CN114896974A - 媒体信息处理方法、装置、电子设备以及存储介质 - Google Patents
媒体信息处理方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN114896974A CN114896974A CN202210425243.4A CN202210425243A CN114896974A CN 114896974 A CN114896974 A CN 114896974A CN 202210425243 A CN202210425243 A CN 202210425243A CN 114896974 A CN114896974 A CN 114896974A
- Authority
- CN
- China
- Prior art keywords
- node
- structure diagram
- nodes
- relationship
- obtaining
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 41
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 238000010586 diagram Methods 0.000 claims abstract description 235
- 238000012545 processing Methods 0.000 claims abstract description 47
- 239000013598 vector Substances 0.000 claims abstract description 25
- 238000003058 natural language processing Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 40
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008451 emotion Effects 0.000 claims description 11
- 238000013519 translation Methods 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 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
- 238000010801 machine learning Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 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
- 238000012549 training 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
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06F16/34—Browsing; Visualisation therefor
- G06F16/345—Summarisation for human users
-
- 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
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- 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
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种媒体信息处理方法、装置、电子设备以及存储介质,涉及人工智能技术领域,尤其涉及自然语言处理和深度学习技术领域。具体实现方案为:根据与待处理媒体信息对应的短语结构图,得到目标对象结构图,其中,短语结构图包括与附加信息对应的至少一个附加节点,附加信息包括与待处理媒体信息相关的信息;根据目标对象结构图,得到目标对象表征向量集;根据目标对象表征向量集,得到针对待处理媒体信息的处理结果。
Description
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和深度学习技术领域。具体地,涉及一种媒体信息处理方法、装置、电子设备以及存储介质。
背景技术
句法分析在人工智能领域扮演着重要的角色,越来越多的人工智能领域的研究与应用依赖于句法分析。例如,在信息抽取任务中,可以利用句法分析来分析语句中的谓词和参数。
发明内容
本公开提供了一种媒体信息处理方法、装置、电子设备以及存储介质。
根据本公开的一方面,提供了一种媒体信息处理方法,包括:根据与待处理媒体信息对应的短语结构图,得到目标对象结构图,其中,上述短语结构图包括与附加信息对应的至少一个附加节点,上述附加信息包括与上述待处理媒体信息相关的信息;根据上述目标对象结构图,得到目标对象表征向量集;以及,根据上述目标对象表征向量集,得到针对上述待处理媒体信息的处理结果。
根据本公开的另一方面,提供了一种媒体信息处理装置,包括:第一获得模块,用于根据与待处理媒体信息对应的短语结构图,得到目标对象结构图,其中,上述短语结构图包括与附加信息对应的至少一个附加节点,上述附加信息包括与上述待处理媒体信息相关的信息;第二获得模块,用于根据上述目标对象结构图,得到目标对象表征向量集;以及,第三获得模块,用于根据上述目标对象表征向量集,得到针对上述待处理媒体信息的处理结果。
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;以及与上述至少一个处理器通信连接的存储器;其中,上述存储器存储有可被上述至少一个处理器执行的指令,上述指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行本公开所述的方法。
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,上述计算机指令用于使上述计算机执行本公开所述的方法。
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,上述计算机程序在被处理器执行时实现本公开所述的方法。
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示意性示出了根据本公开实施例的可以应用媒体信息处理方法及装置的示例性系统架构;
图2示意性示出了根据本公开实施例的媒体信息处理方法的流程图;
图3示意性示出了根据本公开实施例的根据与待处理媒体信息对应的短语结构图,得到第一中间对象结构图的示例示意图;
图4示意性示出了根据本公开实施例的将第一中间对象结构图中的第一目标对象节点转换为边,得到第二中间对象结构图的示例示意图;
图5示意性示出了根据本公开实施例的根据第二中间对象结构图,得到目标对象结构图的示例示意图;
图6示意性示出了根据本公开实施例的媒体信息处理装置的框图;以及
图7示意性示出了根据本公开实施例的适于实现媒体信息处理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。
句法分析的基本任务是确定待处理语句的语法结构或待处理语句的词汇之间的依存关系。句法分析不是自然语言处理任务的最终目标,而是实现最终目标的关键环节。句法分析的分析粒度可以是“字”。“字”的粒度较小,因此,增加了将利用句法分析分析待处理语句得到的结果应用于自然语言处理任务的难度。
为此,发现短语结构图可以降低将利用句法分析分析待处理语句得到的结果应用于自然语言处理任务的难度。这是由于短语结构图中的节点可以是与“短语”对应的短语节点,由于“短语”的粒度较大,并且短语结构图可以包括与待处理语句相关的附加信息对应的附加节点,由此,短语结构图可以提供除待处理语句以外的额外信息。
由于基于词嵌入可以获得字的表征向量,较难以获得短语的表征向量,因此,难以利用短语结构图得到针对待处理语句的处理结果,由此,影响了处理结果的质量和增加了获得处理结果的难度。
