CN116821327A - 文本数据处理方法、装置、设备、可读存储介质及产品 - Google Patents
文本数据处理方法、装置、设备、可读存储介质及产品 Download PDFInfo
- Publication number
- CN116821327A CN116821327A CN202210262162.7A CN202210262162A CN116821327A CN 116821327 A CN116821327 A CN 116821327A CN 202210262162 A CN202210262162 A CN 202210262162A CN 116821327 A CN116821327 A CN 116821327A
- Authority
- CN
- China
- Prior art keywords
- trained
- model
- text
- training
- text classification
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 39
- 238000012549 training Methods 0.000 claims abstract description 278
- 238000013145 classification model Methods 0.000 claims abstract description 219
- 238000000605 extraction Methods 0.000 claims abstract description 219
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005295 random walk Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开实施例提供一种文本数据处理方法、装置、设备、可读存储介质及产品,方法包括:获取多组训练数据,训练数据中包括文本数据、文本数据对应的类别标签;将多组训练数据输入至预训练的关键句抽取模型,获得与多组训练数据对应的多组关键句信息;将多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果;根据第一识别结果以及类别标签,对预训练的关键句抽取模型以及预训练的文本分类模型进行联合训练,获得训练后的目标关键句抽取模型以及目标文本分类模型。通过将两个独立模型进行联合训练,使得关键句抽取模型和文本分类模型能够互相促进、同时达到最优的效果。
Description
技术领域
本公开实施例涉及数据处理技术领域,尤其涉及一种文本数据处理方法、装置、设备、可读存储介质及产品。
背景技术
在网络平台为用户提供服务的过程中,往往可以获取用户端发送的文字、语音、视频等形式的反馈内容。为了给用户提供更优质的服务,往往需要对用户反馈内容的识别操作,一般需要将不同类型的反馈内容转换为文本形式,进一步地对文本形式的内容进行数据分析操作。
不同对话的文本长度差异极大,平均文本长度达到500字以上,约20%的文本长度达到1000字以上。而由于对话文本较长,因此,对对话文本的分类操作难度较高。分类模型难以处理超文本,输入序列如果较长,会导致浅层模型难以拟合分类问题,深层模型容易过拟合,且运行性能较差,训练成本极高。
现有的分类方法一般都是采用增加训练集的方式实现对分类模型的优化,使得优化后的分类模型具有更高的识别精度。但是,由于文本的标注成本较高,从而导致训练集较难获取,模型优化的难度较大。
发明内容
本公开实施例提供一种文本数据处理方法、装置、设备、可读存储介质及产品,用于解决现有的文本分类方法模型优化难度较大的技术问题。
第一方面,本公开实施例提供一种文本数据处理方法,包括:
获取多组训练数据,其中,所述训练数据中包括文本数据以及与所述文本数据对应的类别标签;
将所述多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息;
将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,所述第一识别结果用于表征所述关键句信息对应的类别标签;
根据所述第一识别结果以及所述类别标签,对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行联合训练,获得训练后的目标关键句抽取模型以及目标文本分类模型,所述联合训练用于表征联合所述预训练的关键句抽取模型以及所述预训练的文本分类模型的损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行训练操作;
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型用于对待分类的文本数据进行类别识别操作。
第二方面,本公开实施例提供一种文本数据处理方法,包括:
获取终端设备发送的文本分类请求,其中,所述文本分类请求中包括待识别的文本数据;
将所述待识别的文本数据输入至训练后的目标关键句抽取模型中,获得与所述待分类的文本数据对应的待分类的关键句信息;
将所述待分类的关键句信息输入至训练后的目标文本分类模型中,获得所述待识别的文本数据对应的类别信息;
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型是将从数据服务器中获取的多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息,将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,采用所述第一识别结果以及所述类别标签对预训练的关键句抽取模型以及预训练的文本分类模型进行联合训练后获得的,其中,所述第一识别结果用于表征所述关键句信息对应的类别标签。
第三方面,本公开实施例提供一种文本数据处理装置,包括:
