CN114547270A - 文本处理方法、文本处理模型的训练方法、装置和设备 - Google Patents

Abstract

本公开提供了一种文本处理方法、文本处理模型的训练方法、装置和设备，涉及人工智能领域，具体涉及自然语言处理技术和深度学习技术。文本处理方法包括：利用特征提取模型基于查询文本提取目标文本的多个文本特征；利用答案标注模型基于多个文本特征对目标文本进行标注，以得到目标文本中的多个文本片段和多个文本片段各自的标注结果，其中，标注结果包括列表项答案；基于多个文本片段中的标注结果为列表项答案的多个列表项文本片段，确定至少一个候选列表，其中，至少一个候选列表中的每一个候选列表包括所述多个列表项文本片段中的至少两个列表项文本片段；以及在至少一个候选列表中确定答案文本。

Description

文本处理方法、文本处理模型的训练方法、装置和设备

技术领域

本公开涉及人工智能领域，具体涉及自然语言处理技术和深度学习技术，特别涉及一种文本处理方法、一种文本处理模型的训练方法、一种文本处理装置、一种文本处理模型的训练装置、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。

在实际的问答应用中，比如搜索引擎、智能客服、企业智能文档分析等，通常采用检索、排序、答案抽取的流程来对用户输入的问题进行处理并且给出准确答案。在最后的一步答案抽取中，通常需要利用阅读理技术来从文本中直接获取问题的答案，来解决“最后一公里”的问题，从而提升系统的用户体验。

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

本公开提供了一种文本处理方法、一种文本处理模型的训练方法、一种文本处理装置、一种文本处理模型的训练装置、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，提供了一种文本处理方法，包括：利用特征提取模型基于查询文本提取目标文本的多个文本特征；利用答案标注模型基于多个文本特征对目标文本进行标注，以得到目标文本中的多个文本片段和多个文本片段各自的标注结果，其中，标注结果包括列表项答案；基于多个文本片段中的标注结果为列表项答案的多个列表项文本片段，确定至少一个候选列表，其中，至少一个候选列表中的每一个候选列表包括多个列表项文本片段中的至少两个列表项文本片段；以及在至少一个候选列表中确定答案文本。

根据本公开的另一方面，提供了文本处理模型的训练方法，文本处理模型包括特征提取模型和答案标注模型。该训练方法包括：获取样本查询文本、样本目标文本、样本目标文本中的多个样本真实文本片段和多个样本真实文本片段各自的真实标注结果，其中，真实标注结果包括列表项答案；利用特征提取模型基于样本查询文本提取样本目标文本的多个样本文本特征；利用答案标注模型基于多个样本文本特征对样本目标文本进行标注，以得到目标文本中的多个样本预测文本片段和多个样本预测文本片段各自的预测标注结果；基于多个样本真实文本片段各自的真实标注结果以及多个样本预测文本片段和多个样本预测文本片段各自的预测标注结果，确定损失值；以及基于损失值调整特征提取模型和答案标注模型的参数，以得到训练后的文本处理模型。

根据本公开的另一方面，提供了一种文本处理装置，该装置包括：特征提取模型，被配置为基于查询文本提取目标文本的多个文本特征；答案标注模型，被配置为基于多个文本特征对目标文本进行标注，以得到目标文本中的多个文本片段和多个文本片段各自的标注结果，其中，标注结果包括列表项答案；第一确定单元，被配置为基于多个文本片段中的标注结果为列表项答案的多个列表项文本片段，确定至少一个候选列表，其中，至少一个候选列表中的每一个候选列表包括多个列表项文本片段中的至少两个列表项文本片段；以及第二确定单元，被配置为在至少一个候选列表中确定答案文本。

根据本公开的另一方面，提供了文本处理模型的训练装置，文本处理模型包括特征提取模型和答案标注模型。该装置包括：第一获取单元，被配置为获取样本查询文本、样本目标文本、样本目标文本中的多个样本真实文本片段和多个样本真实文本片段各自的真实标注结果，其中，真实标注结果包括列表项答案；第二获取单元，被配置为利用特征提取模型基于样本查询文本提取样本目标文本的多个样本文本特征；第三获取单元，被配置为利用答案标注模型基于多个样本文本特征对样本目标文本进行标注，以得到目标文本中的多个样本预测文本片段和多个样本预测文本片段各自的预测标注结果；第四确定单元，被配置为基于多个样本真实文本片段各自的真实标注结果以及多个样本预测文本片段和多个样本预测文本片段各自的预测标注结果，确定损失值；以及调参单元，被配置为基于损失值调整特征提取模型和答案标注模型的参数，以得到训练后的文本处理模型。

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，这些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方法。

根据本公开的一个或多个实施例，通过利用答案标注模型对目标文本中进行标注，以得到多个文本片段及其标注结果，从而实现了从目标文本中提取出针对查询文本的多个答案或答案组合。此外，通过利用答案标注模型对列表项答案进行标注，使得能够对目标文本中的列表内容进行提取，从而丰富了对查询文本的答案的内容和表现形式，提升了用户体验。

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2示出了根据本公开示例性实施例的文本处理方法的流程图；

图3示出了根据本公开示例性实施例的提取目标文本的多个文本特征的流程图；

图4示出了根据本公开示例性实施例的确定至少一个候选列表的流程图；

图5示出了根据本公开示例性实施例的文本处理方法的流程图；

图6示出了根据本公开示例性实施例的对目标文本进行标注的流程图；

图7示出了根据本公开示例性实施例的文本处理模型的训练方法的流程图；

图8示出了根据本公开示例性实施例的文本处理装置的结构框图；

图9示出了根据本公开示例性实施例的特征提取模型的结构框图；

图10示出了根据本公开示例性实施例的第一确定单元的结构框图；

图11示出了根据本公开示例性实施例的文本处理装置的结构框图；

图12示出了根据本公开示例性实施例的答案标注模型的结构框图；

图13示出了根据本公开示例性实施例的文本处理模型的训练装置的结构框图；以及

图14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关系、时序关系或重要性关系，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。

在本公开中对各种所述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。

相关技术中，在使用阅读理解方法进行信息提取时，现有方法会对文本中的每一个字是否为答案的开始或结束位置进行预测，从而得到开始位置和结束位置之间的答案。而通过这样的方式只能抽取开始位置、结束位置之间的单个连续的答案片段。