为此,本公开实施例提供了一种媒体信息处理方案。例如,将根据与待处理媒体信息对应的短语结构图转换为目标对象结构图,利用根据目标对象结构图得到的目标对象表征向量集,得到待处理媒体信息的处理结果,实现了使得原有利用词嵌入难以实现的过程变得可以实现,为利用神经网络实现句法分析提供了可能,并提高了待处理媒体信息的处理结果的质量和降低了获得处理结果的难度。
图1示意性示出了根据本公开实施例的可以应用媒体信息处理方法及装置的示例性系统架构。
需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如,在另一实施例中,可以应用媒体信息处理方法及装置的示例性系统架构可以包括终端设备,但终端设备可以无需与服务器进行交互,即可实现本公开实施例提供的媒体信息处理方法及装置。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如知识阅读类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101、102、103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。
服务器105可以是提供各种服务的各种类型的服务器。例如,服务器105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,虚拟专用服务器)中,存在的管理难度大,业务扩展性弱的缺陷。服务器105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。
需要说明的是,本公开实施例所提供的媒体信息处理方法一般可以由终端设备101、102、或103执行。相应地,本公开实施例所提供的媒体信息处理装置也可以设置于终端设备101、102、或103中。
或者,本公开实施例所提供的媒体信息处理方法一般也可以由服务器105执行。相应地,本公开实施例所提供的媒体信息处理装置一般可以设置于服务器105中。本公开实施例所提供的媒体信息处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的媒体信息处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1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。
应注意,以下方法中各个操作的序号仅作为该操作的表示以便描述,而不应被看作表示该各个操作的执行顺序。除非明确指出,否则该方法不需要完全按照所示顺序来执行。
图2示意性示出了根据本公开实施例的媒体信息处理方法的流程图。
如图2所示,该方法200包括操作S210~S230。
在操作S210,根据与待处理媒体信息对应的短语结构图,得到目标对象结构图。短语结构图包括与附加信息对应的至少一个附加节点。附加信息包括与待处理媒体信息相关的信息。
在操作S220,根据目标对象结构图,得到目标对象表征向量集。
在操作S230,根据目标对象表征向量集,得到针对待处理媒体信息的处理结果。
根据本公开的实施例,待处理媒体信息可以指需要处理的媒体信息。媒体信息可以包括至少一个语句。媒体信息可以包括媒体信息可以包括以下之一:文本信息和音频信息。媒体信息可以是与自然语言处理任务相关的信息。自然语言处理任务可以包括以下至少之一:自然语言理解任务和自然语言生成任务。
根据本公开的实施例,待处理媒体信息可以包括多个对象。对象可以包括字或词。例如,如果待处理媒体信息包括与中文相关的媒体信息,则对象可以包括字。如果待处理媒体信息是与英文相关的媒体信息,则对象可以包括词。
根据本公开的实施例,待处理媒体信息可以具有与该待处理媒体信息相关的附加信息。附加信息可以指对获得待处理媒体信息的处理结果起到辅助作用的信息。附加信息可以包括以下至少之一:关系信息和限定信息。关系信息可以指与用于指示与待处理媒体信息包括的对象之间的关系相关的信息。关系信息可以包括以下至少之一:并列关系信息、修饰关系信息、承接关系信息、递进关系信息、选择关系信息、转折关系信息、假设关系信息、因果关系信息、条件关系信息、解说关系信息和目的关系信息。关系信息可以用关系词语来指示。限定信息可以指用于对待处理媒体信息中的预定信息进行限定的信息。例如,限定信息可以包括表征限定作用的函数(即function)信息。附加信息可以包括至少一个对象。对象可以包括字或词。
根据本公开的实施例,结构图可以包括至少两个节点和至少一个边。边可以用于连接两个节点。节点的节点信息可以包括与该节点对应的至少一个节点标签和与节点标签对应的至少一个节点属性。边的边信息可以包括边的边标签和与边标签对应的至少一个边属性。边标签用于表征边连接的两个节点之间的关系。结构图可以包括至少两个结构子图。各个结构子图彼此之间可以具有结构图关系。结构图关系可以包括对等结构图关系或不对等结构图关系。对等结构图关系可以指两个结构子图之间不具有依赖关系。不对等结构图关系可以指两个结构子图之间具有依赖关系。结构图可以是根据媒体信息和与媒体信息相关的附加信息生成的。结构图可以包括短语结构图或对象结构图。
根据本公开的实施例,短语结构图可以指至少一个节点是短语节点的结构图。短语节点可以是根据短语生成的节点。短语可以包括至少两个对象。短语结构图可以是节点均是短语节点的结构图。短语结构图还可以是包括至少一个短语节点和至少一个非短语节点的结构图。例如,非短语节点可以包括对象节点。
例如,待处理媒体信息为“我会到场,我负责舞台监督?”。与待处理媒体信息对应的附加信息可以包括关系信息和限定信息。关系信息可以是并列关系信息。限定信息可以是函数信息。与待处理媒体信息对应的短语结构图中可以包括非短语节点“我”、短语节点“会到场”、非短语节点“我”、短语节点“负责”、短语节点“舞台监督”、非短语节点“parataxis”和非短语节点“whether”。非短语节点“parataxis”可以是与并列关系信息对应的附加节点。非短语节点“whether”可以是与函数信息对应的附加节点。
例如,待处理媒体信息为“我的自行车是蓝色的”。与待处理媒体信息对应的附加信息可以包括关系信息。关系信息可以是修饰关系信息。与待处理媒体信息对应的短语结构图中可以包括短语节点“我的”、短语节点“自行车”、非短语节点“是”、短语节点“蓝色的”和非短语节点“decorate”。非短语节点“decorate”可以是与修饰关系信息对应的附加节点。
根据本公开的实施例,对象结构图可以指节点均为对象节点的结构图。对象结构图可以包括至少两个对象节点和至少一个用于连接两个对象节点的边。例如,待处理媒体信息为“我会到场,我负责舞台监督?”。与待处理媒体信息对应的目标对象结构图中可以包括对象节点“我”、对象节点“会”、对象节点“到”、对象节点“场”、对象节点“我”、对象节点“负”、对象节点“责”、对象节点“parataxis”和对象节点“whether”。
根据本公开的实施例,目标对象表征向量集可以包括与目标对象结构图中的对象节点对应的目标对象表征向量。目标对象表征向量可以用于指示与对象节点对应的对象本身的特征和对象与其他对象之间的关系特征。
根据本公开的实施例,可以响应于接收到针对待处理媒体信息的媒体信息处理请求,获取与待处理媒体信息对应的短语结构图。例如,可以调用媒体信息获取接口,利用媒体信息获取接口从数据库中获取待处理媒体信息。根据待处理媒体信息,得到与待处理媒体信息相关的附加信息。例如,可以对待处理媒体信息进行分析,得到待处理媒体信息中对象之间的关系和待处理媒体信息的标点符号。根据待处理媒体信息中对象之间的关系和待处理媒体信息的标点符号,得到与待处理媒体信息相关的附加信息。备选地,附加信息可以是预定义的与待处理媒体信息相关的信息。对待处理媒体信息和附加信息进行处理,得到短语结构图。例如,基于句法分析方法处理待处理媒体信息和附加信息,得到短语结构图。
根据本公开的实施例,在获得短语结构图之后,可以对短语结构图进行处理,得到目标对象结构图。例如,可以对短语结构图进行处理,得到中间对象结构图。根据中间对象结构图,得到目标对象结构图。例如,中间对象结构图可以包括第一中间对象结构图和第二中间对象结构图。可以对短语结构图进行处理,得到第一中间对象结构图。对第一中间对象结构图进行对象节点和边的转换,得到第二中间对象结构图。对第二中间对象结构图进行处理,得到目标对象结构图。备选地,将第二中间对象结构图确定为目标对象结构图。