获取模块,用于获取多组训练数据,其中,所述训练数据中包括文本数据以及与所述文本数据对应的类别标签;
第一输入模块,用于将所述多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息;
第二输入模块,用于将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,所述第一识别结果用于表征所述关键句信息对应的类别标签;
处理模块,用于根据所述第一识别结果以及所述类别标签,对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行联合训练,获得训练后的目标关键句抽取模型以及目标文本分类模型,所述联合训练用于表征联合所述预训练的关键句抽取模型以及所述预训练的文本分类模型的损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行训练操作;
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型用于对待分类的文本数据进行类别识别操作。
第四方面,本公开实施例提供一种文本数据处理装置,包括:
请求获取模块,用于获取终端设备发送的文本分类请求,其中,所述文本分类请求中包括待识别的文本数据;
抽取模块,用于将所述待识别的文本数据输入至训练后的目标关键句抽取模型中,获得与所述待分类的文本数据对应的待分类的关键句信息;
分类模块,用于将所述待分类的关键句信息输入至训练后的目标文本分类模型中,获得所述待识别的文本数据对应的类别信息;
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型是将从数据服务器中获取的多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息,将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,采用所述第一识别结果以及所述类别标签对预训练的关键句抽取模型以及预训练的文本分类模型进行联合训练后获得的,其中,所述第一识别结果用于表征所述关键句信息对应的类别标签。
第五方面,本公开实施例提供一种电子设备,包括:处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计、第二方面以及第二方面各种可能的设计所述的文本数据处理方法。
第六方面,本公开实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计、第二方面以及第二方面各种可能的设计所述的文本数据处理方法。
第七方面,本公开实施例提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上第一方面以及第一方面各种可能的设计、第二方面以及第二方面各种可能的设计所述的文本数据处理方法。
本实施例提供的文本数据处理方法、装置、设备、可读存储介质及产品,通过采用关键句抽取模型对训练数据中的文本进行关键句信息抽取操作,采用文本分类模型对关键句抽取模型输出的关键句信息进行分类操作,并对两个模型进行联合训练操作,从而能够基于现有的训练数据实现对关键句抽取模型以及文本分类模型的训练操作,无需扩充训练数据。此外,通过对关键句抽取模型以及文本分类模型进行联合训练,从而能够有效地提高文本分类的准确率以及成功率,基于现有的训练数据实现了对文本的准确分类。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例一提供的文本数据处理方法的流程示意图;
图2为本公开实施例提供的模型的网络结构图;
图3为本公开实施例二提供的文本数据处理方法的流程示意图;
图4为本公开实施例三提供的文本数据处理方法的流程示意图;
图5为本公开实施例四提供的文本数据处理方法的流程示意图;
图6为本公开实施例五提供的文本数据处理方法的流程示意图;
图7为本公开实施例六提供的文本数据处理装置的结构示意图;
图8为本公开实施例七提供的文本数据处理装置的结构示意图;
图9为本公开实施例八提供的电子设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
针对上述提及的现有的文本分类方法模型优化难度较大的技术问题,本公开提供了一种文本数据处理方法、装置、设备、可读存储介质及产品。
需要说明的是,本公开提供文本数据处理方法、装置、设备、可读存储介质及产品可运用在对各种类型文本分类的场景中。
传统的文本分类方法对文本的处理方法往往是以下三种方法:1)对文本进行截取,超出一定长度则抛弃;2)设计层次结构的文本编码模型;3)通过扩充训练数据集优化模型结构,降低模型参数和计算复杂度。但是,直接对文本进行截取,可能会损失原文中关键信息,导致文本分类不准确;由于部分长文本的字数范围极大,通常在几百字到数千字之间,即使是采用层次结构文本编码模型,由于长文本中大部分内容对模型而言都是噪声,预测效果也往往不好;文本的标注成本极高,导致训练数据集不足以支持其它深层文本分类模型的训练。
在解决上述技术问题的过程中,发明人通过研究发现,可以使用抽取式神经网络删减文本的冗余信息,最后在文本分类模型上表现出了更好的效果。具体地,可以先通过关键句抽取模型对文本信息进行关键句信息的抽取操作,采用文本分类模型对关键句信息进行分类操作。借助强化学习中的策略梯度方法可以将两个独立模型进行联合训练,使得关键句抽取模型和文本分类模型能够互相促进、同时达到最优的效果。
图1为本公开实施例一提供的文本数据处理方法的流程示意图,如图1所示,该方法包括:
步骤101、获取多组训练数据,其中,所述训练数据中包括文本数据以及与所述文本数据对应的类别标签。
本实施例的执行主体为文本数据处理装置,该文本数据处理装置可耦合于服务器中。