为解决上述问题，本公开通过利用答案标注模型对目标文本中进行标注，以得到多个文本片段及其标注结果，从而实现了从目标文本中提取出针对查询文本的多个答案或答案组合。此外，通过利用答案标注模型对列表项答案进行标注，使得能够对目标文本中的列表内容进行提取，从而丰富了对查询文本的答案的内容和表现形式，提升了用户体验。

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文本处理方法或文本处理模型的训练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)网络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来进行信息出合理。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，例如，用户可以利用客户端通过各种输入设备输入查询文本。客户端设备还可以经由该接口向用户输出信息，例如，客户端可以向用户输出文本处理的结果。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 WindowsMobile OS、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。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器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。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。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。

根据本公开的一方面，提供了一种文本处理方法。如图2所示，该方法包括：步骤S201、利用特征提取模型基于查询文本提取目标文本的多个文本特征；步骤S202、利用答案标注模型基于多个文本特征对目标文本进行标注，以得到目标文本中的多个文本片段和多个文本片段各自的标注结果，其中，标注结果包括列表项答案；步骤S203、基于多个文本片段中的标注结果为列表项答案的多个列表项文本片段，确定至少一个候选列表，其中，至少一个候选列表中的每一个候选列表包括多个列表项文本片段中的至少两个列表项文本片段；以及步骤S204、在至少一个候选列表中确定答案文本。

由此，通过利用答案标注模型对目标文本中进行标注，以得到多个文本片段及其标注结果，从而实现了从目标文本中提取出针对查询文本的多个答案或答案组合。此外，通过利用答案标注模型对列表项答案进行标注，使得能够对目标文本中的列表内容进行提取，从而丰富了对查询文本的答案的内容和表现形式，提升了用户体验。

本公开描述的方法可以应用于搜索场景。在一些实施例中，查询文本例如可以是用户输入的搜索Query，目标文本例如可以是搜索引擎返回的多个页面各自所包括的文本。通过使用本公开描述的方法，可以在目标文本中提取与搜索Query直接相关的答案文本，从而在用户搜索场景下为用户获取信息提供便利。可以理解的是，以上仅为一种示例场景，并不意图限定本公开的范围，本公开描述的方法还可以应用与其他的场景，在此不做限定。

根据一些实施例，特征提取模型可以是能够提取文本的文本特征的神经网络模型。在一些实施例中，特征提取模型可以是预训练语言模型，例如ERNIE模型。使用这样的预训练语言模型能够充分提取文本中的信息。在一些实施例中，可以将目标文本和查询文本同时输入预训练语言模型，从而能够使得目标文本和查询文本之间进行充分的信息交互，提升最终输出结果的准确率。

在一些实施例中，目标文本的长度具有上千字(4096字或更长，记为 L)，而已有的预训练语言模型(例如，ERNIE)通常只能处理长度远小于 L的文本(例如，512字，记为M)。为了能够使模型同时处理较长的目标文本，可以对目标文本进行切分，以得到多个长度为N的文本片段。相邻的文本片段之间可以有重叠或不重叠，但需要完整覆盖整个目标文本。如果不对长文本进行切分，而是训练能够接收长度为L的语言模型(例如，基于Transformer的模型)，则时间复杂度为O(L²)，而采用切分方法后训练的时间复杂度为O(L*M)，从而极大程度上降低了时间复杂度。

根据一些实施例，如图3所示，步骤S201、提取目标文本的多个文本特征可以包括：步骤S301、对目标文本进行切分，以得到多个切片文本，其中，多个切片文本完整覆盖目标文本；步骤S302、针对多个切片文本中的每一个切片文本，将查询文本和该切片文本共同输入预训练语言模型，以得到与该切片文本对应的多个切片特征。

在一些实施例中，预训练语言模型的输入例如可以是“[CLS]查询文本 [SEP]切片文本[SEP]”。查询文本和切片文本均可以是以字为单位进行输入的。[CLS]和[SEP]均为预训练语言模型的特殊符号，前者用于提取相应输入的综合特征以用于下游任务(例如，分类任务)，后者用于指示不同输入片段之间的分割或者输入片段结束。可以理解的是，预训练语言模型的输入可以参考ERNIE模型中的文本的输入，可以包括符号嵌入(TokenEmbedding)、片段编码(Segmentation Embedding)、位置编码(Position Embedding)。预训练语言模型可以针对每一个输入特征输出一个输出特征。可以将与切片文本对应的多个输出特征作为该切片文本的多个文本特征。

在一些实施例中，可以使用相同的预训练语言模型依次对每一个文本切片和查询文本进行处理，也可以使用具有相同参数的多个预训练语言模型同时对多个文本切片和查询文本进行并行处理。共享参数的优势在于能够降低训练过程的资源消耗，并且能够将不同的文本片段映射到同一语义空间中，从而能够更好地对目标文本进行表示。在一个示例性实施例中，预训练语言模型可以包括12个Transformer块。

在一些实施例中，在得到多个切片文本的切片特征后，可以对这些切片特征进行进一步交互处理，以强化这些特征。在这样的实施例中，特征提取模型可以包括预训练语言模型和特征交互模型。如图3所示，步骤 S201、提取目标文本的多个文本特征还可以包括：步骤S303、利用特征交互模型对与多个切片文本各自对应的多个切片特征进行处理，以得到多个文本特征。

在一些实施例中，可以使用基于自注意力机制的Transformer块作为特征交互模型对多个切片特征进行处理。特征交互模型可以被配置为针对接收到的多个输入特征中的至少一个输入特征中的每一个输入特征，基于该输入特征与多个输入特征中的每一个输入特征的相似度融合多个输入特征，以得到与该输入特征对应的输出特征。由此，通过使用自注意力机制对多个切片特征进行处理，能够进一步提升文本特征对目标文本的表示能力。

在步骤S202、在得到多个文本特征后，可以基于这些文本特征对目标文本进行标注，以得到目标文本中的多个文本片段和这些文本片段各自的标注结果。

在一些实施例中，文本片段的标注结果可以包括列表项答案。列表项答案指示该文本片段属于列表中的一项。列表可以包括显式列表，例如，从目标文本“1、列表项；2、列表项；3、列表项”中可以提取出三个列表项。列表也可以包括隐式列表，例如，具有表示句子间逻辑关系的词的列表。例如，从目标文本“首先，列表项；其次，列表项；最后，列表项”中可以提取出三个列表项。列表还可以包括不具有表示句子间逻辑关系的词的列表。例如，从目标文本“四大名著包括：西游记，中国古代第一部浪漫主义章回体长篇神魔小说；水浒传，中国历史上最早用白话文写成的章回小说；三国演义，长篇章回体历史演义小说；红楼梦，具有巨大的历史意义的章回体长篇小说，中国封建社会的百科全书”中可以提取出“西游记”“水浒传”“三国演义”“红楼梦”四个列表项。