根据本公开的实施例,可以基于词嵌入方法处理目标对象结构图,得到目标对象表征向量集。例如,可以利用表征模型处理目标对象结构图,得到目标对象表征向量集。表征向量模型可以是利用样本媒体信息训练深度学习模型得到的。
根据本公开的实施例,可以对目标表征向量集进行处理,得到待处理媒体信息的处理结果。例如,在待处理媒体信息是与信息抽取任务相关的媒体信息的情况下,处理结果可以是信息抽取结果。在待处理媒体信息是与情感分析任务相关的媒体信息的情况下,处理结果可以是情感分析结果。
根据本公开的实施例,可以由电子设备执行本公开实施例的媒体信息处理方法。例如,电子设备可以是服务器或终端设备。电子设备可以包括至少一个处理器。处理器可以用于执行本公开实施例提供的媒体信息处理方法。例如,可以利用单个处理器执行本公开实施例提供的媒体信息处理方法,也可以利用多个处理器并行执行本公开实施例提供的媒体信息处理方法。
根据本公开的实施例,将根据与待处理媒体信息对应的短语结构图转换为目标对象结构图,利用根据目标对象结构图得到的目标对象表征向量集,得到待处理媒体信息的处理结果,实现了使得原有利用词嵌入难以实现的过程变得可以实现,为利用神经网络实现句法分析提供了可能,并提高了待处理媒体信息的处理结果的质量和降低了获得处理结果的难度。
根据本公开的实施例,待处理媒体信息是与自然语言处理任务相关的媒体信息。
根据本公开的实施例,待处理媒体信息包括以下之一:待处理文本信息和待处理音频信息。
根据本公开的实施例,自然语言处理任务可以包括以下之一:自然语言理解任务和自然语言生成任务。待处理文本信息可以是与自然语言理解任务相关的文本信息。待处理文本信息可以是与自然语言生成任务相关的文本信息。待处理音频信息可以是与自然语言理解任务相关的文本信息。待处理音频信息可以是与自然语言生成任务相关的音频信息。
根据本公开的实施例,在待处理媒体信息是与自然语言理解任务相关的待处理文本信息的情况下,利用本公开实施例的媒体信息处理方法可以提高针对文本的自然语言处理任务的处理结果的准确性。在待处理媒体信息是与自然语言任务相关的待处理音频信息的情况下,利用本公开实施例的媒体信息处理方法可以提高针对音频的自然语言处理任务的处理结果的准确性。
根据本公开的实施例,自然语言处理任务包括以下之一:信息抽取任务、情感分析任务、知识推理任务、意图识别任务、文本分类任务、文本摘要任务、机器翻译任务和指代消解任务。
根据本公开的实施例,信息抽取任务可以指从待处理媒体信息中抽取出预定的事件信息或事实信息,实现内容的自动分类、提取和重构。信息抽取任务可以包括以下之一:关系抽取任务、命名实体识别任务和事件抽取任务。
根据本公开的实施例,关系抽取任务可以指从待处理媒体信息中抽取实体和实体之间关系的任务。与关系抽取任务相关的待处理媒体信息的处理结果是待处理媒体信息中实体和实体之间关系。例如,待处理媒体信息为“A是B集团经理C的儿子”。针对待处理媒体信息的处理结果是“A和C之间具有“父子”关系”。与关系抽取任务相关的待处理媒体信息的处理结果是待处理媒体信息中实体和实体之间关系。
根据本公开的实施例,命名实体识别任务可以指从待处理媒体信息中识别出命名实体,并将命名实体分类到预定类别的任务。预定类别可以包括以下至少之一:人名、机构名、地名、时间、日期、货币和百分比。与命名实体任务相关的待处理媒体信息的处理结果是待处理媒体信息中的命名实体和命名实体的类别。
根据本公开的实施例,事件抽取任务可以指从待处理媒体信息中抽取与事件相关信息的任务。事件相关信息可以包括以下至少之一:人物、事件发生时刻和事件发生地点。与事件抽取任务相关的待处理媒体信息的处理结果是待处理媒体信息中人物、事件发生地点和事件发生时刻。
根据本公开的实施例,情感分析任务可以指从待处理媒体信息中确定实体和实体的情感类别的任务。情感类别可以包括积极、消极或中性。与情感分析任务相关的待处理媒体信息的处理结果是待处理媒体信息中的实体和实体的情感分类。
根据本公开的实施例,知识推理任务可以指根据已有的知识(即待处理媒体信息)来推理未知的知识的任务。与知识推理任务相关的待处理媒体信息的处理结果是待处理媒体信息的知识推理结果。
根据本公开的实施例,意图识别任务可以指对待处理媒体信息进行分析得到意图类别的任务。意图类别可以包括以下至少之一:导航型类别、事务型类别和信息型类别。与意图识别任务相关的待处理媒体信息的处理结果是待处理媒体信息的意图类别。
根据本公开的实施例,文本分类任务可以指对基于预定分类体系或标准对待处理媒体信息进行分类,得到分类结果的任务。与文本分类任务相关的待处理媒体信息的处理结果是待处理媒体信息的分类结果。
根据本公开的实施例,文本摘要任务可以指待处理媒体信息转换为包括关键信息的简短摘要的任务。与文本摘要任务相关的待处理媒体信息的处理结果是待处理媒体信息的摘要信息。
根据本公开的实施例,机器翻译任务可以指将待处理媒体信息从源语种的媒体信息翻译为目标语种的媒体信息的任务。与机器翻译任务的待处理媒体信息的处理结果是待处理媒体信息的翻译结果。
根据本公开的实施例,指代消解任务可以包括回指消解任务和共指消解任务。回指消解任务可以指为待处理媒体信息中出现的回指成分确定先行语的任务。共指消解任务可以指根据待处理媒体信息中的表述确定其在真实世界中所指向的实体的任务。表述可以包括以下之一:普通名词短语、专有名词和代词。与指代消解任务的待处理媒体信息的处理结果是待处理媒体信息的指代消解结果。
根据本公开的实施例,操作S210可以包括如下操作。
根据与待处理媒体信息对应的短语结构图,得到第一中间对象结构图。将第一中间对象结构图中的第一目标对象节点转换为边,得到第二中间对象结构图。根据第二中间对象结构图,得到目标对象结构图。
根据本公开的实施例,第一中间对象结构图中的节点均是对象节点。第一中间对象结构图可以包括多个对象节点。第一目标对象节点可以指第一中间对象结构图中的表征关系信息的对象节点。第二中间对象结构图可以包括第一中间对象结构图中的部分对象节点。
根据本公开的实施例,可以对与待处理媒体信息对应的短语结构图进行处理,得到第一中间对象结构图。例如,可以将与待处理媒体信息对应的短语结构图中的至少一个短语节点拆分为对象节点,得到多个对象节点。根据多个对象节点和多个对象节点各自之间的对象节点关系,得到第一中间对象结构图。多个对象节点各自之间的对象节点关系可以是根据短语结构图确定的。
根据本公开的实施例,可以对第一中间对象结构图进行对象节点和边的转换,得到第二中间对象结构图。可以将第二中间对象结构图确定为目标对象结构图。备选地,可以对第二中间对象特征图进行对象节点和节点属性的转换,得到目标对象结构图。
下面参考图3~图5,结合具体实施例对根据本公开实施例所述的媒体信息处理方法做进一步说明。
根据本公开的实施例,根据与待处理媒体信息对应的短语结构图,得到第一中间对象结构图,可以包括如下操作。
将与待处理媒体信息对应的短语结构图中的短语节点拆分为对象节点,得到多个对象节点。根据短语结构图,确定多个对象节点之间的对象节点关系。根据多个对象节点和多个对象节点之间的对象节点关系,得到第一中间对象结构图。
根据本公开的实施例,两个对象节点之间的对象节点关系可以包括以下至少之一:两个对象节点之间不具有关系、两个对象节点中的一个对象节点可以是另一个对象节点的下一个对象节点,以及两个对象节点中的一个对象节点可以是另一对象节点的参数(即arguments)。例如,两个对象节点中的一个对象节点是另一个对象节点的参数可以包括以下之一:两个对象节点中的一个对象节点可以是用于指示参数的对象节点且另一个对象节点可以是用于指示谓词(即predicate)的对象节点,以及两个对象节点中的另一个对象节点可以是用于指示限定信息的对象节点且一个对象节点可以是用于指示谓词的对象节点。用于指示参数的对象节点可以包括以下之一:用于指示主语的对象节点和用于指示宾语的对象节点。
例如,如果两个对象节点中的一个对象节点可以是另一个对象节点的下一个对象节点,则该两个对象节点之间的对象节点关系可以用next_word指示。如果两个对象节点中的一个对象节点可以是用于指示参数的对象节点且另一个对象节点可以是用于指示谓词的对象节点,则该两个对象节点之间的对象节点关系可以用pred.arg指示。如果两个对象节点中的另一个对象节点可以是用于指示限定信息的对象节点且一个对象节点可以是用于指示谓词的对象节点,则该两个对象节点之间的对象节点关系可以用func.arg指示。
