CN115862031B - 文本处理方法、神经网络的训练方法、装置和设备 - Google Patents

Abstract

本公开提供了一种文本处理方法、神经网络的训练方法、装置和设备，涉及人工智能领域，具体涉及自然语言处理、深度学习技术、计算机视觉等领域。文本处理方法包括：获取目标文本和目标问题；利用文本理解模型对目标问题和目标文本进行处理，以得到信息抽取结果，信息抽取结果指示目标文本中的用于回答目标问题的文本片段；以及利用文本生成模型对目标问题、目标文本以及信息抽取结果进行处理，以得到用于回答目标问题的文本生成结果。

Description

文本处理方法、神经网络的训练方法、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、深度学习技术、计算机视觉等领域，特别涉及一种文本处理方法、神经网络的训练方法、文本处理装置、神经网络的训练装置、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。

目前，自然语言处理(NLP)领域上存在两种范式，分别是自然语言理解(NLU)和自然语言生成(NLG)。NLU是指理解语言、文本等，提取出有用的信息，重在理解、提取。NLG是指将结构化的数据、文本、图表、音频、视频等，生成人类可以理解的自然语言形式文本，重在生成、创造。

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、神经网络的训练方法、文本处理装置、神经网络的训练装置、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：获取目标文本和目标问题；利用文本理解模型对目标问题和目标文本进行处理，以得到信息抽取结果，信息抽取结果指示目标文本中的用于回答目标问题的文本片段；以及利用文本生成模型对目标问题、目标文本以及信息抽取结果进行处理，以得到用于回答目标问题的文本生成结果。

根据本公开的一方面，提供了一种用于文本处理的神经网络的训练方法，神经网络包括文本生成模型，该方法包括：获取样本集，样本集包括至少一个样本文本、与至少一个样本文本对应的至少一个样本问题、以及用于回答至少一个样本问题的至少一个真实结果；针对样本集中的每一个样本文本，利用文本生成模型对该样本文本、与该样本文本对应的样本问题、以及用于回答该样本问题的真实结果进行处理，以得到用于回答该样本问题的预测结果；以及基于至少一个样本文本中的每一个样本文本对应的真实结果和预测结果，调整神经网络的参数，以得到训练后的神经网络。

根据本公开的另一方面，提供了一种文本处理装置，包括：第一获取单元，被配置为获取目标文本和目标问题；第一处理单元，被配置为利用文本理解模型对目标问题和目标文本进行处理，以得到信息抽取结果，信息抽取结果指示目标文本中的用于回答目标问题的文本片段；以及第二处理单元，被配置为利用文本生成模型对目标问题、目标文本以及信息抽取结果进行处理，以得到用于回答目标问题的文本生成结果。

根据本公开的另一方面，提供了一种用于文本处理的神经网络的训练装置，神经网络包括文本生成模型，该装置包括：第二获取单元，被配置为获取样本集，样本集包括至少一个样本文本、与至少一个样本文本对应的至少一个样本问题、以及用于回答至少一个样本问题的至少一个真实结果；第三处理单元，被配置为针对样本集中的每一个样本文本，利用文本生成模型对该样本文本、与该样本文本对应的样本问题、以及用于回答该样本问题的真实结果进行处理，以得到用于回答该样本问题的预测结果；以及调参单元，被配置为基于至少一个样本文本中的每一个样本文本对应的真实结果和预测结果，调整神经网络的参数，以得到训练后的神经网络。

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，通过利用文本理解模型针对目标问题和目标文本生成初步的信息抽取结果，再利用文本生成模型基于文本理解模型输出的信息抽取结果针对目标问题和目标文本生成最终的答案文本。由此，能够兼顾文本理解模型和文本生成模型的优势，具有准确性高、鲁棒性强的特点。此外，这样的方式无需人工构造后处理规则即能够对文本中的错误进行纠正，降低了模型的处理流程和人工成本，耗时小收益高。

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1A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1B示出了根据本公开示例性实施例的神经网络的示意图；

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利用文本理解模型对目标问题和目标文本进行处理的流程图；

图4示出了根据本公开示例性实施例的神经网络的训练方法的流程图；

图5示出了根据本公开示例性实施例的生成用于回答样本问题的预测结果的流程图；

图6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7示出了根据本公开示例性实施例的神经网络的训练装置的结构框图；以及