在本实施方式中,为了实现对文本的准确分类,可以采用关键句抽取模型以及文本分类模型组合的方式,对文本进行分类操作。为了提高网络模型文本分类的效率,首先需要对关键句抽取模型以及文本分类模型进行训练操作。首先,需要获取多组训练数据,其中,各组训练数据中包括文本数据以及文本数据对应的类别标签。以在线客服应用场景举例来说,文本数据对应的类别标签包括但不限于无法实名注册、无法登陆、更换绑定手机号码、更改用户名等。
其中,该多组训练数据可以为文本数据处理装置从数据服务器中获取的,也可以为本地预先存储的,还可以为用户根据实际需求发送的,本公开对此不做限制。
可选地,本公开实施例中所述的文本数据可以为长度超过预设字符的长文本数据。
步骤102、将所述多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息。
在本实施方式中,在获取到多组训练数据之后,首先可以将多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息。其中,该预训练的关键句抽取模型可以先采用卷积神经网络进行句子编码,然后将句子向量输入至指针网络模型中的编码器端进行文本编码操作,在解码器端依次预测关键句和句子位置编号,完成对关键句的抽取操作。
其中,指针网络模型主要是基于长短期循环神经网络和注意力机制实现的,通过注意力机制可以强制模型以句子位置的形式预测出文本中能代表文本数据主要信息的关键句信息。
步骤103、将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,所述第一识别结果用于表征所述关键句信息对应的类别标签。
在本实施方式中,在完成对文本数据的关键句提取之后,可以去除大量文本数据中的冗余数据,有效地降低了文本数据的数据量。此时,可以将多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,第一识别结果用于表征关键句信息对应的类别标签。其中,该文本分类模型可以为bert模型,或者其可以为其他任意一种能够实现文本分类的网络模型,本公开对此不做限制。
步骤104、根据所述第一识别结果以及所述类别标签,对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行联合训练,获得训练后的目标关键句抽取模型以及目标文本分类模型,所述联合训练用于表征联合所述预训练的关键句抽取模型以及所述预训练的文本分类模型的损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行训练操作。
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型用于对待分类的文本数据进行类别识别操作。
在本实施方式中,为了进一步地提高文本分类的精度,可以对预训练的关键句抽取模型以及所述预训练的文本分类模型进行联合训练操作。具体地,可以根据第一识别结果以及各组训练数据中的类别标签,对预训练的关键句抽取模型以及所述预训练的文本分类模型进行联合训练,获得训练后的目标关键句抽取模型以及目标文本分类模型。其中,该联合训练具体可以为联合预训练的关键句抽取模型以及预训练的文本分类模型的损失值,根据联合后的损失值对预训练的关键句抽取模型以及预训练的文本分类模型进行训练操作。
从而在预训练的关键句抽取模型以及所述预训练的文本分类模型训练完毕之后,可以采用该目标关键句抽取模型以及目标文本分类模型对待分类的文本数据进行类别识别操作。
图2为本公开实施例提供的模型的网络结构图,如图2所示,可以将多组训练数据输入至预训练的关键句抽取模型21,将预训练的关键句抽取模型21输出的多组关键句信息输入至预训练的文本分类模型22,获得用于表征所述关键句信息对应的类别标签的第一识别结果。
进一步地,步骤103包括:
针对每组关键句信息,按照每一所述关键句信息在所述文本数据中的顺序对所述关键句信息进行拼接,获得拼接后的关键句信息。
将所述拼接后的关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果。
在本实施例中,在将关键句抽取模型输出的多组关键句信息输入至文本分类模型中进行分类操作之前,可以预先对多组关键句信息进行拼接操作。具体地,针对每一组关键句信息,可以确定该组关键句中每一关键句在文本数据中的顺序,按照该顺序对关键句进行拼接,获得拼接后的关键句信息。
将该拼接后的关键句信息输入至预训练的文本分类模型中,获得分别与各组关键句信息对应的第一识别结果。
本实施例提供的文本数据处理方法,通过采用关键句抽取模型对训练数据中的文本进行关键句信息抽取操作,采用文本分类模型对关键句抽取模型输出的关键句信息进行分类操作,并对两个模型进行联合训练操作,从而能够基于现有的训练数据实现对关键句抽取模型以及文本分类模型的训练操作,无需扩充训练数据。此外,通过对关键句抽取模型以及文本分类模型进行联合训练,从而能够有效地提高文本分类的准确率以及成功率,基于现有的训练数据实现了对文本的准确分类。
图3为本公开实施例二提供的文本数据处理方法的流程示意图,在上述任一实施例的基础上,如图3所示,步骤104包括:
步骤301、根据所述第一识别结果以及所述类别标签计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的联合损失值。
步骤302、根据所述联合损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型的参数进行调整,获得待调整的关键句抽取模型以及待调整的文本分类模型。
步骤303、采用所述多组训练数据对所述待调整的关键句抽取模型以及待调整的文本分类模型进行训练操作,获得所述待调整的关键句抽取模型以及待调整的文本分类模型输出的第二识别结果。
步骤304、检测所述第一识别结果与所述第二识别结果之间的差值是否小于预设的差值阈值。
步骤305、若是,则将所述待调整的关键句抽取模型以及待调整的文本分类模型确定为所述训练后的目标关键句抽取模型以及目标文本分类模型。