根据本公开的实施例,可以将与待处理媒体信息对应的短语结构图中的各个短语节点分别拆分为与短语节点对应的多个对象节点,由此,得到多个对象节点。如果短语结构图中包括对象节点,则多个对象节点包括原有的短语结构图中的对象节点和将短语结构图中的短语节点拆分为对象节点得到的对象节点。如果短语结构图中不包括对象节点,则多个对象节点是将短语结构图中的短语节点拆分后得到的对象节点。
根据本公开的实施例,可以对短语结构图进行分析,确定多个对象节点彼此之间的对象节点关系。再根据多个对象节点和多个对象节点彼此之间的对象节点关系,得到第一中间对象结构图。
根据本公开的实施例,短语结构图还可以包括至少一个原有节点和至少一个用于连接两个节点的边。两个节点包括以下之一:两个附加节点、一个附加节点和一个原有节点以及两个原有节点。原有节点是根据待处理媒体信息确定的。
根据本公开的实施例,根据所述短语结构图,确定多个对象节点之间的对象节点关系,可以包括如下操作。
根据至少一个对象关系和至少一个节点关系,确定多个对象节点之间的对象节点关系。
根据本公开的实施例,至少一个对象关系是根据以下至少之一确定的:至少一个原有节点中对象之间的关系和至少一个附加节点中对象之间的关系。至少一个节点关系是根据短语结构图中的至少一个边的边标签确定的。
根据本公开的实施例,短语结构图可以包括至少两个节点和至少一个用于连接两个节点的边。至少两个节点可以包括至少一个附加节点和至少一个原有节点。原有节点可以是根据待处理媒体信息确定的。针对至少一个用于连接两个节点的边中的每个边,该边连接的两个节点可以是两个附加节点、两个原有节点以及一个附加节点和一个原有节点中的之一。
根据本公开的实施例,如果原有节点是短语节点,则可以确定原有节点中至少两个对象彼此之间的对象关系。如果附加节点是短语节点,则可以确定附加节点中至少两个对象彼此之间的对象关系。两个对象之间的对象关系可以包括以下之一:两个对象不具有关系和两个对象中一个对象是另一个对象的下一个对象。
根据本公开的实施例,可以根据短语结构图中的至少一个边各自的边标签来确定至少一个边各自连接的两个节点之间的节点关系。边的边标签可以用于指示连接的两个节点之间的节点关系。两个节点之间的节点关系可以包括以下至少之一:两个节点之间不具有关系、两个节点中的一个节点可以是另一个节点的下一个节点,以及两个节点中的一个节点可以是另一节点的参数。边标签可以包括以下之一:next_word、pre.arg和func.arg。next_word可以用于指示两个节点中的一个节点是另一个节点的下一个节点之间的节点关系。pred.arg可以用于指示两个节点中的一个节点是用于指示参数的节点且另一个节点可以是用于指示谓词的节点之间的节点关系。func.arg可以用于指示两个节点中的另一个节点是用于指示限定信息的节点且一个节点是用于指示谓词的节点之间的节点关系。
根据本公开的实施例,可以根据至少一个对象关系和至少一个节点关系,确定多个对象节点彼此之间的对象节点关系。
根据本公开的实施例,根据多个对象节点和多个对象节点之间的对象节点关系,得到第一中间对象结构图,可以包括如下操作。
根据多个对象节点之间的对象节点关系,确定用于连接多个对象节点的至少一个边。根据多个对象节点和用于连接多个对象节点的至少一个边,得到第一中间对象结构图。
根据本公开的实施例,可以将多个对象节点中具有对象节点关系的两个对象节点用边连接,得到至少一个边。再根据多个对象节点和至少一个边,得到第一中间对象结构图。
根据本公开的实施例,可以从多个对象节点中确定起始对象节点。从起始对象节点开始,根据多个对象节点彼此之间的对象节点关系,将具有对象节点关系的两个对象节点用边连接起来,得到第一中间对象节点。起始对象节点可以根据待处理媒体信息确定。例如,起始对象节点可以是与待处理媒体信息中的首个对象对应的对象节点。备选地,起始对象节点可以是与待处理媒体信息中的中心对象对应的对象节点。中心对象可以指与待处理媒体信息中的核心信息对应的对象。
下面参考图3,结合具体实施例对根据本公开实施例所述的根据与待处理媒体信息对应的短语结构图,得到第一中间对象结构图的过程做进一步说明。
图3示意性示出了根据本公开实施例的根据与待处理媒体信息对应的短语结构图,得到第一中间对象结构图的示例示意图。
如图3所示,在300中,待处理媒体信息可以为“我会到场,我负责舞台监督?”301。与待处理媒体信息对应的短语结构图302包括节点302_1“我”、短语节点302_2“会到场”、节点302_3“我”、短语节点302_4“负责”、短语节点302_5“舞台监督”、节点302_6“parataxis”和节点302_7“whether”。节点302_6和节点302_7均为附加节点。节点302_6可以指关系节点。节点302_7可以指函数节点。
由短语节点302_2指向节点302_1的有向边的边标签为“pred.arg.1”。由短语节点302_4指向节点302_3的有向边的边标签为“pred.arg.1”。由短语节点302_4指向短语节点302_5的有向边的边标签为“pred.arg.2”。由节点302_6指向短语节点302_2的有向边的边标签为“pred.arg.1”。由节点302_6指向节点302_7的有向边的边标签为“func.arg”。
将与待处理媒体信息对应的短语结构图302中的短语节点拆分为对象节点,得到多个对象节点。例如,针对短语节点302_2“会到场”,将短语节点302_2拆分为对象节点303_2“会”、对象节点303_3“到”和对象节点303_4“场”。针对短语节点302_4“负责”,将短语节点302_4“负责”拆分为对象节点303_6“负”和对象节点303_7“责”。针对短语节点302_5“舞台监督”,将短语节点302_5“舞台监督”拆分为对象节点303_8“舞”、对象节点303_9“台”、对象节点303_10“监”、对象节点303_11“督”。由此得到,对象节点303_1“我”、对象节点303_2“会”、对象节点303_3“到”、对象节点303_4“场”、对象节点303_5“我”、对象节点303_6“负”、对象节点303_7“责”、对象节点303_8“舞”、对象节点303_9“台”、对象节点303_10“监”、对象节点303_11“督”、对象节点303_12“parataxis”和对象节点303_13“whether”。
根据短语结构图,确定多个对象节点之间的对象节点关系。例如,针对短语节点302_2“会到场”,确定对象节点303_2“会”与对象节点303_3“到”之间的对象节点关系为“next_word”。对象节点303_3“到”与对象节点303_4“场”之间的对象节点关系为“next_word”。针对节点302_6“parataxis”、短语节点302_2“会到场”和节点302_1“我”,根据短语节点302_2“会到场”与节点302_1“我”之间的有向边的边标签为“pred.arg.1”以及短语节点302_2“会到场”与节点302_6“parataxis”之间的有向边的边标签为“pred.arg.1”,由节点302_6“parataxis”指向短语节点302_2“会到场”的有向边为短语节点302_2的入边,由短语节点302_2“会到场”指向节点302_1“我”的有向边为短语节点302_2的出边,得到对象节点303_2与对象节点303_1之间的对象节点关系为“pred.arg.1”以及对象节点303_12与对象节点303_2之间的对象节点关系为“pred.arg.1”。