图8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。

相关技术中的开放文档信息抽取与文档方法包括文本理解方法和文本生成方法，但通常都是纯理解范式或纯生成范式，没有很好的将两种方法进行组合使用。一种组合方式是通过规则投票的方式进行组合，但这样生成的结果对准确度的提升有限，且鲁棒性弱。

为解决上述问题，本公开通过利用文本理解模型针对目标问题和目标文本生成初步的信息抽取结果，再利用文本生成模型基于文本理解模型输出的信息抽取结果针对目标问题和目标文本生成最终的答案文本。由此，能够兼顾文本理解模型和文本生成模型的优势，具有准确性高、鲁棒性强的特点。此外，这样的方式无需人工构造后处理规则即能够对文本中的错误进行纠正，降低了模型的处理流程和人工成本，耗时小收益高。

下面将结合附图详细描述本公开的实施例。

图1A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1A，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1A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1A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来进行人机交互。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1A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1A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，文本处理方法包括：步骤S201、获取目标文本和目标问题；步骤S202、利用文本理解模型对目标问题和目标文本进行处理，以得到信息抽取结果，信息抽取结果指示目标文本中的用于回答目标问题的文本片段；以及步骤S203、利用文本生成模型对目标问题、目标文本以及信息抽取结果进行处理，以得到用于回答目标问题的文本生成结果。

由此，通过利用文本理解模型针对目标问题和目标文本生成初步的信息抽取结果，再利用文本生成模型基于文本理解模型输出的信息抽取结果针对目标问题和目标文本生成最终的答案文本。由此，能够兼顾文本理解模型和文本生成模型的优势，具有准确性高、鲁棒性强的特点。此外，这样的方式无需人工构造后处理规则即能够对文本中的错误进行纠正，降低了模型的处理流程和人工成本，耗时小收益高。

在一些实施例中，本公开的方法可以用于开放文档信息抽取与问答场景下。为便于对发明构思进行阐述说明，本公开将主要以开放文档信息抽取与问答场景作为示例进行说明，但仅为示例性的。可以理解的是，本公开的方法也可以用于其他场景和其他的自然语言处理任务，在此不作限定。

现阶段，开放文档信息抽取与问答的结果建立在光学字符识别(OpticalCharacter Recognition，OCR)的基础上，倘若OCR识别出来的文字存在错误，这种错误在纯文本理解模型上是不可修复的。相关技术中，部分开放文档信息抽取与问答方法使用人工构造后处理规则的方式来解决文本错误的问题，但这样的方式需要大量人工成本，并且只能解决后处理规则覆盖的错误，对于后处理规则外的错误，这样的方法无能为力。文本生成模型恰好可以解决这个问题，实现OCR纠错。因此，本公开提出了一种融合理解模型和生成模型的文本处理方法。

根据一些实施例，目标文本例如可以是通过对文档图像进行OCR得到的。步骤S201、获取目标文本和目标问题可以包括：对文档图像进行文本识别，以得到目标文本。目标问题例如可以是基于prompt方式而生成的。

本公开使用的文本理解模型和文本生成模型可以是现有的文本理解模型和文本生成模型，也可以是在实施本公开的方法时根据需求而搭建并训练得到的模型，在此不作限定。

根据一些实施例，如图3所示，步骤S202、利用文本理解模型对目标问题和目标文本进行处理，以得到信息抽取结果可以包括：步骤S301、将目标问题和目标文本输入文本理解模型，以得到对目标文本的标注结果，标注结果指示目标文本中的哪些部分属于用于回答目标问题的文本片段；以及步骤S302、基于对目标文本的标注结果，确定信息抽取结果。由此，通过标注的方式实现了在目标文本中确定用于回答问题的文本片段。

在一些实施例中，对目标文本的标注结果例如可以包括对目标文本中的部分分词或每一个分词的标注结果，这些标注结果能够指示目标文本中的被抽取的部分。因此，可以基于这些标注结果在目标文本中进行抽取，以得到信息抽取结果(例如，目标文本中的被抽取的文本片段)。