由此，通过在目标文本中标注多个列表项答案的文本片段，使得能够在目标文本中提取出列表内容作为答案，从而丰富了对查询文本的答案的内容和表现形式，提升了用户体验。

根据一些实施例，标注结果可以包括首项答案和非首项答案，多个文本片段可以包括至少一个标注结果为首项答案的首项文本片段和至少一个标注结果为非首项答案的非首项文本片段。如图4所示，步骤S203、在至少一个候选列表中确定答案文本可以包括：步骤S401、针对至少一个首项文本片段中的每一个首项文本片段，在至少一个非首项文本片段中确定与该首项文本片段对应的非首项文本片段；步骤S402、响应于确定至少一个非首项文本片段中包括与该首项文本片段对应的至少一个相关非首项文本片段，基于该首项文本片段和至少一个相关非首项文本片段生成候选列表。由此，通过对首项答案和非首项答案进行区分，使得可以确定不同列表项之间的关系，同时实现了在目标文本中提取多个列表，从而进一步提升了信息抽取的智能性，提高了抽取到的答案文本的质量。

在一个示例性实施例中，目标文本是知识回答类网页页面中的文本，其中包括不同用户针对同一个问题的多个回答。这些回答中的部分回答是以列表形式呈现的，则可以通过确定目标文本中的至少一个首项文本片段，并确定与每个首项文本片段对应的非首项文本片段，以将列表形式的用户回答分别从文本中提取出来。

根据一些实施例，步骤S401、确定与该首项文本片段对应的非首项文本片段可以包括：针对多个首项文本片段中的每一个首项文本片段，将在目标文本中位于该首项文本片段之后并且位于下一个首项文本片段之前的非首项文本片段确定为与该首项文本片段对应的非首项文本片段。通过这样的方式，可以基于这些列表项文本片段的位置关系建立首项文本片段和非首项文本片段之间的对应关系，从而实现了对目标文本中的各个列表分别进行提取，以得到候选答案。

根据一些实施例，步骤S402、生成候选列表可以包括：利用答案校验模型对至少一个相关非首项文本片段进行筛选；以及将该首项文本片段和筛选后的至少一个相关非首项文本片段组合为候选列表。由此，通过对与首项文本片段对应的相关非首项文本片段进行筛选，能够得到更精简的候选列表，提升用户体验。

在一些实施例中，答案校验模型可以是一个小型神经网络模型，用于预测文本片段之间或文本片段与查询文本的相关性。在一个实施例中，可以将非首项文本片段和查询文本输入答案校验模型中，以得到该非首项文本片段的置信度。如果该非首项文本片段的置信度较低，可以丢弃该非首项文本片段。在另一个实施例中，可以将非首项文本片段和首项文本片段输入答案校验模型中，以得到这两个文本之间的相关性。如果相关性较低，可以丢弃该非首项文本片段。可以理解的是，可以根据需求选择合适的神经网络模型作为答案校验模型，例如，小型全连接网络或分类器，或者也可以自行设计答案校验模型的网络结构，在此不做限定。

根据一些实施例，如图4所示，步骤S203、在多个文本片段中确定答案文本还可以包括：步骤S403、响应于确定至少一个非首项文本片段中包括与至少一个首项文本片段均不对应的非首项文本片段，丢弃该非首项文本片段。在一些实施例中，提取到的部分非首项文本片段可能与任一首项文本片段均不对应。这可能是由于目标文本本身存在缺陷(例如，首项文本片段的缺失)造成的。在这种情况下，可以将该非首项文本片段丢弃，从而减轻模型的负担。

根据一些实施例，标注结果还包括非列表项答案。如图5所示，文本处理方法还包括：步骤S504、基于多个文本片段中标注结果为非列表项答案的至少一个非列表项文本片段，确定至少一个候选片段。图5中的步骤 S501-步骤S503、步骤S505的操作和图2中步骤S201-步骤S204的操作类似，在此不做赘述。步骤S505、在至少一个候选列表中确定答案文本可以包括：在至少一个候选列表和至少一个候选片段中确定答案文本。由此，通过对非列表项答案进行标注，使得模型能够同时识别列表答案和非列表项答案，进一步丰富了对查询文本的答案的内容和表现形式，提升了用户体验。

根据一些实施例，非列表项答案和列表项答案的区别在于，属于同一列表的列表项答案需要组合成列表以进行展现，而非列表项答案可以单独展现。针对示例查询文本“中国的四大名著是哪四部？”，考虑如下示例。在一个示例中，目标文本A“四大名著包括：西游记，中国古代第一部浪漫主义章回体长篇神魔小说；水浒传，中国历史上最早用白话文写成的章回小说；三国演义，长篇章回体历史演义小说；红楼梦，具有巨大的历史意义的章回体长篇小说，中国封建社会的百科全书”中可以提取出“西游记”“水浒传”“三国演义”“红楼梦”四个列表项，而这四个列表项需要组合成候选列表以进一步判断是否将该列表整体作为答案文本并展现。在另一个示例中，目标文本B“中国的四大名著是：西游记、三国演义、水浒传、红楼梦”中可以提取出“西游记、三国演义、水浒传、红楼梦”一个候选片段，该片段可以单独展现。

在一些实施例中，如果标注结果不包括列表项答案而仅包括非列表项答案(以及非答案)，则会显著影响提取的信息的准确率。尽管可以在目标文本中提取出多个候选片段，但无法提取出这些候选片段之间内在关联信息。此外，由于多个候选片段之间不具备显著的关联性，因此需要独立判断每一个候选片段是否应被确定为答案文本。这样的方式很难得到准确的、系统的完整答案，并且容易受到噪声的干扰。因此，通过对列表项答案进行提取，并将其组合为列表，能够提取出目标文本中的列表形式的相关文本内容，以得到更丰富且准确的答案。在此基础上，通过对非列表项答案进行提取，能够提取出目标文本中的非列表形式的相关文本内容，进一步提升了提取结果的准确性，增强用户体验。