基于上述方式得到对象节点303_2与对象节点303_1之间的对象节点关系为“pred.arg.1”。对象节点303_2与对象节点303_3之间的对象节点关系为“next_word”。对象节点303_3与对象节点303_4之间的对象节点关系为“next_word”。对象节点303_6与对象节点303_5之间的对象节点关系为“pred.arg.1”。对象节点303_6与对象节点303_7之间的对象节点关系为“next_word”。对象节点303_6与对象节点303_8之间的对象节点关系为“pred.arg.2”。对象节点303_8与对象节点303_9之间的对象节点关系为“next_word”。对象节点303_9与对象节点303_10之间的对象节点关系为“next_word”。对象节点303_10与对象节点303_11之间的对象节点关系为“next_word”。对象节点303_12与对象节点303_2之间的对象节点关系为“pred.arg.1”。对象节点303_12与对象节点303_13之间的对象节点关系为“pred.arg.2”。对象节点303_13与对象节点303_6之间的对象节点关系为“func.arg”。
根据多个对象节点之间的对象节点关系,确定用于连接多个对象节点的至少一个边。边可以是有向边。边的边标签可以是根据对象节点之间的对象节点关系确定的。例如,由对象节点303_2指向对象节点303_1的有向边的边标签为“pred.arg.1”。由对象节点303_2指向对象节点303_3的有向边的边标签为“next_word”。由对象节点303_3指向对象节点303_4的有向边的边标签为“next_word”。由对象节点303_6指向对象节点303_5的有向边的边标签为“pred.arg.1”。由对象节点303_6指向对象节点303_7的有向边的边标签为“next_word”。由对象节点303_6指向对象节点303_8的有向边的边标签为“pred.arg.2”。由对象节点303_8指向对象节点303_9的有向边的边标签为“next_word”。由对象节点303_9指向对象节点303_10的有向边的边标签为“next_word”。由对象节点303_10指向对象节点303_11的有向边的边标签为“next_word”。由对象节点303_12指向对象节点303_2的有向边的边标签为“pred.arg.1”。由对象节点303_12指向对象节点303_13的有向边的边标签为“pred.arg.2”。由对象节点303_13指向对象节点303_6的有向边的边标签为“func.arg”。
根据多个对象节点和至少一个边,得到第一中间对象结构图303。
根据本公开的实施例,至少一个附加节点可以包括至少一个关系节点。第一中间对象结构图可以包括经由至少一个关系节点连接的至少两个中间对象结构子图。第一目标对象节点可以包括关系节点。
根据本公开的实施例,将第一中间对象结构图中的第一目标对象节点转换为边,得到第二中间对象结构图,可以包括如下操作。
根据经由至少一个关系节点连接的至少两个中间对象结构子图之间的结构图关系,将至少一个关系节点转换为至少一个边,得到第二中间对象结构图。
根据本公开的实施例,附加节点可以包括关系节点。关系节点可以包括以下之一:并列关系节点、修饰关系节点、承接关系节点、递进关系节点、选择关系节点、转折关系节点、假设关系节点、因果关系节点、条件关系节点、解说关系节点和目的关系节点。第一目标对象节点可以包括关系节点。结构图之间的关系可以包括以下至少之一:对等结构图关系和不对等结构图关系。例如,对等结构图关系可以包括并列结构图关系。不对等结构图关系可以包括修饰结构图关系。
根据本公开的实施例,针对至少一个关系节点中的关系节点,针对经由关系节点连接的至少两个中间对象结构子图中的两个中间对象结构子图,根据经由关系节点连接的两个中间对象结构子图之间的结构图关系,将关系节点转换为边,由此得到第二中间对象结构图。
根据本公开的实施例,根据经由至少一个关系节点连接的至少两个中间对象结构子图之间的结构图关系,将至少一个关系节点转换为至少一个边,得到第二中间对象结构图,可以包括如下操作。
根据经由至少一个关系节点连接的至少两个中间对象结构子图之间的结构图关系,从至少两个中间对象结构子图中确定至少一个第一中间对象结构子图和至少一个第二中间对象结构子图。将至少一个关系节点转换为至少一个有向边,得到第二中间对象结构图。
根据本公开的实施例,有向边由第一中间对象结构子图的第二目标对象节点指向与第一中间对象结构子图对应的第二中间对象结构子图的第三目标对象节点。
根据本公开的实施例,针对至少一个关系节点中的关系节点,针对经由关系节点连接的至少两个中间对象结构子图中的两个中间对象结构子图,可以根据经由关系节点连接的两个中间对象结构子图之间的结构图关系,可以从两个中间对象结构子图中确定第一中间对象结构子图和第二中间对象结构子图。可以将关系节点转换为用于连接第一中间对象结构子图的第二目标对象节点和第二中间对象结构子图的第三目标对象节点之间的有向边。有向边是由第二目标对象节点指向第三目标对象节点。有向边的边标签可以是根据关系节点所指示的语义信息确定的。
下面参考图4,结合具体实施例对根据本公开实施例的将第一中间对象结构图中的第一目标对象节点转换为边,得到第二中间对象结构图的过程做进一步说明。
图4示意性示出了根据本公开实施例的将第一中间对象结构图中的第一目标对象节点转换为边,得到第二中间对象结构图的示例示意图。
如图4所示,在400中,对象节点401_12“parataxis”是关系节点。第一中间对象结构图401包括经由对象节点401_12“parataxis”连接的两个中间对象结构子图。根据两个中间对象结构子图之间的结构图关系,确定两个中间对象结构子图中第一中间对象结构图是包括对象节点303_1“我”、对象节点303_2“会”、对象节点303_3“到”和对象节点303_4“场”的中间对象结构子图,以及第二中间对象结构子图是包括对象节点303_5“我”、对象节点303_6“负”、对象节点303_7“责”、对象节点303_8“舞”、对象节点303_9“台”、对象节点303_10“监”、对象节点303_11“督”和对象节点303_13“whether”的中间对象结构子图。
将关系节点(即对象节点401_12“parataxis”)转换为由第一中间对象结构子图的第二目标对象节点(即对象节点401_2“会”)到第二中间对象结构子图的第三目标对象节点(即对象节点401_13“whether”)有向边,得到第二中间对象结构图402。有向边的边标签是根据关系节点所指示的语义信息确定的,由此,有向边的边标签为“parataxis”。
根据本公开的实施例,根据第二中间对象结构图,得到目标对象结构图,可以包括如下操作。
确定第二中间对象结构图中的限定对象节点和第四目标对象节点。根据限定对象节点和第四目标对象节点,对第二中间对象结构图进行结构变换,得到目标对象结构图。
根据本公开的实施例,限定对象节点和第四目标对象节点相对应。限定对象节点可以用于限定与限定对象节点对应的第二中间对象结构图包括的中间对象结构子图。第二中间对象结构图包括的中间对象结构子图可以包括第四目标对象节点。
根据本公开的实施例,限定对象节点可以用于对与限定节点对应的第二中间对象结构图中的中间对象结构子图进行限定。限定对象节点可以指被限定的中间对象结构子图的上层对象节点。
根据本公开的实施例,可以根据限定对象节点和第四目标对象节点,对第二中间对象结构图进行节点和节点属性之间的转换,得到目标对象结构图。
根据本公开的实施例,根据限定对象节点和第四目标对象节点,对第二中间对象结构图进行结构变换,得到目标对象结构图,可以包括如下操作。
根据限定对象节点所指示的语义信息和限定对象节点用于限定的第二中间对象结构图包括的中间对象结构子图所指示的语义信息,确定目标属性信息。将限定对象节点转换为与限定对象节点对应的第四目标对象节点的节点属性,得到目标对象结构图。节点属性所指示的属性信息为目标属性信息。
根据本公开的实施例,可以根据限定对象节点所指示的语义信息和与第二中间对象结构图中与限定对象节点对应的中间对象结构子图所指示的语义信息,确定目标属性信息。将限定对象节点转换为第四目标对象节点的节点属性,使得节点属性所指示的属性信息为目标属性信息。
下面参考图5,结合具体实施例对根据本公开实施例所述的根据第二中间对象结构图,得到目标对象结构图的过程做进一步说明。
图5示意性示出了根据本公开实施例的根据第二中间对象结构图,得到目标对象结构图的示例示意图。
如图5所示,在500中,确定第二中间对象结构图501中的限定对象节点为对象节点501_12“whether”和第四目标对象节点为对象节点501_6“负”。限定对象节点所用于限定的第二中间对象结构图中的中间对象结构子图包括对象节点501_5“我”、对象节点501_6“负”、对象节点501_7“责”、对象节点501_8“舞”、对象节点501_9“台”、对象节点501_10“监”和对象节点501_11“督”。