需要注意的是，文本理解模型输出的信息抽取结果是目标文本中的原文片段，而文本生成模型输出的文本生成结果不一定是目标文本中的原文片段，这也使得本公开的方法能够纠正目标文本中的错误。

根据一些实施例，文本理解模型可以包括第二编码器和至少一个标注模型。步骤S301、将目标问题和目标文本输入文本理解模型，以得到对目标文本的标注结果可以包括：将目标问题和目标文本输入第二编码器，以得到第二中间特征向量，第二中间特征向量表征目标问题和目标文本两者各自的语义信息；分别利用至少一个标注模型中的每一个标注模型对第二中间特征向量进行处理，以得到至少一个标注模型各自输出的对目标文本的候选标注结果；以及基于与至少一个标注模型对应的至少一个候选标注结果，确定标注结果。由此，通过使用至少一个标注模型对目标文本进行标注，并基于这些标注模型各自输出的候选标注结果确定最终的标注结果，使得能够得到更准确的标注结果，进而得到更准确的信息抽取结果。

在一些实施例中，第二编码器的输入(也就是文本理解模型的输入)可以是将目标文本和目标问题进行拼接而得到的。在拼接结果的基础上，还可以插入多个特殊符号，例如句首特殊符号[CLS]和分割符号[SEP]等。

在一些实施例中，第二编码器的输入还可以包括文档图像。步骤S202、利用文本理解模型对目标问题和目标文本进行处理，以得到信息抽取结果可以包括：利用文本理解模型对目标问题、目标文本和文档图像进行处理，以得到信息抽取结果。在一个示例性实施例中，可以将文档图像按7×7切分为多个图像块，并将这些图像块(或对应的图像特征)拼接到目标文本和目标问题之后，并使用分割符号[SEP]或符号[IMG]进行分割。第二编码器可以基于自注意力机制(例如，采用Transformer结构)对输入的令牌(token，包括目标文本和目标问题中的分词、图像块、以及特殊符号)进行处理，以生成与每一个令牌对应的编码特征向量。第二编码器之后的标注模型能够基于这些编码特征向量对目标文本进行标注。

在一些实施例中，可以采用多个标注模型，并融合这些标注模型生成的候选标注结果，以得到最终的标注结果。多个标注模型例如可以包括基于BIO、BIOES、SE、MachineReading Comprehension(MRC)等解码方式的标注模型。在一个示例性实施例中，还可以生成对候选标注结果的打分，进而可以从中选择得分最高的候选标注结果作为标注结果。

在得到文本理解模型输出的信息抽取结果后，可以使用文本生成模型对目标问题、目标文本以及信息抽取结果进行处理，以得到最终的文本生成结果。

根据一些实施例，文本生成模型可以采用Encoder-Decoder结构，包括第一编码器和第一解码器。步骤S203、利用文本生成模型对目标问题、目标文本以及信息抽取结果进行处理，以得到用于回答目标问题的文本生成结果包括：将目标问题、目标文本以及信息抽取结果输入第一编码器，以得到第一中间特征向量，第一中间特征向量表征目标问题、目标文本以及信息抽取结果三者各自的语义信息；以及将中间特征向量输入第一解码器，以得到文本生成结果。由此，通过使用编码器-解码器结构，生成式地获取到作为对目标问题的答案的文本生成结果。而通过使用生成式的模型，能够得到与目标文本不同的文本内容，从而能够实现对目标文本中的错误进行纠正。

在一些实施例中，第一编码器和第一编码器的输入(即，文本生成模型的输入)与上文描述的第二编码器和第二编码器的输入类似，区别仅在于第一编码器的输入额外拼接了文本理解模型输出的信息抽取结果。

在一些实施例中，第一编码器的输入也可以包括文档图像。步骤S203、利用文本生成模型对目标问题、目标文本以及信息抽取结果进行处理，以得到用于回答目标问题的文本生成结果可以包括：利用文本生成模型对目标问题、目标文本、信息抽取结果以及文档图像进行处理，以得到文本生成结果。