在一些实施例中，例如可以直接将多个文本片段中标注结果为非列表项答案的至少一个非列表项文本片段作为至少一个候选片段，也可以对这些非列表项文本片段进行处理，在此不做限定。

根据一些实施例，答案标注模型例如可以是能够对序列进行标注的模型，从而能够基于输入模型的与目标文本中的多个字对应的多个文本特征输出。

根据一些实施例，如图6所示，步骤S202、对目标文本进行标注可以包括：步骤S601、利用答案标注模型对目标文本所包括的多个字中的每一个字进行标注，以得到多个字各自的标签，其中，标签包括首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案；以及步骤S602、响应于确定多个字包括标签为首项答案开始、非首项答案开始、以及非列表项答案开始中的至少一个的至少一个开始字，针对至少一个开始字中的每一个开始字，将该开始字、紧邻该开始字之后的标签为答案内部的至少一个内部字、以及紧邻至少一个内部字之后的标签为答案结束的结束字确定为文本片段，其中，文本片段的标注结果基于该开始字的标签。由此，通过对目标文本中的每一个字进行标注，能够得到每一个字是否属于首项答案、非首项答案、或非列表项答案的预测结果，从而能够得到首项文本片段、非首项文本片段、以及非列表项文本片段，进而提取出答案文本。

在一些实施例中，答案标注模型对字进行标注的结果可以包括：B(非列表项答案开始)，用于指示非列表的普通答案的第一个字；B_first_list (首项答案开始)，用于指示列表项中的第一项的第一个字；B_list(非首项答案开始)，用于指示列表项中的非第一项的第一个字；I(答案内部)，用于指示普通答案或列表项答案内部的字；E(答案结束)，用于指示普通答案或列表项答案的最后一个字；O(非答案)，用于指示目标文本中的非答案的字。

在一些示例性实施例中，答案标注模型针对一个仅包括一个非列表项答案(即，普通答案)的示例目标文本的输出序列例如可以是“BI…EO”，针对一个包括多个非列表项答案的示例目标文本的输出序列例如可以是“BI…EOO…OBI…EO”；针对一个包括属于同一个列表的多个列表项答案的示例目标文本的输出序列例如可以是“OB_first_listI..EO..B_list I..EO B_list I..EO”；针对一个包括属于多个列表的多个列表项答案的示例目标文本的输出序列例如可以是“OB_first_list I..EO..B_list I..EO B_listI..EOO…OB_first_list I..EO..B_list I..EO B_list I..EO”；针对一个包括属于同一个列表的多个列表项答案和一个非列表项答案的示例目标文本的输出序列例如可以是“OB_first_list I..EO..BI…EO…B_list I..EO B_list I..EO”。

由此可见，通过对目标文本进行标注，能够分别对目标文本中的非列表项答案、列表项答案、甚至属于不同列表的列表项答案进行标注，从而实现了对目标文本中所包括的答案信息的充分提取。此外，通过对列表答案进行标注、抽取，使得利用本公开方法得到的列表答案直接可用于结构化展示，避免了以其他方式进行抽取后还需要确定抽取到的信息是否为列表信息或基于抽取到的信息生成列表的复杂流程。此外，相比于这种方式，使用本公开描述的方法抽取到的列表答案是记载在目标文本中，符合目标文本的原本逻辑的，因此能够得到质量更高的答案抽取结果。

根据一些实施例，答案标注模型可以基于条件随机场。通过基于使用条件随机场的答案标注模型，能够根据学习到的标签之间的状态转移矩阵来提供对目标文本中的相邻的字之间的约束，并且能够以整体出发对字的标签进行预测，从而能够提取出目标文本中的多个答案，包括一个或多个列表的列表答案。通过使用基于条件随机场的模型预测上述标签，使得能够同时抽取多答案、列表答案、以及多列表答案，从而能够更好地将答案展示给用户。此外，虽然基于模板和规则的结构化信息抽取方法也能抽多答案信息和列表信息，但这种方式对目标文本的要求较高，列表项必须符合特定的格式要求，并且无法抽取隐式列表答案，尤其是没有表示句子间逻辑关系的词(例如，首先、其次、最后)的隐式列表答案。因此，基于条件随机场的模型具有更高的泛化性和鲁棒性，并且能够抽取到更丰富的信息。

根据一些实施例，步骤S505、在至少一个候选列表中确定答案文本还可以包括：利用答案校验模型确定至少一个候选列表各自和查询文本的匹配度；以及基于至少一个候选列表各自和查询文本的匹配度，在至少一个候选列表中确定答案文本。类似地，还可以利用答案校验模型确定至少一个候选片段各自和查询文本的匹配度，并基于该匹配度在至少一个候选片段中确定答案文本。

在一些实施例中，通过使用本公开的方法能够得到数量较多的候选答案文本(包括候选列表和候选片段，例如，70-80个)，而最终需要呈现给用户的答案文本可能为2-3个甚至只有1个，因此，在得到候选列表和候选片段后，可以使用答案校验模型对全部候选答案文本进行校验，并根据候选答案文本和查询文本之间的匹配度筛选出质量最高的答案文本，从而进一步提升用户体验。

根据一些实施例，步骤S505、在至少一个候选列表中确定答案文本可以包括：将多个目标文本各自对应的至少一个候选列表中的和查询文本匹配度最高的预设数量的候选列表确定为答案文本；以及将答案文本在搜索结果页面中进行结构化展现。类似地，可以将多个目标文本各自对应的至少一个候选片段中的和查询文本匹配度最高的预设数量的候选片段确定为答案文本；以及将答案文本在搜索结果页面中进行展现。

如上文所描述的，多个目标文本例如可以是搜索引擎返回的多个页面各自所包括的文本。在一些实施例中，可以对这些页面各自所包括的文本执行上述步骤，以得到每一个页面中的至少一个答案文本。由于搜索结果页面中用于展示答案文本的空间有限，并且这些答案文本之间可能有重复内容，因而如果全部展现给用户可能反而会降低用户体验。由此，可以对所有的答案文本进行匹配度计算并排序，从其中确定匹配度最高的预设数量的列表答案和片段答案进行展现，从而帮助用户更快获得最相关且准确的信息，提升用户的使用体验。