步骤306、若否,则返回执行所述获取多组训练数据的步骤,直至所述第一识别结果与所述第二识别结果之间的差值小于预设的差值阈值,获得所述训练后的目标关键句抽取模型以及目标文本分类模型。
在本实施例中,可以采用第一识别结果以及类别标签对预训练的关键句抽取模型以及所述预训练的文本分类模型进行迭代训练,直至两个模型收敛,获得训练后的目标关键句抽取模型以及目标文本分类模型。
具体地,可以根据该第一识别结果以及类别标签计算当前预训练的关键句抽取模型以及所述预训练的文本分类模型对应的联合损失值。根据该联合损失值计算模型梯度,根据策略梯度对两个模型的参数进行调整,获得待调整的关键句抽取模型以及待调整的文本分类模型。
依次将多组训练数据输入至待调整的关键句抽取模型以及待调整的文本分类模型中,获得待调整的文本分类模型输出的第二识别结果。检测第一识别结果以及第二识别结果之间的差值是否小于预设的差值阈值,若是,则表征两个模型已收敛,因此,可以将待调整的关键句抽取模型以及待调整的文本分类模型确定为所述训练后的目标关键句抽取模型以及目标文本分类模型。
反之,则表征两个模型还需要继续训练,可以返回执行所述获取多组训练数据的步骤,直至所述第一识别结果与所述第二识别结果之间的差值小于预设的差值阈值,获得所述训练后的目标关键句抽取模型以及目标文本分类模型。
进一步地,在上述任一实施例的基础上,步骤301包括:
根据所述第一识别结果以及所述类别标签分别计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的多分类交叉熵损失值以及策略梯度损失值。
根据所述多分类交叉熵损失值以及策略梯度损失值确定所述联合损失值。
在本实施例中,为了实现对联合损失值的计算,首先需要根据所述第一识别结果以及所述类别标签分别计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的多分类交叉熵损失值以及策略梯度损失值。
具体地,可以采用公式1实现对多分类较差熵损失的计算。
其中,K为类别数据,y为真实标签值,p为预测标签值,多分类交叉熵损失的主要作用是指导文本分类模型的继续优化。
进一步地,还可以采用公式1实现对策略梯度损失值的计算。
其中,R为策略梯度的reward值,此时reward为多分类交叉熵损失函数J输出值。N为训练数据的数据集的大小,该策略梯度损失值的作用是指导关键句抽取模型选择策略,使其筛选出更适合分类的文本数据对应的关键句。
进一步地,可以采用公式3实现对联合损失值的计算。
Lmixed=λJ+(1-λ)Lrl (3)
其中,联合损失值为两种损失函数的加权平均值,λ为权重参数,可以默认为0.5,还可以为根据实际需求调节的数值,本公开对此不做限制。该联合损失值的主要作用是搭建关键句抽取模型与文本分类模型互相促进的桥梁,提高文本分类的精准度。
本实施例提供的文本数据处理方法,通过根据联合损失值对预训练的关键句提取模型以及预训练的文本分类模型进行联合训练,从而能够提高关键句抽取的精度,去除文本中的冗余数据,进而能够在无需扩充训练数据集的基础上,有效地提高文本分类的精度以及效率。
图4为本公开实施例三提供的文本数据处理方法的流程示意图,在上述任一实施例的基础上,如图4所示,步骤102之前,还包括:
步骤401、获取第一训练数据集,其中,所述第一训练数据集中包括多条文本信息以及与各文本信息对应的关键句标签。
步骤402、将所述第一训练数据集输入至第一待训练模型中,获得所述第一待训练模型输出的关键句识别结果。
步骤403、根据所述关键句识别结果以及所述关键句标签对所述第一待训练模型进行迭代训练操作,直至所述第一待训练模型收敛,获得所述预训练的关键句抽取模型。
在本实施例中,在对预训练的关键句提取模型以及预训练的文本分类模型进行联合训练之前,为了提高模型训练的效率以及精度,首先可以对第一待训练模型进行训练至收敛,获得预训练的关键句提取模型。
具体地,可以获取第一训练数据集,其中,第一训练数据集中包括多条文本信息以及与各文本信息对应的关键句标签。采用该第一训练数据集对第一待训练模型进行训练操作,获得第一待训练模型输出的关键句识别结果。根据该关键句识别结果以及第一训练数据集中的关键句标签对第一待训练模型进行迭代训练操作,直至所述第一待训练模型收敛,获得所述预训练的关键句抽取模型。
进一步地,在上述任一实施例的基础上,步骤401包括:
获取数据服务器中预存的多条文本数据。
针对每条文本数据,将所述文本数据中的每个句子作为节点,将任意两个句子之间的相似度作为两个句子对应的节点之间的边,生成无向图。
采用随机游走算法对所述无向图中的节点的重要性进行打分。
按照分数对文本数据中的每个句子进行排序,并按照从前到后的顺序获取预设数量的句子作为所述文本数据对应的关键句。
根据所述文本数据对应的关键句对所述文本数据进行标注操作,获得所述第一训练数据集。
在本实施例中,在对第一待训练模型进行训练之前,首先可以构建第一训练数据集。可以采用rext rank的方式实现对文本数据中的关键句的提取。具体地,可以获取数据服务器中预存的多条文本数据。针对每一文本数据,将文本数据中的每个句子作为节点,将任意两个句子之间的相似度作为两个句子对应的节点之间的边,生成无向图。采用随机游走算法对无向图中的节点的重要性进行打分。按照分数对文本数据中的每个句子进行排序,并按照从前到后的顺序获取预设数量的句子作为文本数据对应的关键句。根据文本数据对应的关键句对文本数据进行标注操作,获得第一训练数据集。
其中,可以采用公式4实现对任意两个句子之间的相似度的计算。
其中,Si和Sj分别表示两个不同的句子,分别对两个句子的次数取对数求和作为分子,将两个句子中公共词的个数作为分子,计算相似度。
本实施例提供的文本数据处理方法,通过在对预训练的关键句提取模型以及预训练的文本分类模型进行联合训练之前,将第一待训练模型进行训练至收敛,获得预训练的关键句提取模型。从而能够有效地提高模型的训练效率,且能够提高文本分类的精度。
图5为本公开实施例四提供的文本数据处理方法的流程示意图,在上述任一实施例的基础上,如图5所示,步骤103之前,还包括:
