedding中的特征向量C_i和特征向量C_j之间的相似度。

以针对参考字段key0的匹配操作为例，参考字段key0的标识符的特征向量C_n与融合信息input^embedding所包括的每一个特性向量之间的相似度分别为C_nC₀，C_nC₁，C_nC₂...C_nC_x，根据C_n与每一个特性向量之间的相似度，可以确定每一个特性向量的第一系数，例如，可以令每一个特性向量的第一系数分别为C_nC₀，C_nC₁，C_nC₂...C_nC_x。

针对步骤S202-2，根据一些实施例，基于融合信息所包括的每一个特性向量与多个参考字段中除该参考字段以外的其它参考字段之间的相关性，分别确定融合信息所包括的每一个特性向量的第二系数可以包括：将融合信息所包括的每一个特征向量确定为相关特征向量或无关特征向量中的一者，其中，相关特征向量为多个参考字段中除该参考字段以外的任一参考字段的字符的特征向量或标识符的特征向量；以及将相关特征向量的第二系数确定为小于无关特征向量的第二系数。

通过设定任一相关特征向量的第二系数小于任一无关特征向量的第二系数，可以使得无关的特征向量的影响被减低，能够在同时输入多个字段的情况下，保证对每个字段所计算的匹配值的准确性。

根据一些实施例，任一相关特征向量的第二系数均为0，任一无关特征向量的第二系数均为1。

例如，仍然以针对参考字段key0的匹配操作为例，在融合信息input^embedding之中，特征向量C₀～C_p-1为无关特征向量，特征向量C_p～C_x则为相关特征向量。可以将特征向量C₀～C_p-1的第二系数设置为1，将其它特征向量的第二系数设置为0。

用如下的矩阵可以表示针对各个参考字段的匹配操作中，融合信息中各个特征向量的第二系数：

其中，t为待处理文本单元的符号长度，li为第i个参考字段单元对应的符号长度，

表示融合信息中第k个特征向量所在的单元执行匹配操作时，融合信息中第j个特征向量所对应的第二系数。具体地，

上述矩阵与融合信息input^embedding的相似度矩阵维度相同，可以通过将这两个矩阵加权求和来计算针对各个参考字段的匹配操作时的权重值。

针对步骤S202-3，根据一些实施例，可以将每个特征向量的第一系数和第二系数之和确定为该特征向量的权重。

根据每个特征向量或每个特征向量在矩阵V中所对应的变换向量(即矩阵V中的各行)和该特征向量的权重的加权和，可以确定该参考字段的结果特征向量。

根据一些实施例，融合信息所包括的待处理文本中的每一个字符的特征向量、每个参考字段中的每一个字符的特征向量，以及每个参考字段的标识符的特征向量按序相连，并且其中，将融合信息所包括的每一个特征向量确定为相关特征向量或无关特征向量中的一者可以包括：根据融合信息所包括的每一个特征向量在融合信息中的位置，确定该特征向量为相关特征向量或无关特征向量中的一者。

由此，根据融合信息中预设的排序，能够方便地确定特征向量与特定参考字段之间的相关性。

根据一些实施例，该方法还包括：基于多个参考字段中的每一者的匹配度，确定多个参考字段中与待处理文本所对应的参考字段。由此可以基于所确定的每个参考字段的匹配度，进一步执行召回处理。

图4示出了根据本公开的实施例的一种数据处理装置，如图4所示，该装置400包括：第一确定单元410，被配置用于通过待处理文本和多个参考字段确定融合信息，其中，融合信息包括待处理文本中的每一个字符的特征向量、每个参考字段中的每一个字符的特征向量，以及每个参考字段的标识符的特征向量；以及匹配单元420，被配置用于针对多个参考字段中的每一者执行匹配操作，匹配单元420包括：第一确定子单元421，被配置用于基于该参考字段的标识符的特征向量与融合信息所包括的每一个特性向量之间的相似度，分别确定融合信息所包括的每一个特性向量的第一系数；第二确定子单元422，被配置用于基于融合信息所包括的每一个特性向量与多个参考字段中除该参考字段以外的其它参考字段之间的相关性，分别确定融合信息所包括的每一个特性向量的第二系数；第三确定子单元423，被配置用于利用融合信息所包括的每一个特征向量和该特征向量的权重来确定该参考字段的结果特征向量，其中，每一个特征向量的权重为基于该特征向量的第一系数和第二系数而确定；以及第四确定子单元424，被配置用于基于结果特征向量，确定该参考字段与待处理文本的匹配度。