根据限定对象节点所指示的语义信息和限定对象节点用于限定的第二中间对象结构图包括的中间对象结构子图所指示的语义信息,确定目标属性信息为“(whether=true)”。
将限定对象节点(即对象节点501_12“whether”)转换为与限定对象节点对应的第四目标对象节点(即对象节点501_6“负”)的节点属性,得到目标对象结构图502。节点属性所指示的属性信息为目标属性信息。
根据本公开的实施例,根据第二中间对象结构图,得到目标对象结构图,可以包括如下操作。
将第二中间对象结构图确定为目标对象结构图。
根据本公开的实施例,还可以不对第二中间对象结构图进行处理,直接将第二中间对象结构图作为目标对象结构图。
根据本公开实施例提供的媒体信息处理方法可以实现短语结构图到目标对象结构图的转换,可以利用与短语结构图到目标对象结构图的逆操作,实现目标对象结构图到短语结构图的转换。例如,根据目标对象结构图,得到第二中间对象结构图。将第二中间对象结构图中的目标边转换为第一目标对象节点,得到第一中间对象结构图。根据第一中间对象结构图,得到与待处理媒体信息对应的短语结构图。
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。
以上仅是示例性实施例,但不限于此,还可以包括本领域已知的其他媒体信息处理方法,只要能够提高待处理媒体信息的处理结果的质量和降低获得处理结果的难度即可。
图6示意性示出了根据本公开实施例的媒体信息处理装置的框图。
如图6所示,媒体信息处理装置600可以包括第一获得模块610、第二获得模块620和第三获得模块630。
第一获得模块610,用于根据与待处理媒体信息对应的短语结构图,得到目标对象结构图。短语结构图包括与附加信息对应的至少一个附加节点,附加信息包括与待处理媒体信息相关的信息。
第二获得模块620,用于根据目标对象结构图,得到目标对象表征向量集。
第三获得模块630,用于根据目标对象表征向量集,得到针对待处理媒体信息的处理结果。
根据本公开的实施例,第一获得模块610可以包括第一获得子模块、第二获得子模块和第三获得子模块。
第一获得子模块,用于根据与待处理媒体信息对应的短语结构图,得到第一中间对象结构图。
第二获得子模块,用于将第一中间对象结构图中的第一目标对象节点转换为边,得到第二中间对象结构图。
第三获得子模块,用于根据第二中间对象结构图,得到目标对象结构图。
根据本公开的实施例,至少一个附加节点包括至少一个关系节点。第一中间对象结构图包括经由至少一个关系节点连接的至少两个中间对象结构子图。第一目标对象节点包括关系节点。
根据本公开的实施例,第二获得子模块可以包括第一获得单元。
第一获得单元,用于根据经由至少一个关系节点连接的至少两个中间对象结构子图之间的结构图关系,将至少一个关系节点转换为至少一个边,得到第二中间对象结构图。
根据本公开的实施例,第一获得单元可以包括第一确定子单元和第一获得子单元。
第一确定子单元,用于根据经由至少一个关系节点连接的至少两个中间对象结构子图之间的结构图关系,从至少两个中间对象结构子图中确定至少一个第一中间对象结构子图和至少一个第二中间对象结构子图。
第一获得子单元,用于将至少一个关系节点转换为至少一个有向边,得到第二中间对象结构图。有向边由第一中间对象结构子图的第二目标对象节点指向与第一中间对象结构子图对应的第二中间对象结构子图的第三目标对象节点。
根据本公开的实施例,第三获得子模块可以包括第一确定单元和第二获得单元。
第一确定单元,用于确定第二中间对象结构图中的限定对象节点和第四目标对象节点。限定对象节点和第四目标对象节点相对应。限定对象节点用于限定与限定对象节点对应的第二中间对象结构图包括的中间对象结构子图。第二中间对象结构图包括的中间对象结构子图包括第四目标对象节点。
第二获得单元,用于根据限定对象节点和第四目标对象节点,对第二中间对象结构图进行结构变换,得到目标对象结构图。
根据本公开的实施例,第二获得单元可以包括第二确定子单元和第二获得子单元。
第二确定子单元,用于根据限定对象节点所指示的语义信息和限定对象节点用于限定的第二中间对象结构图包括的中间对象结构子图所指示的语义信息,确定目标属性信息。
第二获得子单元,用于将限定对象节点转换为与限定对象节点对应的第四目标对象节点的节点属性,得到目标对象结构图。节点属性所指示的属性信息为目标属性信息。
根据本公开的实施例,第三获得子模块可以包括第二确定单元。
第二确定单元,用于将第二中间对象结构图确定为目标对象结构图。
根据本公开的实施例,第一获得子模块可以包括第三获得单元、第三确定单元和第四获得单元。
第三获得单元,用于将与待处理媒体信息对应的短语结构图中的短语节点拆分为对象节点,得到多个对象节点。
第三确定单元,用于根据短语结构图,确定多个对象节点之间的对象节点关系。
第四获得单元,用于根据多个对象节点和多个对象节点之间的对象节点关系,得到第一中间对象结构图。
根据本公开的实施例,短语结构图还包括至少一个原有节点和至少一个用于连接两个节点的边。两个短语节点包括以下之一:两个附加节点、一个附加节点和一个原有节点以及两个原有节点,原有节点是根据待处理媒体信息确定的。
根据本公开的实施例,第三确定单元可以包括第三确定子单元。
第三确定子单元,用于根据至少一个对象关系和至少一个节点关系,确定多个对象节点之间的对象节点关系。至少一个对象关系是根据以下至少之一确定的:至少一个原有节点中对象之间的关系和至少一个附加节点中对象之间的关系。至少一个节点关系是根据短语结构图中的至少一个边的边标签确定的。
根据本公开的实施例,第四获得单元可以包括第四确定子单元和第三获得子单元。
第四确定子单元,用于根据多个对象节点之间的对象节点关系,确定用于连接多个对象节点的至少一个边。
第三获得子单元,用于根据多个对象节点和用于连接多个对象节点的至少一个边,得到第一中间对象结构图。
根据本公开的实施例,待处理媒体信息是与自然语言处理任务相关的媒体信息。待处理媒体信息包括以下之一:待处理文本信息和待处理音频信息。
根据本公开的实施例,自然语言处理任务包括以下之一:信息抽取任务、情感分析任务、知识推理任务、意图识别任务、文本分类任务、文本摘要任务、机器翻译任务和指代消解任务。
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。
根据本公开的实施例,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如上所述的方法。
根据本公开的实施例,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如上所述的方法。
根据本公开的实施例,一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如上所述的方法。
图7示意性示出了根据本公开实施例的适于实现媒体信息处理方法的电子设备的框图。电子设备旨在表示各种形式的数对象计算机,诸如,膝上型计算机、台式计算机、工作台、个人数对象助理、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,个人数对象处理、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,电子设备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,还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703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。