步骤501、获取第二训练数据集,其中,所述第二训练数据集中包括多个关键句组合以及与各关键句组合对应的类别标签。
步骤502、将所述第二训练数据集输入至第二待训练模型中,获得所述第二待训练模型输出的类别识别结果。
步骤503、根据所述类别识别结果以及所述各关键句组合对应的类别标签对所述第二待训练模型进行迭代训练操作,直至所述第二待训练模型收敛,获得所述预训练的文本分类模型。
在本实施例中,在对预训练的关键句提取模型以及预训练的文本分类模型进行联合训练之前,为了提高模型训练的效率以及精度,可以对第二待训练模型进行训练至收敛,获得预训练的文本分类模型。
具体地,可以获取第二训练数据集,其中,第二训练数据集中包括多个关键句组合以及与各关键句组合对应的类别标签。将该第二数据集中的数据输入至预设的第二待训练模型中,获得第二待训练模型输出的类别识别结果。根据该类别识别结果以及各关键句组合对应的类别标签对所述第二待训练模型进行迭代训练操作,直至所述第二待训练模型收敛,获得所述预训练的文本分类模型。
本实施例提供的文本数据处理方法,通过在对预训练的关键句提取模型以及预训练的文本分类模型进行联合训练之前,将第二待训练模型进行训练至收敛,获得预训练的文本分类模型。从而能够有效地提高模型的训练效率,且能够提高文本分类的精度。
图6为本公开实施例五提供的文本数据处理方法的流程示意图,如图6所示,该方法包括:
步骤601、获取终端设备发送的文本分类请求,其中,所述文本分类请求中包括待识别的文本数据。
步骤602、将所述待识别的文本数据输入至训练后的目标关键句抽取模型中,获得与所述待分类的文本数据对应的待分类的关键句信息。
步骤603、将所述待分类的关键句信息输入至训练后的目标文本分类模型中,获得所述待识别的文本数据对应的类别信息。
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型是将从数据服务器中获取的多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息,将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,采用所述第一识别结果以及所述类别标签对预训练的关键句抽取模型以及预训练的文本分类模型进行联合训练后获得的,其中,所述第一识别结果用于表征所述关键句信息对应的类别标签。
在本实施例中,可以采用关键句抽取模型以及文本分类模型一同实现对文本的分类操作。具体地,可以获取终端设备发送的文本分类请求,其中,文本分类请求中包括待识别的文本数据。将该待识别的文本数据输入至目标关键句提取模型,获得与所述待分类的文本数据对应的待分类的关键句信息。从而能够有效地去除待识别的文本数据中的冗余信息。将该待分类的关键句信息输入至目标文本分类模型中,获得所述待识别的文本数据对应的类别信息。
其中,该训练后的目标关键句抽取模型以及目标文本分类模型是将从数据服务器中获取的多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息,将多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,采用第一识别结果以及类别标签对预训练的关键句抽取模型以及预训练的文本分类模型进行联合训练后获得的,其中,第一识别结果用于表征关键句信息对应的类别标签。
通过采用关键句抽取模型对训练数据中的文本进行关键句信息抽取操作,采用文本分类模型对关键句抽取模型输出的关键句信息进行分类操作,并对两个模型进行联合训练操作,从而能够基于现有的训练数据实现对关键句抽取模型以及文本分类模型的训练操作,无需扩充训练数据。
图7为本公开实施例六提供的文本数据处理装置的结构示意图,如图7所示,该装置包括:获取模块71、第一输入模块72、第二输入模块73以及处理模块74,其中,获取模块71,用于获取多组训练数据,其中,所述训练数据中包括文本数据以及与所述文本数据对应的类别标签;第一输入模块72,用于将所述多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息;第二输入模块73,用于将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,所述第一识别结果用于表征所述关键句信息对应的类别标签;处理模块74,用于根据所述第一识别结果以及所述类别标签,对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行联合训练,获得训练后的目标关键句抽取模型以及目标文本分类模型,所述联合训练用于表征联合所述预训练的关键句抽取模型以及所述预训练的文本分类模型的损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行训练操作;其中,所述训练后的目标关键句抽取模型以及目标文本分类模型用于对待分类的文本数据进行类别识别操作。
进一步地,在实施例六的基础上,所述处理模块用于:
根据所述第一识别结果以及所述类别标签计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的联合损失值;
根据所述联合损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型的参数进行调整,获得待调整的关键句抽取模型以及待调整的文本分类模型;
采用所述多组训练数据对所述待调整的关键句抽取模型以及待调整的文本分类模型进行训练操作,获得所述待调整的关键句抽取模型以及待调整的文本分类模型输出的第二识别结果;
检测所述第一识别结果与所述第二识别结果之间的差值是否小于预设的差值阈值;
若是,则将所述待调整的关键句抽取模型以及待调整的文本分类模型确定为所述训练后的目标关键句抽取模型以及目标文本分类模型;
若否,则返回执行所述获取多组训练数据的步骤,直至所述第一识别结果与所述第二识别结果之间的差值小于预设的差值阈值,获得所述训练后的目标关键句抽取模型以及目标文本分类模型。