根据一些实施例，第二确定子单元包括：第五确定子单元，被配置用于将融合信息所包括的每一个特征向量确定为相关特征向量或无关特征向量中的一者，其中，相关特征向量为多个参考字段中除该参考字段以外的任一参考字段的字符的特征向量或标识符的特征向量；以及第六确定子单元，被配置用于将相关特征向量的第二系数确定为小于无关特征向量的第二系数。

根据一些实施例，任一相关特征向量的第二系数均为0，任一无关特征向量的第二系数均为1。

根据一些实施例，融合信息所包括的待处理文本中的每一个字符的特征向量、每个参考字段中的每一个字符的特征向量，以及每个参考字段的标识符的特征向量按序相连，并且其中，第五确定子单元包括：用于根据融合信息所包括的每一个特征向量在融合信息中的位置，确定该特征向量为相关特征向量或无关特征向量中的一者的子单元。

根据一些实施例，第一确定单元包括：第七确定子单元，被配置用于至少基于待处理文本中的每一个字符的词向量确定该字符的特征向量；第八确定子单元，被配置用于至少基于每个参考字段中的每一个字符的词向量确定该字符的特征向量；以及第九确定子单元，被配置用于至少基于每个参考字段的标识符的词向量确定该标识符的特征向量。

根据一些实施例，第一确定单元还包括：第十确定子单元，被配置用于确定待处理文本所对应的第一句对向量，以及多个参考字段所对应的第二句对向量，其中，第七确定子单元包括：用于基于待处理文本中的每一个字符的词向量和第一句对向量确定该字符的特征向量的子单元；第八确定子单元包括：用于基于每个参考字段中的每一个字符的词向量和第二句对向量确定该字符的特征向量的子单元；以及第九确定子单元包括：用于基于每个参考字段的标识符的词向量和第二句对向量确定该标识符的特征向量的子单元。

根据一些实施例，第一确定单元还包括：第十一确定子单元，被配置用于确定待处理文本中的每一个字符的位置向量，其中，待处理文本中的每一个字符的位置向量互不相同；以及第十二确定子单元，被配置用于针对多个参考字段中的每一者，确定该参考字段中的每一个字符和该参考字段的标识符中的每一者的位置向量，其中，该参考字段中的每一个字符和该参考字段的标识符中的每一者的位置向量互不相同；其中，第七确定子单元包括：用于基于待处理文本中的每一个字符的词向量和位置向量确定该字符的特征向量的子单元；第八确定子单元包括：用于基于每个参考字段中的每一个字符的词向量和位置向量确定该字符的特征向量的子单元；以及第九确定子单元包括：用于基于每个参考字段的标识符的词向量和位置向量确定该标识符的特征向量的子单元。

根据一些实施例，第二确定单元，被配置用于基于多个参考字段中的每一者的匹配度，确定多个参考字段中与待处理文本所对应的参考字段。

根据本公开的实施例，还提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任意一种方法。

根据本公开的实施例，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，计算机指令用于使计算机执行上述任意一种方法。

根据本公开的实施例，还提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述任意一种方法。

参考图5，现将描述可以作为本公开的服务器或客户端的电子设备500的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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、它们的连接和相关性、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5所示，电子设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

电子设备500中的多个部件连接至I/O接口505，包括：输入单元506、输出单元507、存储单元508以及通信单元509。输入单元506可以是能向电子设备500输入信息的任何类型的设备，输入单元506可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元507可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元508可以包括但不限于磁盘、光盘。通信单元509允许电子设备500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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙^TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元501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501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501执行上文所描述的各个方法和处理，例如数据处理方法。例如，在一些实施例中，数据处理方法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508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的数据处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据处理方法。

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)、复杂可编程逻辑设备(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-服务器相关性的计算机程序来产生客户端和服务器的相关性。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，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，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。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (19)

1.一种数据处理方法，包括：

通过待处理文本和多个参考字段确定融合信息，其中，所述融合信息包括所述待处理文本中的每一个字符的特征向量、每个参考字段中的每一个字符的特征向量，以及每个参考字段的标识符的特征向量；以及