图1B示出了根据本申请的示例性实施例的神经网络的结构框图。如图1B所示，神经网络150包括文本理解模型160和文本生成模型180。其中，文本理解模型160中的第二编码器162对输入164进行处理，得到第二中间特征向量166，进而由标注模型168对第二中间特征166进行处理，得到信息抽取结果170。文本生成模型中的第一编码器182对输入184进行处理，得到第一中间特征向量(未示出)，进而由解码器186对第一中间特征向量进行处理，得到最终的文本生成结果188。

在一个示例性实施例中，文档中的原始文本例如可以是“小明爱吃苹果”，OCR识别出的目标文本是“小明爱吃平果”，目标问题是“小明爱吃什么？”。相关技术中的纯文本理解模型输出的结果可能是“平果”，而本公开的方法能够得到准确的结果“苹果”。

根据本公开的另一方面，提供了一种用于文本处理的神经网络的训练方法，神经网络包括文本生成模型。如图4所示，该方法包括：步骤S401、获取样本集，样本集包括至少一个样本文本、与至少一个样本文本对应的至少一个样本问题、以及用于回答至少一个样本问题的至少一个真实结果；步骤S402、针对样本集中的每一个样本文本，利用文本生成模型对该样本文本、与该样本文本对应的样本问题、以及用于回答该样本问题的真实结果进行处理，以得到用于回答该样本问题的预测结果；以及步骤S403、基于至少一个样本文本中的每一个样本文本对应的真实结果和预测结果，调整神经网络的参数，以得到训练后的神经网络。可以理解的是，图4中的步骤S401和步骤S402的操作分别与图2中的步骤S201和步骤S203的操作类似，在此不作赘述。通过使用上述步骤对神经网络进行训练，可以使得训练后的神经网络具备输出准确的文本处理结果的能力。

在一些实施例中，文本生成模型可以是用于自然语言处理的预训练模型，例如大规模模型ERNIE、BERT等等。图4中的上述方法可以是对文本生成模型的微调训练。神经网络还可以包括上文描述的文本理解模型。文本理解模型可以是在用于自然语言处理的预训练模型的基础上通过利用标注任务进行微调而得到的。

根据一些实施例，如图5所示，步骤S402、针对样本集中的每一个样本文本，利用文本生成模型对该样本文本、与该样本文本对应的样本问题、以及用于回答该样本问题的真实结果进行处理，以得到用于回答该样本问题的预测结果可以包括：步骤S501、在样本集中确定至少一个扰动样本文本；步骤S502、针对至少一个扰动样本文本中的每一个扰动样本文本，对该扰动样本文本对应的真实结果进行扰动处理，以得到与该扰动样本文本对应的扰动结果；以及步骤S503、利用文本生成模型对该扰动文本、与该扰动文本对应的样本问题、以及与该扰动文本对应的扰动结果进行处理，以得到用于回答该样本问题的预测结果。由此，通过在训练过程对文本生成模型的输入中的真实结果进行扰动，可以帮助文本生成模型获得对扰动结果进行纠正的能力，从而使得训练后的神经网络能够纠正文本中的错误。

根据一些实施例，对至少一个扰动样本文本中的每一个扰动样本文本的真实结果的扰动处理可以包括以下中的至少一项：对该真实结果进行随机向内缩小或向外扩大；将该真实结果替换为该扰动样本文本所在的文档页面中的其他文本片段；以及将该真实结果替换为该扰动样本文本所在的文档页面中的与其他样本问题对应的真实结果。由此，通过上述方式，可以进一步增强神经网络的纠错能力。

在一个示例性实施例中，对于训练集，保持80％的真实结果不变(ground truth)，对剩余的20％真实结果进行随机扰动，得到扰动结果。

扰动方案如下：

(1)将80％的真实结果随机向内缩小或向外扩大，向外扩大例如可以是将扰动样本文本中的内容增加到真实结果中以得到扰动结果；

(2)将10％的真实结果替换为当前文档内任一个其他文本片段，其他文本片段可以是指文档经过OCR解析后得到的片段粒度下的其他文本片段；

(3)将10％的真实结果替换为当前文档内的任一个与其他样本问题对应的真实结果。

在一些实施例中，本领域技术人员可以采用各类方式调整神经网络的参数，例如可以预先确定损失函数，并利用损失函数计算表征真实上位词和预测上位词的差异的损失值，进而基于损失值调整神经网络的参数。