进一步地,在上述任一实施例的基础上,所述处理模块用于:
根据所述第一识别结果以及所述类别标签分别计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的多分类交叉熵损失值以及策略梯度损失值;
根据所述多分类交叉熵损失值以及策略梯度损失值确定所述联合损失值。
进一步地,在上述任一实施例的基础上,所述装置还包括:
第一数据获取模块,用于获取第一训练数据集,其中,所述第一训练数据集中包括多条文本信息以及与各文本信息对应的关键句标签;
第三输入模块,用于将所述第一训练数据集输入至第一待训练模型中,获得所述第一待训练模型输出的关键句识别结果;
第一迭代训练模块,用于根据所述关键句识别结果以及所述关键句标签对所述第一待训练模型进行迭代训练操作,直至所述第一待训练模型收敛,获得所述预训练的关键句抽取模型。
进一步地,在上述任一实施例的基础上,所述数据获取模块用于:
获取数据服务器中预存的多条文本数据;
针对每条文本数据,将所述文本数据中的每个句子作为节点,将任意两个句子之间的相似度作为两个句子对应的节点之间的边,生成无向图;
采用随机游走算法对所述无向图中的节点的重要性进行打分;
按照分数对文本数据中的每个句子进行排序,并按照从前到后的顺序获取预设数量的句子作为所述文本数据对应的关键句;
根据所述文本数据对应的关键句对所述文本数据进行标注操作,获得所述第一训练数据集。
进一步地,在上述任一实施例的基础上,所述装置还包括:
第二数据获取模块,用于获取第二训练数据集,其中,所述第二训练数据集中包括多个关键句组合以及与各关键句组合对应的类别标签;
第四输入模块,用于将所述第二训练数据集输入至第二待训练模型中,获得所述第二待训练模型输出的类别识别结果;
第二迭代训练模块,用于根据所述类别识别结果以及所述各关键句组合对应的类别标签对所述第二待训练模型进行迭代训练操作,直至所述第二待训练模型收敛,获得所述预训练的文本分类模型。
进一步地,在上述任一实施例的基础上,所述第二输入模块用于:
针对每组关键句信息,按照每一所述关键句信息在所述文本数据中的顺序对所述关键句信息进行拼接,获得拼接后的关键句信息;
将所述拼接后的关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果。
图8为本公开实施例七提供的文本数据处理装置的结构示意图,如图8所示,该装置包括:请求获取模块81、抽取模块82以及分类模块83,其中,请求获取模块81,用于获取终端设备发送的文本分类请求,其中,所述文本分类请求中包括待识别的文本数据;抽取模块82,用于将所述待识别的文本数据输入至训练后的目标关键句抽取模型中,获得与所述待分类的文本数据对应的待分类的关键句信息;分类模块83,用于将所述待分类的关键句信息输入至训练后的目标文本分类模型中,获得所述待识别的文本数据对应的类别信息;其中,所述训练后的目标关键句抽取模型以及目标文本分类模型是将从数据服务器中获取的多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息,将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,采用所述第一识别结果以及所述类别标签对预训练的关键句抽取模型以及预训练的文本分类模型进行联合训练后获得的,其中,所述第一识别结果用于表征所述关键句信息对应的类别标签。
本公开又一实施例还提供了一种电子设备,包括:处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如上述任一实施例所述的文本数据处理方法。
本公开又一实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上述任一实施例所述的文本数据处理方法。
本公开又一实施例还提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一实施例所述的文本数据处理方法。
本实施例提供的设备,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
为了实现上述实施例,本公开实施例还提供了一种电子设备。
图9为本公开实施例八提供的电子设备的结构示意图,如图9所示,其示出了适于用来实现本公开实施例的电子设备900的结构示意图,该电子设备900可以为终端设备或服务器。其中,终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal Digital Assistant,简称PDA)、平板电脑(Portable AndroidDevice,简称PAD)、便携式多媒体播放器(Portable Media Player,简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图9示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示,电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901,其可以根据存储在只读存储器(Read Only Memory,简称ROM)902中的程序或者从存储装置908加载到随机访问存储器(Random Access Memory,简称RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有电子设备900操作所需的各种程序和数据。处理装置901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