针对所述多个参考字段中的每一者执行匹配操作，所述匹配操作包括：

基于该参考字段的标识符的特征向量与所述融合信息所包括的每一个特性向量之间的相似度，分别确定所述融合信息所包括的每一个特性向量的第一系数；

基于所述融合信息所包括的每一个特性向量与所述多个参考字段中除该参考字段以外的其它参考字段之间的相关性，分别确定所述融合信息所包括的每一个特性向量的第二系数；

利用所述融合信息所包括的每一个特征向量和该特征向量的权重来确定该参考字段的结果特征向量，其中，每一个特征向量的权重为基于该特征向量的所述第一系数和所述第二系数而确定；以及

基于所述结果特征向量，确定该参考字段与所述待处理文本的匹配度。

2.根据权利要求1所述的方法，其中，所述基于所述融合信息所包括的每一个特性向量与所述多个参考字段中除该参考字段以外的其它参考字段之间的相关性，分别确定所述融合信息所包括的每一个特性向量的第二系数包括：

将所述融合信息所包括的每一个特征向量确定为相关特征向量或无关特征向量中的一者，其中，所述相关特征向量为所述多个参考字段中除该参考字段以外的任一参考字段的字符的特征向量或标识符的特征向量；以及

将相关特征向量的第二系数确定为小于无关特征向量的第二系数。

3.根据权利要求2所述的方法，其中，任一相关特征向量的第二系数均为0，任一无关特征向量的第二系数均为1。

4.根据权利要求2或3所述的方法，其中，融合信息所包括的所述待处理文本中的每一个字符的特征向量、每个参考字段中的每一个字符的特征向量，以及每个参考字段的标识符的特征向量按序相连，

并且其中，所述将所述融合信息所包括的每一个特征向量确定为相关特征向量或无关特征向量中的一者包括：

根据所述融合信息所包括的每一个特征向量在所述融合信息中的位置，确定该特征向量为相关特征向量或无关特征向量中的一者。

5.根据权利要求1至4中任意一项所述的方法，其中，所述通过待处理文本和多个参考字段确定融合信息包括：

至少基于所述待处理文本中的每一个字符的词向量确定该字符的特征向量；

至少基于每个参考字段中的每一个字符的词向量确定该字符的特征向量；以及

至少基于每个参考字段的标识符的词向量确定该标识符的特征向量。

6.根据权利要求5所述的方法，还包括：

确定所述待处理文本所对应的第一句对向量，以及所述多个参考字段所对应的第二句对向量，

其中，所述至少基于所述待处理文本中的每一个字符的词向量确定该字符的特征向量包括：基于所述待处理文本中的每一个字符的词向量和所述第一句对向量确定该字符的特征向量；

所述至少基于每个参考字段中的每一个字符的词向量确定该字符的特征向量包括：基于每个参考字段中的每一个字符的词向量和所述第二句对向量确定该字符的特征向量；以及

所述至少基于每个参考字段的标识符的词向量确定该标识符的特征向量包括：基于每个参考字段的标识符的词向量和所述第二句对向量确定该标识符的特征向量。

7.根据权利要求5或6所述的方法，还包括：

确定所述待处理文本中的每一个字符的位置向量，其中，所述待处理文本中的每一个字符的位置向量互不相同；以及

针对所述多个参考字段中的每一者，确定该参考字段中的每一个字符和该参考字段的标识符中的每一者的位置向量，其中，该参考字段中的每一个字符和该参考字段的标识符中的每一者的位置向量互不相同；

其中，所述至少基于所述待处理文本中的每一个字符的词向量确定该字符的特征向量包括：基于所述待处理文本中的每一个字符的词向量和位置向量确定该字符的特征向量；

所述至少基于每个参考字段中的每一个字符的词向量确定该字符的特征向量包括：基于每个参考字段中的每一个字符的词向量和位置向量确定该字符的特征向量；以及

所述至少基于每个参考字段的标识符的词向量确定该标识符的特征向量包括：基于每个参考字段的标识符的词向量和位置向量确定该标识符的特征向量。

8.根据权利要求1至7中任意一项所述的方法，还包括：

基于所述多个参考字段中的每一者的匹配度，确定所述多个参考字段中与所述待处理文本所对应的参考字段。

9.一种数据处理装置，包括：

第一确定单元，被配置用于通过待处理文本和多个参考字段确定融合信息，其中，所述融合信息包括所述待处理文本中的每一个字符的特征向量、每个参考字段中的每一个字符的特征向量，以及每个参考字段的标识符的特征向量；以及