电子设备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允许电子设备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、数对象信号处理器(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,例如媒体信息处理方法。例如,在一些实施例中,媒体信息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/或安装到电子设备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媒体信息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)而被配置为执行媒体信息处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数对象电子电路系统、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对象数据通信(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,也可以是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 (27)
1.一种媒体信息处理方法,包括:
根据与待处理媒体信息对应的短语结构图,得到目标对象结构图,其中,所述短语结构图包括与附加信息对应的至少一个附加节点,所述附加信息包括与所述待处理媒体信息相关的信息;
根据所述目标对象结构图,得到目标对象表征向量集;以及
根据所述目标对象表征向量集,得到针对所述待处理媒体信息的处理结果。
2.根据权利要求1所述的方法,其中,所述根据与待处理媒体信息对应的短语结构图,得到目标对象结构图,包括:
根据与所述待处理媒体信息对应的短语结构图,得到第一中间对象结构图;
将所述第一中间对象结构图中的第一目标对象节点转换为边,得到第二中间对象结构图;以及
根据所述第二中间对象结构图,得到所述目标对象结构图。
3.根据权利要求2所述的方法,其中,所述至少一个附加节点包括至少一个关系节点,所述第一中间对象结构图包括经由所述至少一个关系节点连接的至少两个中间对象结构子图,所述第一目标对象节点包括所述关系节点;
其中,所述将所述第一中间对象结构图中的第一目标对象节点转换为边,得到第二中间对象结构图,包括:
根据经由所述至少一个关系节点连接的至少两个中间对象结构子图之间的结构图关系,将所述至少一个关系节点转换为至少一个边,得到所述第二中间对象结构图。
4.根据权利要求3所述的方法,其中,所述根据经由所述至少一个关系节点连接的至少两个中间对象结构子图之间的结构图关系,将所述至少一个关系节点转换为至少一个边,得到所述第二中间对象结构图,包括:
根据经由所述至少一个关系节点连接的至少两个中间对象结构子图之间的结构图关系,从所述至少两个中间对象结构子图中确定至少一个第一中间对象结构子图和至少一个第二中间对象结构子图;以及
将所述至少一个关系节点转换为至少一个有向边,得到所述第二中间对象结构图,其中,所述有向边由所述第一中间对象结构子图的第二目标对象节点指向与所述第一中间对象结构子图对应的第二中间对象结构子图的第三目标对象节点。
5.根据权利要求2~4中任一项所述的方法,其中,所述根据所述第二中间对象结构图,得到所述目标对象结构图,包括:
确定所述第二中间对象结构图中的限定对象节点和第四目标对象节点,其中,所述限定对象节点和所述第四目标对象节点相对应,所述限定对象节点用于限定与所述限定对象节点对应的所述第二中间对象结构图包括的中间对象结构子图,所述第二中间对象结构图包括的中间对象结构子图包括所述第四目标对象节点;以及
根据所述限定对象节点和所述第四目标对象节点,对所述第二中间对象结构图进行结构变换,得到所述目标对象结构图。
6.根据权利要求5所述的方法,其中,所述根据所述限定对象节点和所述第四目标对象节点,对所述第二中间对象结构图进行结构变换,得到所述目标对象结构图,包括:
根据所述限定对象节点所指示的语义信息和所述限定对象节点用于限定的所述第二中间对象结构图包括的中间对象结构子图所指示的语义信息,确定目标属性信息;以及
将所述限定对象节点转换为与所述限定对象节点对应的第四目标对象节点的节点属性,得到所述目标对象结构图,其中,所述节点属性所指示的属性信息为所述目标属性信息。
7.根据权利要求2~4中任一项所述的方法,其中,所述根据所述第二中间对象结构图,得到所述目标对象结构图,包括:
将所述第二中间对象结构图确定为所述目标对象结构图。
8.根据权利要求2~7中任一项所述的方法,其中,所述根据与所述待处理媒体信息对应的短语结构图,得到第一中间对象结构图,包括:
将与所述待处理媒体信息对应的短语结构图中的短语节点拆分为对象节点,得到多个所述对象节点;
根据所述短语结构图,确定多个所述对象节点之间的对象节点关系;以及
根据多个所述对象节点和多个所述对象节点之间的对象节点关系,得到所述第一中间对象结构图。
9.根据权利要求8所述的方法,其中,所述短语结构图还包括至少一个原有节点和至少一个用于连接两个节点的边,所述两个短语节点包括以下之一:两个所述附加节点、一个所述附加节点和一个所述原有节点以及两个所述原有节点,所述原有节点是根据所述待处理媒体信息确定的;
其中,所述根据所述短语结构图,确定多个所述对象节点之间的对象节点关系,包括:
根据至少一个对象关系和至少一个节点关系,确定多个所述对象节点之间的对象节点关系,其中,所述至少一个对象关系是根据以下至少之一确定的:所述至少一个原有节点中对象之间的关系和所述至少一个附加节点中对象之间的关系,所述至少一个节点关系是根据所述短语结构图中的至少一个边的边标签确定的。
10.根据权利要求8或9所述的方法,其中,所述根据多个所述对象节点和多个所述对象节点之间的对象节点关系,得到所述第一中间对象结构图,包括:
根据多个所述对象节点之间的对象节点关系,确定用于连接多个所述对象节点的至少一个边;以及
根据多个所述对象节点和所述用于连接多个所述对象节点的至少一个边,得到所述第一中间对象结构图。
11.根据权利要求1~10中任一项所述的方法,其中,所述待处理媒体信息是与自然语言处理任务相关的媒体信息,所述待处理媒体信息包括以下之一:待处理文本信息和待处理音频信息。
12.根据权利要求11所述的方法,其中,所述自然语言处理任务包括以下之一:信息抽取任务、情感分析任务、知识推理任务、意图识别任务、文本分类任务、文本摘要任务、机器翻译任务和指代消解任务。
13.一种媒体信息处理装置,包括:
第一获得模块,用于根据与待处理媒体信息对应的短语结构图,得到目标对象结构图,其中,所述短语结构图包括与附加信息对应的至少一个附加节点,所述附加信息包括与所述待处理媒体信息相关的信息;
第二获得模块,用于根据所述目标对象结构图,得到目标对象表征向量集;以及
第三获得模块,用于根据所述目标对象表征向量集,得到针对所述待处理媒体信息的处理结果。
14.根据权利要求13所述的装置,其中,所述第一获得模块,包括:
第一获得子模块,用于根据与所述待处理媒体信息对应的短语结构图,得到第一中间对象结构图;
第二获得子模块,用于将所述第一中间对象结构图中的第一目标对象节点转换为边,得到第二中间对象结构图;以及
第三获得子模块,用于根据所述第二中间对象结构图,得到所述目标对象结构图。
15.根据权利要求14所述的装置,其中,所述至少一个附加节点包括至少一个关系节点,所述第一中间对象结构图包括经由所述至少一个关系节点连接的至少两个中间对象结构子图,所述第一目标对象节点包括所述关系节点;
其中,所述第二获得子模块,包括:
第一获得单元,用于根据经由所述至少一个关系节点连接的至少两个中间对象结构子图之间的结构图关系,将所述至少一个关系节点转换为至少一个边,得到所述第二中间对象结构图。
16.根据权利要求15所述的装置,其中,所述第一获得单元,包括:
第一确定子单元,用于根据经由所述至少一个关系节点连接的至少两个中间对象结构子图之间的结构图关系,从所述至少两个中间对象结构子图中确定至少一个第一中间对象结构子图和至少一个第二中间对象结构子图;以及
第一获得子单元,用于将所述至少一个关系节点转换为至少一个有向边,得到所述第二中间对象结构图,其中,所述有向边由所述第一中间对象结构子图的第二目标对象节点指向与所述第一中间对象结构子图对应的第二中间对象结构子图的第三目标对象节点。
17.根据权利要求14~16中任一项所述的装置,其中,所述第三获得子模块,包括:
第一确定单元,用于确定所述第二中间对象结构图中的限定对象节点和第四目标对象节点,其中,所述限定对象节点和所述第四目标对象节点相对应,所述限定对象节点用于限定与所述限定对象节点对应的所述第二中间对象结构图包括的中间对象结构子图,所述第二中间对象结构图包括的中间对象结构子图包括所述第四目标对象节点;以及