在一些实施例中，也可以对包括文本理解模型和文本生成模型的神经网络进行端到端训练。

在一些实施例中，在训练后的验证和测试环节中，文本生成模型的输入是文本理解模型的输出，而不是真实结果。

根据本公开的另一方面，提供了一种文本处理装置。如图6所示，装置600包括：第一获取单元610，被配置为获取目标文本和目标问题；第一处理单元620，被配置为利用文本理解模型对目标问题和目标文本进行处理，以得到信息抽取结果，信息抽取结果指示目标文本中的用于回答目标问题的文本片段；以及第二处理单元630，被配置为利用文本生成模型对目标问题、目标文本以及信息抽取结果进行处理，以得到用于回答目标问题的文本生成结果。可以理解的是，装置600中的单元610-单元630的操作和图2中的步骤S201-步骤S203的操作类似，在此不作赘述。

根据一些实施例，第一处理单元可以包括：第一输入子单元，被配置为将目标问题和目标文本输入文本理解模型，以得到对目标文本的标注结果，标注结果指示目标文本中的哪些部分属于用于回答目标问题的文本片段；以及第一确定子单元，被配置为基于对目标文本的标注结果，确定信息抽取结果。

根据一些实施例，文本生成模型可以包括第一编码器和第一解码器，第二处理单元包括：第二输入子单元，被配置为将目标问题、目标文本以及信息抽取结果输入第一编码器，以得到第一中间特征向量，第一中间特征向量表征目标问题、目标文本以及信息抽取结果三者各自的语义信息；以及第三输入子单元，被配置为将中间特征向量输入第一解码器，以得到文本生成结果。

根据一些实施例，第一获取单元可以包括：识别子单元，被配置为对文档图像进行文本识别，以得到目标文本。第一处理单元被配置为利用文本理解模型对目标问题、目标文本和文档图像进行处理，以得到信息抽取结果。第二处理单元被配置为利用文本生成模型对目标问题、目标文本、信息抽取结果以及文档图像进行处理，以得到文本生成结果。

根据一些实施例，文本理解模型可以包括第二编码器和至少一个标注模型。第一输入子单元可以包括：第四输入子单元，被配置为将目标问题和目标文本输入第二编码器，以得到第二中间特征向量，第二中间特征向量表征目标问题和目标文本两者各自的语义信息；第一处理子单元，被配置为分别利用至少一个标注模型中的每一个标注模型对第二中间特征向量进行处理，以得到至少一个标注模型各自输出的对目标文本的候选标注结果；以及第二确定子单元，被配置为基于与至少一个标注模型对应的至少一个候选标注结果，确定标注结果。

根据本公开的另一方面，提供了一种用于文本处理的神经网络的训练装置，神经网络包括文本生成模型。如图7所示，装置700包括：第二获取单元710，被配置为获取样本集，样本集包括至少一个样本文本、与至少一个样本文本对应的至少一个样本问题、以及用于回答至少一个样本问题的至少一个真实结果；第三处理单元720，被配置为针对样本集中的每一个样本文本，利用文本生成模型对该样本文本、与该样本文本对应的样本问题、以及用于回答该样本问题的真实结果进行处理，以得到用于回答该样本问题的预测结果；以及调参单元730，被配置为基于至少一个样本文本中的每一个样本文本对应的真实结果和预测结果，调整神经网络的参数，以得到训练后的神经网络。可以理解的是，装置700中的单元710-单元730的操作和图5中的步骤S401-步骤S403的操作类似，在此不作赘述。

根据一些实施例，第三处理单元可以包括：第三确定子单元，被配置为在样本集中确定至少一个扰动样本文本；第二处理子单元，被配置为针对至少一个扰动样本文本中的每一个扰动样本文本，对该扰动样本文本对应的真实结果进行扰动处理，以得到与该扰动样本文本对应的扰动结果；以及第三处理子单元，被配置为利用文本生成模型对该扰动文本、与该扰动文本对应的样本问题、以及与该扰动文本对应的扰动结果进行处理，以得到用于回答该样本问题的预测结果。