在一个实施例中，结构化展现可以是将列表答案中的每一项按照次序进行展现。

在一些实施例中，可以根据需求确定预设数量的取值。在一些实施例中，也可以将超过预设阈值的候选列表或候选片段确定为答案文本，在此不做限定。

根据本公开的另一方面，提供了一种文本处理模型的训练方法。文本处理模型可以包括特征提取模型和答案标注模型。如图7所示，训练方法包括：步骤S701、获取样本查询文本、样本目标文本、样本目标文本中的多个样本真实文本片段和多个样本真实文本片段各自的真实标注结果，其中，真实标注结果包括列表项答案；步骤S702、利用特征提取模型基于样本查询文本提取样本目标文本的多个样本文本特征；步骤S703、利用答案标注模型基于多个样本文本特征对样本目标文本进行标注，以得到目标文本中的多个样本预测文本片段和多个样本预测文本片段各自的预测标注结果；步骤S704、基于多个样本真实文本片段各自的真实标注结果以及多个样本预测文本片段和多个样本预测文本片段各自的预测标注结果，确定损失值；以及步骤S705、基于损失值调整特征提取模型和答案标注模型的参数，以得到训练后的文本处理模型。可以理解的是，文本处理模型所包括的特征提取模型和答案标注模型与上文中的文本处理方法中所使用的特征提取模型和答案标注模型类似，在此不做赘述。

由此，通过对特征提取模型和答案标注模型进行训练，使得训练好的特征提取模型能够对目标文本进行标注，以得到准确的多个文本片段及其标注结果，从而实现了从目标文本中提取出针对查询文本的多个答案或答案组合。通过对特征提取模型和答案标注模型进行训练，使得训练好的答案标注模型能够对列表项答案进行标注，进而使得能够对目标文本中的列表内容进行精确提取，丰富了对查询文本的答案的内容和表现形式，提升了用户体验。

如上文所描述的，特征提取模型可以包括预训练语言模型和特征交互模型。在一些实施例中，可以对预训练语言模型、特征交互模型、以及答案标注模型进行端到端训练，也可以进行单独训练，在此不做限定。

根据一些实施例，多个样本真实文本片段各自的真实标注结果可以包括样本目标文本中的多个字各自的真实标签。真实标签包括首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案。

根据一些实施例，步骤S703、对样本目标文本进行标注可以包括：利用答案标注模型对样本目标文本所包括的多个字中的每一个字进行标注，以得到多个字各自的预测标签，其中，预测标签包括首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案；以及响应于确定多个字包括预测标签为首项答案开始、非首项答案开始、以及非列表项答案开始中的至少一个的至少一个开始字，针对至少一个开始字中的每一个开始字，将该开始字、以及紧邻该开始字之后的标签为答案内部的至少一个内部字、紧邻至少一个内部字之后的标签为答案结束的结束字确定为样本预测文本片段，其中，样本预测文本片段的标注结果基于该开始字的预测标签。

根据一些实施例，步骤S704、确定损失值可以包括：基于多个字各自的真实标签和预测标签，确定损失值。由此，通过使用上述调参方式，使得答案标注模型能够对每一个字是否为首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案进行预测，从而实现了对多答案、列表答案、以及多列表答案的提取。

此外，还可以使用样本查询文本、和样本查询文本相关的样本真实文本片段、和样本查询文本无关的其他文本片段训练答案校验模型的参数，在此不做赘述。

根据本公开的另一方面，提供了一种文本处理装置。如图8所示，文本处理装置800包括：特征提取模型810，被配置为基于查询文本提取目标文本的多个文本特征；答案标注模型820，被配置为基于多个文本特征对目标文本进行标注，以得到目标文本中的多个文本片段和多个文本片段各自的标注结果，其中，标注结果包括列表项答案；第一确定单元830，被配置为基于多个文本片段中的标注结果为列表项答案的多个列表项文本片段，确定至少一个候选列表，其中，至少一个候选列表中的每一个候选列表包括多个列表项文本片段中的至少两个列表项文本片段；以及第二确定单元840，被配置为在多个文本片段中确定答案文本。

可以理解的是，文本处理装置800中的单元810-单元840的操作和效果与图2中的步骤S201-步骤S204的操作和效果类似，在此不做赘述。

根据一些实施例，目标文本可以包括多个目标文本。多个目标文本可以是搜索引擎基于查询文本返回的多个页面各自所包括的文本。

根据一些实施例，预训练语言模型可以基于ERNIE模型。

根据一些实施例，如图9所示，特征提取模型900可以包括：切分子单元910，被配置为对目标文本进行切分，以得到多个切片文本，其中，多个切片文本完整覆盖目标文本；预训练语言模型920，被配置为针对多个切片文本中的每一个切片文本，基于查询文本和该切片文本生成与该切片文本对应的多个切片特征；以及特征交互模型930，被配置为对与多个切片文本各自对应的多个切片特征进行处理，以得到多个文本特征。

根据一些实施例，特征交互模型930可以被配置为针对接收到的多个输入特征中的至少一个输入特征中的每一个输入特征，基于该输入特征与多个输入特征中的每一个输入特征的相似度融合多个输入特征，以得到与该输入特征对应的输出特征。

根据一些实施例，标注结果可以包括首项答案和非首项答案。多个文本片段可以包括至少一个标注结果为首项答案的首项文本片段和至少一个标注结果为非首项答案的非首项文本片段。如图10所示，第一确定单元1000包括：第一确定子单元1010，被配置为针对至少一个首项文本片段中的每一个首项文本片段，在至少一个非首项文本片段中确定与该首项文本片段对应的非首项文本片段；第二确定子单元1020，被配置为响应于确定至少一个非首项文本片段中包括与该首项文本片段对应的至少一个相关非首项文本片段，基于该首项文本片段和至少一个相关非首项文本片段生成候选列表。

根据一些实施例，第一确定子单元1010可以被进一步配置为：针对多个首项文本片段中的每一个首项文本片段，将在目标文本中位于该首项文本片段之后并且位于下一个首项文本片段之前的非首项文本片段确定为与该首项文本片段对应的非首项文本片段。

根据一些实施例，第二确定子单元1020可以被进一步配置为：利用答案校验模型对至少一个相关非首项文本片段进行筛选；以及将该首项文本片段和筛选后的至少一个相关非首项文本片段组合为候选列表。

根据一些实施例，如图10所示，第一确定单元1000还可以包括：丢弃子单元1030，被配置为响应于确定至少一个非首项文本片段中包括与至少一个首项文本片段均不对应的非首项文本片段，丢弃该非首项文本片段。