通常,以下装置可以连接至I/O接口905:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906;包括例如液晶显示器(Liquid CrystalDisplay,简称LCD)、扬声器、振动器等的输出装置907;包括例如磁带、硬盘等的存储装置908;以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的电子设备900,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置909从网络上被下载和安装,或者从存储装置908被安装,或者从ROM902被安装。在该计算机程序被处理装置901执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述实施例所示的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network,简称LAN)或广域网(Wide Area Network,简称WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
第一方面,根据本公开的一个或多个实施例,提供了一种文本数据处理方法,包括:
获取多组训练数据,其中,所述训练数据中包括文本数据以及与所述文本数据对应的类别标签;
将所述多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息;
将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,所述第一识别结果用于表征所述关键句信息对应的类别标签;
根据所述第一识别结果以及所述类别标签,对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行联合训练,获得训练后的目标关键句抽取模型以及目标文本分类模型,所述联合训练用于表征联合所述预训练的关键句抽取模型以及所述预训练的文本分类模型的损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行训练操作;
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型用于对待分类的文本数据进行类别识别操作。
根据本公开的一个或多个实施例,所述根据所述第一识别结果以及所述类别标签对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行联合训练,包括:
根据所述第一识别结果以及所述类别标签计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的联合损失值;
根据所述联合损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型的参数进行调整,获得待调整的关键句抽取模型以及待调整的文本分类模型;
采用所述多组训练数据对所述待调整的关键句抽取模型以及待调整的文本分类模型进行训练操作,获得所述待调整的关键句抽取模型以及待调整的文本分类模型输出的第二识别结果;
检测所述第一识别结果与所述第二识别结果之间的差值是否小于预设的差值阈值;
若是,则将所述待调整的关键句抽取模型以及待调整的文本分类模型确定为所述训练后的目标关键句抽取模型以及目标文本分类模型;
若否,则返回执行所述获取多组训练数据的步骤,直至所述第一识别结果与所述第二识别结果之间的差值小于预设的差值阈值,获得所述训练后的目标关键句抽取模型以及目标文本分类模型。
根据本公开的一个或多个实施例,所述根据所述第一识别结果以及所述类别标签计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的联合损失值,包括:
根据所述第一识别结果以及所述类别标签分别计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的多分类交叉熵损失值以及策略梯度损失值;
根据所述多分类交叉熵损失值以及策略梯度损失值确定所述联合损失值。
根据本公开的一个或多个实施例,所述将所述多组训练数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息之前,还包括:
获取第一训练数据集,其中,所述第一训练数据集中包括多条文本信息以及与各文本信息对应的关键句标签;
将所述第一训练数据集输入至第一待训练模型中,获得所述第一待训练模型输出的关键句识别结果;
根据所述关键句识别结果以及所述关键句标签对所述第一待训练模型进行迭代训练操作,直至所述第一待训练模型收敛,获得所述预训练的关键句抽取模型。
根据本公开的一个或多个实施例,所述获取第一训练数据集,包括:
获取数据服务器中预存的多条文本数据;
针对每条文本数据,将所述文本数据中的每个句子作为节点,将任意两个句子之间的相似度作为两个句子对应的节点之间的边,生成无向图;
采用随机游走算法对所述无向图中的节点的重要性进行打分;
按照分数对文本数据中的每个句子进行排序,并按照从前到后的顺序获取预设数量的句子作为所述文本数据对应的关键句;
根据所述文本数据对应的关键句对所述文本数据进行标注操作,获得所述第一训练数据集。
根据本公开的一个或多个实施例,所述将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果之前,还包括:
获取第二训练数据集,其中,所述第二训练数据集中包括多个关键句组合以及与各关键句组合对应的类别标签;
将所述第二训练数据集输入至第二待训练模型中,获得所述第二待训练模型输出的类别识别结果;
根据所述类别识别结果以及所述各关键句组合对应的类别标签对所述第二待训练模型进行迭代训练操作,直至所述第二待训练模型收敛,获得所述预训练的文本分类模型。
根据本公开的一个或多个实施例,所述将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,包括:
针对每组关键句信息,按照每一所述关键句信息在所述文本数据中的顺序对所述关键句信息进行拼接,获得拼接后的关键句信息;
将所述拼接后的关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果。