根据一些实施例，对至少一个扰动样本文本中的每一个扰动样本文本的真实结果的扰动处理包括以下中的至少一项：对该真实结果进行随机向内缩小或向外扩大；将该真实结果替换为该扰动样本文本所在的文档页面中的其他文本片段；以及将该真实结果替换为该扰动样本文本所在的文档页面中的与其他样本问题对应的真实结果。

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8，现将描述可以作为本公开的服务器或客户端的电子设备800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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向设备800输入信息的任何类型的设备，输入单元806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807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808可以包括但不限于磁盘、光盘。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如文本处理方法。例如，在一些实施例中，文本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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的文本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801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。

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 (12)

1.一种文本处理方法，包括：

获取目标文本和目标问题；

利用文本理解模型对所述目标问题和所述目标文本进行处理，以得到信息抽取结果，包括：

将所述目标问题和所述目标文本输入所述文本理解模型所包括的第二编码器，以得到第二中间特征向量，所述第二中间特征向量表征所述目标问题和所述目标文本两者各自的语义信息；

分别利用所述文本理解模型所包括的至少一个标注模型中的每一个标注模型对所述第二中间特征向量进行处理，以得到所述至少一个标注模型各自输出的对所述目标文本的候选标注结果；以及

基于与所述至少一个标注模型对应的至少一个候选标注结果，确定标注结果，所述标注结果指示所述目标文本中的哪些部分属于用于回答所述目标问题的文本片段；以及

基于对所述目标文本的标注结果，确定所述信息抽取结果；以及

利用文本生成模型对所述目标问题、所述目标文本以及所述信息抽取结果进行处理，以得到用于回答所述目标问题的文本生成结果，包括：

将所述目标问题、所述目标文本以及所述信息抽取结果输入所述文本生成模型所包括的第一编码器，以得到第一中间特征向量，所述第一中间特征向量表征所述目标问题、所述目标文本以及所述信息抽取结果三者各自的语义信息；以及

将所述中间特征向量输入所述文本生成模型所包括的第一解码器，以得到所述文本生成结果。

2.根据权利要求1所述的方法，其中，获取目标文本和目标问题包括：

对文档图像进行文本识别，以得到所述目标文本，

其中，利用文本理解模型对所述目标问题和所述目标文本进行处理，以得到信息抽取结果包括：

利用文本理解模型对所述目标问题、所述目标文本和所述文档图像进行处理，以得到所述信息抽取结果，

其中，利用文本生成模型对所述目标问题、所述目标文本以及所述信息抽取结果进行处理，以得到用于回答所述目标问题的文本生成结果包括：

利用文本生成模型对所述目标问题、所述目标文本、所述信息抽取结果以及所述文档图像进行处理，以得到所述文本生成结果。

3.一种用于文本处理的神经网络的训练方法，所述神经网络包括文本生成模型，所述方法包括：

获取样本集，所述样本集包括至少一个样本文本、与所述至少一个样本文本对应的至少一个样本问题、以及用于回答所述至少一个样本问题的至少一个真实结果；

针对所述样本集中的每一个样本文本，利用所述文本生成模型对该样本文本、与该样本文本对应的样本问题、以及用于回答该样本问题的真实结果进行处理，以得到用于回答该样本问题的预测结果；以及

基于所述至少一个样本文本中的每一个样本文本对应的真实结果和预测结果，调整所述神经网络的参数，以得到训练后的神经网络，其中，所述训练后的神经网络用于执行根据权利要求1或2所述的方法。

4.根据权利要求3所述的方法，其中，针对所述样本集中的每一个样本文本，利用所述文本生成模型对该样本文本、与该样本文本对应的样本问题、以及用于回答该样本问题的真实结果进行处理，以得到用于回答该样本问题的预测结果包括：