根据一些实施例，标注结果可以包括非列表项答案。如图11所示，文本处理装置1100还包括：第三确定单元1140，被配置为基于多个文本片段中标注结果为非列表项答案的至少一个非列表项文本片段，确定至少一个候选片段。文本处理装置1100中的单元1110-单元1130、单元1150的操作和文本处理装置800中的单元810-单元840的操作类似，在此不做赘述。第二确定单元1150被进一步配置为在至少一个候选列表和至少一个候选片段中确定答案文本。

根据一些实施例，如图12所示，答案标注模型1200可以包括：标注子单元1210，被配置为对目标文本所包括的多个字中的每一个字进行标注，以得到多个字各自的标签，其中，标签包括首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案；以及第三确定子单元1220，被配置为响应于确定多个字包括标签为首项答案开始、非首项答案开始、以及非列表项答案开始中的至少一个的至少一个开始字，针对至少一个开始字中的每一个开始字，将该开始字、紧邻该开始字之后的标签为答案内部的至少一个内部字、以及紧邻至少一个内部字之后的标签为答案结束的结束字确定为文本片段，其中，文本片段的标注结果基于该开始字的标签。

根据一些实施例，答案标注模型可以基于条件随机场。

根据一些实施例，第二确定单元可以被进一步配置为：利用答案校验模型确定至少一个候选列表各自和查询文本的匹配度；以及基于多个候选答案文本各自和查询文本的匹配度，至少一个候选列表确定答案文本。

根据一些实施例，第二确定单元1150可以被进一步配置为：将多个目标文本各自对应的第二确定单元被进一步配置为中的和查询文本匹配度最高的预设数量的候选列表确定为答案文本；以及将答案文本在搜索结果页面中进行结构化展现。

根据本公开的另一方面，提供了一种文本处理模型的训练装置。文本处理模型可以包括特征提取模型和答案标注模型。如图13所示，训练装置 1300包括：第一获取单元1310，被配置为获取样本查询文本、样本目标文本、样本目标文本中的多个样本真实文本片段和多个样本真实文本片段各自的真实标注结果，其中，真实标注结果包括列表项答案；第二获取单元 1320，被配置为利用特征提取模型基于样本查询文本提取样本目标文本的多个样本文本特征；第三获取单元1330，被配置为利用答案标注模型基于多个样本文本特征对样本目标文本进行标注，以得到目标文本中的多个样本预测文本片段和多个样本预测文本片段各自的预测标注结果；第四确定单元1340，被配置为基于多个样本真实文本片段各自的真实标注结果以及多个样本预测文本片段和多个样本预测文本片段各自的预测标注结果，确定损失值；以及调参单元1350，被配置为基于损失值调整特征提取模型和答案标注模型的参数，以得到训练后的文本处理模型。

可以理解的是，训练装置1300中的单元1310-单元1350的操作和效果与图6中的步骤S601-步骤S605的操作和效果类似，在此不做赘述。

根据一些实施例，多个样本真实文本片段各自的真实标注结果可以包括样本目标文本中的多个字各自的真实标签。真实标签可以包括首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案。

根据一些实施例，第三获取单元1330可以包括：获取子单元，被配置为利用答案标注模型对多个字中的每一个字进行标注，以得到多个字各自的预测标签，其中，预测标签包括首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案；以及第四确定子单元，被配置为响应于确定多个字包括预测标签为首项答案开始、非首项答案开始、以及非列表项答案开始中的至少一个的至少一个开始字，针对至少一个开始字中的每一个开始字，将该开始字、以及紧邻该开始字之后的标签为答案内部的至少一个内部字、紧邻至少一个内部字之后的标签为答案结束的结束字确定为样本预测文本片段，其中，样本预测文本片段的标注结果基于该开始字的预测标签。

根据一些实施例，第四确定单元1340可以被进一步配置为基于多个字各自的真实标签和预测标签，确定损失值。

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。

根据本公开的实施例，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。

参考图14，现将描述可以作为本公开的服务器或客户端的电子设备 1400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14所示，设备1400包括计算单元1401，其可以根据存储在只读存储器(ROM)1402中的计算机程序或者从存储单元1408加载到随机访问存储器(RAM)1403中的计算机程序，来执行各种适当的动作和处理。在 RAM 1403中，还可存储设备1400操作所需的各种程序和数据。计算单元1401、ROM 1402以及RAM 1403通过总线1404彼此相连。输入/输出(I/O)接口1405也连接至总线1404。

设备1400中的多个部件连接至I/O接口1405，包括：输入单元1406、输出单元1407、存储单元1408以及通信单元1409。输入单元1406可以是能向设备1400输入信息的任何类型的设备，输入单元1406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1407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1408可以包括但不限于磁盘、光盘。通信单元 1409允许设备1400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1401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1401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、各种运行机器学习网络算法的计算单元、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1401执行上文所描述的各个方法和处理，例如文本处理方法和文本处理模型的训练方法。例如，在一些实施例中，文本处理方法和文本处理模型的训练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1408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1402和/或通信单元1409而被载入和/或安装到设备1400上。当计算机程序加载到RAM 1403并由计算单元1401执行时，可以执行上文描述的文本处理方法和文本处理模型的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元1401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行文本处理方法和文本处理模型的训练方法。

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)、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，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("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。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 (31)

1.一种文本处理方法，包括：

利用特征提取模型基于查询文本提取目标文本的多个文本特征；

利用答案标注模型基于所述多个文本特征对所述目标文本进行标注，以得到所述目标文本中的多个文本片段和所述多个文本片段各自的标注结果，其中，所述标注结果包括列表项答案；

基于所述多个文本片段中的标注结果为列表项答案的多个列表项文本片段，确定至少一个候选列表，其中，所述至少一个候选列表中的每一个候选列表包括所述多个列表项文本片段中的至少两个列表项文本片段；以及

在所述至少一个候选列表中确定答案文本。

2.根据权利要求1所述的方法，其中，所述列表项答案包括首项答案和非首项答案，所述多个文本片段包括至少一个标注结果为首项答案的首项文本片段和至少一个标注结果为非首项答案的非首项文本片段，其中，所述确定至少一个候选列表包括：