匹配单元，被配置用于针对所述多个参考字段中的每一者执行匹配操作，所述匹配单元包括：

第一确定子单元，被配置用于基于该参考字段的标识符的特征向量与所述融合信息所包括的每一个特性向量之间的相似度，分别确定所述融合信息所包括的每一个特性向量的第一系数；

第二确定子单元，被配置用于基于所述融合信息所包括的每一个特性向量与所述多个参考字段中除该参考字段以外的其它参考字段之间的相关性，分别确定所述融合信息所包括的每一个特性向量的第二系数；

第三确定子单元，被配置用于利用所述融合信息所包括的每一个特征向量和该特征向量的权重来确定该参考字段的结果特征向量，其中，每一个特征向量的权重为基于该特征向量的所述第一系数和所述第二系数而确定；以及

第四确定子单元，被配置用于基于所述结果特征向量，确定该参考字段与所述待处理文本的匹配度。

10.根据权利要求9所述的装置，其中，所述第二确定子单元包括：

第五确定子单元，被配置用于将所述融合信息所包括的每一个特征向量确定为相关特征向量或无关特征向量中的一者，其中，所述相关特征向量为所述多个参考字段中除该参考字段以外的任一参考字段的字符的特征向量或标识符的特征向量；以及

第六确定子单元，被配置用于将相关特征向量的第二系数确定为小于无关特征向量的第二系数。

11.根据权利要求10所述的装置，其中，任一相关特征向量的第二系数均为0，任一无关特征向量的第二系数均为1。

12.根据权利要求10或11所述的装置，其中，融合信息所包括的所述待处理文本中的每一个字符的特征向量、每个参考字段中的每一个字符的特征向量，以及每个参考字段的标识符的特征向量按序相连，

并且其中，所述第五确定子单元包括：

用于根据所述融合信息所包括的每一个特征向量在所述融合信息中的位置，确定该特征向量为相关特征向量或无关特征向量中的一者的子单元。

13.根据权利要求9至12中任意一项所述的装置，其中，所述第一确定单元包括：

第七确定子单元，被配置用于至少基于所述待处理文本中的每一个字符的词向量确定该字符的特征向量；

第八确定子单元，被配置用于至少基于每个参考字段中的每一个字符的词向量确定该字符的特征向量；以及

第九确定子单元，被配置用于至少基于每个参考字段的标识符的词向量确定该标识符的特征向量。

14.根据权利要求13所述的装置，所述第一确定单元还包括：

第十确定子单元，被配置用于确定所述待处理文本所对应的第一句对向量，以及所述多个参考字段所对应的第二句对向量，

其中，所述第七确定子单元包括：用于基于所述待处理文本中的每一个字符的词向量和所述第一句对向量确定该字符的特征向量的子单元；

所述第八确定子单元包括：用于基于每个参考字段中的每一个字符的词向量和所述第二句对向量确定该字符的特征向量的子单元；以及

所述第九确定子单元包括：用于基于每个参考字段的标识符的词向量和所述第二句对向量确定该标识符的特征向量的子单元。

15.根据权利要求13或14所述的装置，所述第一确定单元还包括：

第十一确定子单元，被配置用于确定所述待处理文本中的每一个字符的位置向量，其中，所述待处理文本中的每一个字符的位置向量互不相同；以及

第十二确定子单元，被配置用于针对所述多个参考字段中的每一者，确定该参考字段中的每一个字符和该参考字段的标识符中的每一者的位置向量，其中，该参考字段中的每一个字符和该参考字段的标识符中的每一者的位置向量互不相同；

其中，所述第七确定子单元包括：用于基于所述待处理文本中的每一个字符的词向量和位置向量确定该字符的特征向量的子单元；

所述第八确定子单元包括：用于基于每个参考字段中的每一个字符的词向量和位置向量确定该字符的特征向量的子单元；以及

所述第九确定子单元包括：用于基于每个参考字段的标识符的词向量和位置向量确定该标识符的特征向量的子单元。

16.根据权利要求9至15中任意一项所述的装置，还包括：

第二确定单元，被配置用于基于所述多个参考字段中的每一者的匹配度，确定所述多个参考字段中与所述待处理文本所对应的参考字段。

17.一种电子设备，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1-8中任一项所述的方法。

18.一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1-8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法。

Images