在所述样本集中确定至少一个扰动样本文本；

针对所述至少一个扰动样本文本中的每一个扰动样本文本，对该扰动样本文本对应的真实结果进行扰动处理，以得到与该扰动样本文本对应的扰动结果；以及

利用所述文本生成模型对该扰动样本文本、与该扰动样本文本对应的样本问题、以及与该扰动样本文本对应的扰动结果进行处理，以得到用于回答该样本问题的预测结果。

5.根据权利要求4所述的方法，其中，对所述至少一个扰动样本文本中的每一个扰动样本文本的真实结果的扰动处理包括以下中的至少一项：

对该真实结果进行随机向内缩小或向外扩大；

将该真实结果替换为该扰动样本文本所在的文档页面中的其他文本片段；以及

将该真实结果替换为该扰动样本文本所在的文档页面中的与其他样本问题对应的真实结果。

6.一种文本处理装置，包括：

第一获取单元，被配置为获取目标文本和目标问题；

第一处理单元，被配置为利用文本理解模型对所述目标问题和所述目标文本进行处理，以得到信息抽取结果，包括：

将所述目标问题和所述目标文本输入所述文本理解模型所包括的第二编码器，以得到第二中间特征向量，所述第二中间特征向量表征所述目标问题和所述目标文本两者各自的语义信息；

分别利用所述文本理解模型所包括的至少一个标注模型中的每一个标注模型对所述第二中间特征向量进行处理，以得到所述至少一个标注模型各自输出的对所述目标文本的候选标注结果；以及

基于与所述至少一个标注模型对应的至少一个候选标注结果，确定标注结果，所述标注结果指示所述目标文本中的哪些部分属于用于回答所述目标问题的文本片段；以及

基于对所述目标文本的标注结果，确定所述信息抽取结果；以及

第二处理单元，被配置为利用文本生成模型对所述目标问题、所述目标文本以及所述信息抽取结果进行处理，以得到用于回答所述目标问题的文本生成结果，包括：

将所述目标问题、所述目标文本以及所述信息抽取结果输入所述文本生成模型所包括的第一编码器，以得到第一中间特征向量，所述第一中间特征向量表征所述目标问题、所述目标文本以及所述信息抽取结果三者各自的语义信息；以及

将所述中间特征向量输入所述文本生成模型所包括的第一解码器，以得到所述文本生成结果。

7.根据权利要求6所述的装置，其中，所述第一获取单元包括：

识别子单元，被配置为对文档图像进行文本识别，以得到所述目标文本，

其中，所述第一处理单元被配置为利用文本理解模型对所述目标问题、所述目标文本和所述文档图像进行处理，以得到所述信息抽取结果，

其中，所述第二处理单元被配置为利用文本生成模型对所述目标问题、所述目标文本、所述信息抽取结果以及所述文档图像进行处理，以得到所述文本生成结果。

8.一种用于文本处理的神经网络的训练装置，所述神经网络包括文本生成模型，所述装置包括：

第二获取单元，被配置为获取样本集，所述样本集包括至少一个样本文本、与所述至少一个样本文本对应的至少一个样本问题、以及用于回答所述至少一个样本问题的至少一个真实结果；

第三处理单元，被配置为针对所述样本集中的每一个样本文本，利用所述文本生成模型对该样本文本、与该样本文本对应的样本问题、以及用于回答该样本问题的真实结果进行处理，以得到用于回答该样本问题的预测结果；以及

调参单元，被配置为基于所述至少一个样本文本中的每一个样本文本对应的真实结果和预测结果，调整所述神经网络的参数，以得到训练后的神经网络，其中，所述训练后的神经网络用于根据权利要求6或7所述的装置。

9.根据权利要求8所述的装置，其中，第三处理单元包括：

第三确定子单元，被配置为在所述样本集中确定至少一个扰动样本文本；

第二处理子单元，被配置为针对所述至少一个扰动样本文本中的每一个扰动样本文本，对该扰动样本文本对应的真实结果进行扰动处理，以得到与该扰动样本文本对应的扰动结果；以及

第三处理子单元，被配置为利用所述文本生成模型对该扰动样本文本、与该扰动样本文本对应的样本问题、以及与该扰动样本文本对应的扰动结果进行处理，以得到用于回答该样本问题的预测结果。

10.根据权利要求9所述的装置，其中，对所述至少一个扰动样本文本中的每一个扰动样本文本的真实结果的扰动处理包括以下中的至少一项：

对该真实结果进行随机向内缩小或向外扩大；

将该真实结果替换为该扰动样本文本所在的文档页面中的其他文本片段；以及

将该真实结果替换为该扰动样本文本所在的文档页面中的与其他样本问题对应的真实结果。

11.一种电子设备，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1-5中任一项所述的方法。

12.一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1-5中任一项所述的方法。