针对所述至少一个首项文本片段中的每一个首项文本片段，在所述至少一个非首项文本片段中确定与该首项文本片段对应的非首项文本片段；以及

响应于确定所述至少一个非首项文本片段中包括与该首项文本片段对应的至少一个相关非首项文本片段，基于该首项文本片段和所述至少一个相关非首项文本片段生成候选列表。

3.根据权利要求2所述的方法，其中，所述确定与该首项文本片段对应的非首项文本片段包括：

针对所述多个首项文本片段中的每一个首项文本片段，将在所述目标文本中位于该首项文本片段之后并且位于下一个首项文本片段之前的非首项文本片段确定为与该首项文本片段对应的非首项文本片段。

4.根据权利要求2或3所述的方法，其中，所述生成候选列表包括：

利用答案校验模型对所述至少一个相关非首项文本片段进行筛选；以及

将该首项文本片段和筛选后的至少一个相关非首项文本片段组合为所述候选列表。

5.根据权利要求2所述的方法，其中，所述确定至少一个候选列表包括：

响应于确定所述至少一个非首项文本片段中包括与所述至少一个首项文本片段均不对应的非首项文本片段，丢弃该非首项文本片段。

6.根据权利要求2-5中任一项所述的方法，其中，所述标注结果包括非列表项答案，其中，所述方法还包括：

基于所述多个文本片段中标注结果为非列表项答案的至少一个非列表项文本片段，确定至少一个候选片段，

其中，所述在所述至少一个候选列表中确定答案文本包括：

在所述至少一个候选列表和所述至少一个候选片段中确定所述答案文本。

7.根据权利要求6所述的方法，其中，所述对所述目标文本进行标注包括：

利用所述答案标注模型对所述目标文本所包括的多个字中的每一个字进行标注，以得到所述多个字各自的标签，其中，所述标签包括首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案；以及

响应于确定所述多个字包括标签为首项答案开始、非首项答案开始、以及非列表项答案开始中的至少一个的至少一个开始字，针对所述至少一个开始字中的每一个开始字，将该开始字、紧邻该开始字之后的标签为答案内部的至少一个内部字、以及紧邻所述至少一个内部字之后的标签为答案结束的结束字确定为文本片段，其中，所述文本片段的标注结果基于该开始字的标签。

8.根据权利要求1-7中的任一项所述的方法，其中，所述答案标注模型基于条件随机场。

9.根据权利要求2所述的方法，其中，所述在所述至少一个候选列表中确定答案文本包括：

利用答案校验模型确定所述至少一个候选列表各自和所述查询文本的匹配度；以及

基于所述至少一个候选列表各自和所述查询文本的匹配度，确定所述答案文本。

10.根据权利要求9所述的方法，其中，所述目标文本是搜索引擎基于所述查询文本返回的多个页面各自所包括的文本，其中，所述在所述至少一个候选列表中确定答案文本包括：

将所述多个页面各自所包括的文本对应的至少一个候选列表中的和所述查询文本匹配度最高的预设数量的候选列表确定为所述答案文本；以及

将所述答案文本在搜索结果页面中进行结构化展现。

11.根据权利要求1所述的方法，其中，所述特征提取模型包括预训练语言模型和特征交互模型，其中，所述提取目标文本的多个文本特征包括：

对所述目标文本进行切分，以得到多个切片文本，其中，所述多个切片文本完整覆盖所述目标文本；

针对所述多个切片文本中的每一个切片文本，将所述查询文本和该切片文本共同输入所述预训练语言模型，以得到与该切片文本对应的多个切片特征；以及

利用所述特征交互模型对与所述多个切片文本各自对应的多个切片特征进行处理，以得到所述多个文本特征。

12.根据权利要求11所述的方法，其中，所述特征交互模型被配置为针对接收到的多个输入特征中的至少一个输入特征中的每一个输入特征，基于该输入特征与所述多个输入特征中的每一个输入特征的相似度融合所述多个输入特征，以得到与该输入特征对应的输出特征。

13.一种文本处理模型的训练方法，所述文本处理模型包括特征提取模型和答案标注模型，其中，所述方法包括：

获取样本查询文本、样本目标文本、所述样本目标文本中的多个样本真实文本片段和所述多个样本真实文本片段各自的真实标注结果，其中，所述真实标注结果包括列表项答案；

利用所述特征提取模型基于所述样本查询文本提取所述样本目标文本的多个样本文本特征；

利用所述答案标注模型基于所述多个样本文本特征对所述样本目标文本进行标注，以得到所述目标文本中的多个样本预测文本片段和所述多个样本预测文本片段各自的预测标注结果；

基于所述多个样本真实文本片段各自的真实标注结果以及所述多个样本预测文本片段和所述多个样本预测文本片段各自的预测标注结果，确定损失值；以及

基于所述损失值调整所述特征提取模型和所述答案标注模型的参数，以得到训练后的文本处理模型。

14.根据权利要求13所述的方法，其中，所述多个样本真实文本片段各自的真实标注结果包括所述样本目标文本中的多个字各自的真实标签，其中，所述真实标签包括首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案，

其中，所述对所述样本目标文本进行标注包括：

利用所述答案标注模型对所述多个字中的每一个字进行标注，以得到所述多个字各自的预测标签，其中，所述预测标签包括首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案；以及

响应于确定所述多个字包括预测标签为首项答案开始、非首项答案开始、以及非列表项答案开始中的至少一个的至少一个开始字，针对所述至少一个开始字中的每一个开始字，将该开始字、紧邻该开始字之后的标签为答案内部的至少一个内部字、以及紧邻所述至少一个内部字之后的标签为答案结束的结束字确定为样本预测文本片段，其中，所述样本预测文本片段的标注结果基于该开始字的预测标签，

其中，所述确定损失值包括：

基于所述多个字各自的真实标签和预测标签，确定所述损失值。

15.一种文本处理装置，包括：

特征提取模型，被配置为基于查询文本提取目标文本的多个文本特征；

答案标注模型，被配置为基于所述多个文本特征对所述目标文本进行标注，以得到所述目标文本中的多个文本片段和所述多个文本片段各自的标注结果，其中，所述标注结果包括列表项答案；

第一确定单元，被配置为基于所述多个文本片段中的标注结果为列表项答案的多个列表项文本片段，确定至少一个候选列表，其中，所述至少一个候选列表中的每一个候选列表包括所述多个列表项文本片段中的至少两个列表项文本片段；以及

第二确定单元，被配置为在所述至少一个候选列表中确定答案文本。

16.根据权利要求15所述的装置，其中，所述列表项答案包括首项答案和非首项答案，所述多个文本片段包括至少一个标注结果为首项答案的首项文本片段和至少一个标注结果为非首项答案的非首项文本片段，其中，所述第一确定单元包括：