第二获得单元,用于根据所述限定对象节点和所述第四目标对象节点,对所述第二中间对象结构图进行结构变换,得到所述目标对象结构图。
18.根据权利要求17所述的装置,其中,所述第二获得单元,包括:
第二确定子单元,用于根据所述限定对象节点所指示的语义信息和所述限定对象节点用于限定的所述第二中间对象结构图包括的中间对象结构子图所指示的语义信息,确定目标属性信息;以及
第二获得子单元,用于将所述限定对象节点转换为与所述限定对象节点对应的第四目标对象节点的节点属性,得到所述目标对象结构图,其中,所述节点属性所指示的属性信息为所述目标属性信息。
19.根据权利要求14~16中任一项所述的装置,其中,所述第三获得子模块,包括:
第二确定单元,用于将所述第二中间对象结构图确定为所述目标对象结构图。
20.根据权利要求14~19中任一项所述的装置,其中,所述第一获得子模块,包括:
第三获得单元,用于将与所述待处理媒体信息对应的短语结构图中的短语节点拆分为对象节点,得到多个所述对象节点;
第三确定单元,用于根据所述短语结构图,确定多个所述对象节点之间的对象节点关系;以及
第四获得单元,用于根据多个所述对象节点和多个所述对象节点之间的对象节点关系,得到所述第一中间对象结构图。
21.根据权利要求20所述的装置,其中,所述短语结构图还包括至少一个原有节点和至少一个用于连接两个节点的边,所述两个短语节点包括以下之一:两个所述附加节点、一个所述附加节点和一个所述原有节点以及两个所述原有节点,所述原有节点是根据所述待处理媒体信息确定的;
其中,所述第三确定单元,包括:
第三确定子单元,用于根据至少一个对象关系和至少一个节点关系,确定多个所述对象节点之间的对象节点关系,其中,所述至少一个对象关系是根据以下至少之一确定的:所述至少一个原有节点中对象之间的关系和所述至少一个附加节点中对象之间的关系,所述至少一个节点关系是根据所述短语结构图中的至少一个边的边标签确定的。
22.根据权利要求20或21所述的装置,其中,所述第四获得单元,包括:
第四确定子单元,用于根据多个所述对象节点之间的对象节点关系,确定用于连接多个所述对象节点的至少一个边;以及
第三获得子单元,用于根据多个所述对象节点和所述用于连接多个所述对象节点的至少一个边,得到所述第一中间对象结构图。
23.根据权利要求13~20中任一项所述的装置,其中,所述待处理媒体信息是与自然语言处理任务相关的媒体信息,所述待处理媒体信息包括以下之一:待处理文本信息和待处理音频信息。
24.根据权利要求23所述的装置,其中,所述自然语言处理任务包括以下之一:信息抽取任务、情感分析任务、知识推理任务、意图识别任务、文本分类任务、文本摘要任务、机器翻译任务和指代消解任务。
25.一种电子设备,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1~12中任一项所述的方法。
26.一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1~12中任一项所述的方法。
27.一种计算机程序产品,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1~12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210425243.4A CN114896974A (zh) | 2022-04-21 | 2022-04-21 | 媒体信息处理方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210425243.4A CN114896974A (zh) | 2022-04-21 | 2022-04-21 | 媒体信息处理方法、装置、电子设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114896974A true CN114896974A (zh) | 2022-08-12 |
Family
ID=82717437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210425243.4A Pending CN114896974A (zh) | 2022-04-21 | 2022-04-21 | 媒体信息处理方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114896974A (zh) |
-
2022
- 2022-04-21 CN CN202210425243.4A patent/CN114896974A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220358292A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
CN114861889B (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
KR20190138562A (ko) | 정보를 생성하기 위한 방법 및 장치 | |
US20220358955A1 (en) | Method for detecting voice, method for training, and electronic devices | |
CN116955561A (zh) | 问答方法、装置、电子设备以及存储介质 | |
CN113051380B (zh) | 信息生成方法、装置、电子设备和存储介质 | |
US20210342379A1 (en) | Method and device for processing sentence, and storage medium | |
CN112528641A (zh) | 建立信息抽取模型的方法、装置、电子设备和可读存储介质 | |
CN116257690A (zh) | 一种资源推荐方法、装置、电子设备和存储介质 | |
US20220027766A1 (en) | Method for industry text increment and electronic device | |
CN118035415A (zh) | 问答方法、装置、设备以及存储介质 | |
CN113836316A (zh) | 三元组数据的处理方法、训练方法、装置、设备及介质 | |
CN117391067A (zh) | 内容质检方法、装置、设备以及存储介质 | |
CN114818736B (zh) | 文本处理方法、用于短文本的链指方法、装置及存储介质 | |
EP4145306A1 (en) | Method and apparatus of processing data, electronic device, and medium | |
CN114880498B (zh) | 事件信息展示方法及装置、设备和介质 | |
CN114461749B (zh) | 对话内容的数据处理方法、装置、电子设备和介质 | |
CN116166814A (zh) | 事件检测方法、装置、设备以及存储介质 | |
CN116010571A (zh) | 知识库构建方法、信息查询方法、装置以及设备 | |
CN113360672B (zh) | 用于生成知识图谱的方法、装置、设备、介质和产品 | |
CN113408269B (zh) | 文本情感分析方法和装置 | |
CN114880520A (zh) | 视频标题生成方法、装置、电子设备和介质 | |
CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 | |
CN114896974A (zh) | 媒体信息处理方法、装置、电子设备以及存储介质 | |
CN113344405B (zh) | 基于知识图谱生成信息的方法、装置、设备、介质和产品 |
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 |