第一确定子单元，被配置为针对所述至少一个首项文本片段中的每一个首项文本片段，在所述至少一个非首项文本片段中确定与该首项文本片段对应的非首项文本片段；以及

第二确定子单元，被配置为响应于确定所述至少一个非首项文本片段中包括与该首项文本片段对应的至少一个相关非首项文本片段，基于该首项文本片段和所述至少一个相关非首项文本片段生成候选列表。

17.根据权利要求16所述的装置，其中，所述第一确定子单元被进一步配置为：

针对所述多个首项文本片段中的每一个首项文本片段，将在所述目标文本中位于该首项文本片段之后并且位于下一个首项文本片段之前的非首项文本片段确定为与该首项文本片段对应的非首项文本片段。

18.根据权利要求16或17所述的装置，其中，所述第二确定子单元被进一步配置为：

利用答案校验模型对所述至少一个相关非首项文本片段进行筛选；以及

将该首项文本片段和筛选后的至少一个相关非首项文本片段组合为所述候选列表。

19.根据权利要求16所述的装置，其中，所述第一确定单元还包括：

丢弃子单元，被配置为响应于确定所述至少一个非首项文本片段中包括与所述至少一个首项文本片段均不对应的非首项文本片段，丢弃该非首项文本片段。

20.根据权利要求16-19中任一项所述的装置，其中，所述标注结果包括非列表项答案，其中，所述装置还包括：

第三确定单元，被配置为基于所述多个文本片段中标注结果为非列表项答案的至少一个非列表项文本片段，确定至少一个候选片段，

其中，所述第二确定单元被进一步配置为在所述至少一个候选列表和所述至少一个候选片段中确定所述答案文本。

21.根据权利要求20所述的装置，其中，所述答案标注模型包括：

标注子单元，被配置为对所述目标文本所包括的多个字中的每一个字进行标注，以得到所述多个字各自的标签，其中，所述标签包括首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案；以及

第三确定子单元，被配置为响应于确定所述多个字包括标签为首项答案开始、非首项答案开始、以及非列表项答案开始中的至少一个的至少一个开始字，针对所述至少一个开始字中的每一个开始字，将该开始字、紧邻该开始字之后的标签为答案内部的至少一个内部字、以及紧邻所述至少一个内部字之后的标签为答案结束的结束字确定为文本片段，其中，所述文本片段的标注结果基于该开始字的标签。

22.根据权利要求15-21中任一项所述的装置，其中，所述答案标注模型基于条件随机场。

23.根据权利要求16所述的装置，其中，所述第二确定单元被进一步配置为：

利用答案校验模型确定所述至少一个候选列表各自和所述查询文本的匹配度；以及

基于所述至少一个候选列表各自和所述查询文本的匹配度，确定所述答案文本。

24.根据权利要求23所述的装置，其中，所述目标文本是搜索引擎基于所述查询文本返回的多个页面各自所包括的文本，其中，所述第二确定单元被进一步配置为：

将所述多个页面各自所包括的文本对应的至少一个候选列表中的和所述查询文本匹配度最高的预设数量的候选列表确定为所述答案文本；以及

将所述答案文本在搜索结果页面中进行结构化展现。

25.根据权利要求15所述的装置，其中，所述特征提取模型包括：

切分子单元，被配置为对所述目标文本进行切分，以得到多个切片文本，其中，所述多个切片文本完整覆盖所述目标文本；

预训练语言模型，被配置为针对所述多个切片文本中的每一个切片文本，将所述查询文本和该切片文本共同输入所述预训练语言模型，以得到与该切片文本对应的多个切片特征；以及

特征交互模型，被配置为对与所述多个切片文本各自对应的多个切片特征进行处理，以得到所述多个文本特征。

26.根据权利要求25所述的装置，其中，所述特征交互模型被配置为针对接收到的多个输入特征中的至少一个输入特征中的每一个输入特征，基于该输入特征与所述多个输入特征中的每一个输入特征的相似度融合所述多个输入特征，以得到与该输入特征对应的输出特征。

27.一种文本处理模型的训练装置，所述文本处理模型包括特征提取模型和答案标注模型，其中，所述装置包括：

第一获取单元，被配置为获取样本查询文本、样本目标文本、所述样本目标文本中的多个样本真实文本片段和所述多个样本真实文本片段各自的真实标注结果，其中，所述真实标注结果包括列表项答案；

第二获取单元，被配置为利用所述特征提取模型基于所述样本查询文本提取所述样本目标文本的多个样本文本特征；

第三获取单元，被配置为利用所述答案标注模型基于所述多个样本文本特征对所述样本目标文本进行标注，以得到所述目标文本中的多个样本预测文本片段和所述多个样本预测文本片段各自的预测标注结果；

第四确定单元，被配置为基于所述多个样本真实文本片段各自的真实标注结果以及所述多个样本预测文本片段和所述多个样本预测文本片段各自的预测标注结果，确定损失值；以及

调参单元，被配置为基于所述损失值调整所述特征提取模型和所述答案标注模型的参数，以得到训练后的文本处理模型。

28.根据权利要求27所述的装置，其中，所述多个样本真实文本片段各自的真实标注结果包括所述样本目标文本中的多个字各自的真实标签，其中，所述真实标签包括首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案，

其中，所述第三获取单元包括：

获取子单元，被配置为利用所述答案标注模型对所述多个字中的每一个字进行标注，以得到所述多个字各自的预测标签，其中，所述预测标签包括首项答案开始、非首项答案开始、非列表项答案开始、答案内部、答案结束、以及非答案；以及

第四确定子单元，被配置为响应于确定所述多个字包括预测标签为首项答案开始、非首项答案开始、以及非列表项答案开始中的至少一个的至少一个开始字，针对所述至少一个开始字中的每一个开始字，将该开始字、紧邻该开始字之后的标签为答案内部的至少一个内部字、以及紧邻所述至少一个内部字之后的标签为答案结束的结束字确定为样本预测文本片段，其中，所述样本预测文本片段的标注结果基于该开始字的预测标签，

其中，所述第四确定单元被进一步配置为基于所述多个字各自的真实标签和预测标签，确定所述损失值。

29.一种电子设备，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1-14中任一项所述的方法。

30.一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1-14中任一项所述的方法。

31.一种计算机程序产品，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1-14中任一项所述的方法。

Images