第二方面,根据本公开的一个或多个实施例,提供了一种文本数据处理方法,包括:
获取终端设备发送的文本分类请求,其中,所述文本分类请求中包括待识别的文本数据;
将所述待识别的文本数据输入至训练后的目标关键句抽取模型中,获得与所述待分类的文本数据对应的待分类的关键句信息;
将所述待分类的关键句信息输入至训练后的目标文本分类模型中,获得所述待识别的文本数据对应的类别信息;
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型是将从数据服务器中获取的多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息,将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,采用所述第一识别结果以及所述类别标签对预训练的关键句抽取模型以及预训练的文本分类模型进行联合训练后获得的,其中,所述第一识别结果用于表征所述关键句信息对应的类别标签。
第三方面,根据本公开的一个或多个实施例,提供了一种文本数据处理装置,包括:获取模块,用于获取多组训练数据,其中,所述训练数据中包括文本数据以及与所述文本数据对应的类别标签;
第一输入模块,用于将所述多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息;
第二输入模块,用于将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,所述第一识别结果用于表征所述关键句信息对应的类别标签;
处理模块,用于根据所述第一识别结果以及所述类别标签,对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行联合训练,获得训练后的目标关键句抽取模型以及目标文本分类模型,所述联合训练用于表征联合所述预训练的关键句抽取模型以及所述预训练的文本分类模型的损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行训练操作;
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型用于对待分类的文本数据进行类别识别操作。
根据本公开的一个或多个实施例,所述处理模块用于:
根据所述第一识别结果以及所述类别标签计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的联合损失值;
根据所述联合损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型的参数进行调整,获得待调整的关键句抽取模型以及待调整的文本分类模型;
采用所述多组训练数据对所述待调整的关键句抽取模型以及待调整的文本分类模型进行训练操作,获得所述待调整的关键句抽取模型以及待调整的文本分类模型输出的第二识别结果;
检测所述第一识别结果与所述第二识别结果之间的差值是否小于预设的差值阈值;
若是,则将所述待调整的关键句抽取模型以及待调整的文本分类模型确定为所述训练后的目标关键句抽取模型以及目标文本分类模型;
若否,则返回执行所述获取多组训练数据的步骤,直至所述第一识别结果与所述第二识别结果之间的差值小于预设的差值阈值,获得所述训练后的目标关键句抽取模型以及目标文本分类模型。
根据本公开的一个或多个实施例,所述处理模块用于:
根据所述第一识别结果以及所述类别标签分别计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的多分类交叉熵损失值以及策略梯度损失值;
根据所述多分类交叉熵损失值以及策略梯度损失值确定所述联合损失值。
根据本公开的一个或多个实施例,所述装置还包括:
第一数据获取模块,用于获取第一训练数据集,其中,所述第一训练数据集中包括多条文本信息以及与各文本信息对应的关键句标签;
第三输入模块,用于将所述第一训练数据集输入至第一待训练模型中,获得所述第一待训练模型输出的关键句识别结果;
第一迭代训练模块,用于根据所述关键句识别结果以及所述关键句标签对所述第一待训练模型进行迭代训练操作,直至所述第一待训练模型收敛,获得所述预训练的关键句抽取模型。
根据本公开的一个或多个实施例,所述数据获取模块用于:
获取数据服务器中预存的多条文本数据;
针对每条文本数据,将所述文本数据中的每个句子作为节点,将任意两个句子之间的相似度作为两个句子对应的节点之间的边,生成无向图;
采用随机游走算法对所述无向图中的节点的重要性进行打分;
按照分数对文本数据中的每个句子进行排序,并按照从前到后的顺序获取预设数量的句子作为所述文本数据对应的关键句;
根据所述文本数据对应的关键句对所述文本数据进行标注操作,获得所述第一训练数据集。
根据本公开的一个或多个实施例,所述装置还包括:
第二数据获取模块,用于获取第二训练数据集,其中,所述第二训练数据集中包括多个关键句组合以及与各关键句组合对应的类别标签;
第四输入模块,用于将所述第二训练数据集输入至第二待训练模型中,获得所述第二待训练模型输出的类别识别结果;
第二迭代训练模块,用于根据所述类别识别结果以及所述各关键句组合对应的类别标签对所述第二待训练模型进行迭代训练操作,直至所述第二待训练模型收敛,获得所述预训练的文本分类模型。
根据本公开的一个或多个实施例,所述第二输入模块用于:
针对每组关键句信息,按照每一所述关键句信息在所述文本数据中的顺序对所述关键句信息进行拼接,获得拼接后的关键句信息;
将所述拼接后的关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果。
第四方面,根据本公开的一个或多个实施例,提供了一种文本数据处理装置,包括:
请求获取模块,用于获取终端设备发送的文本分类请求,其中,所述文本分类请求中包括待识别的文本数据;
抽取模块,用于将所述待识别的文本数据输入至训练后的目标关键句抽取模型中,获得与所述待分类的文本数据对应的待分类的关键句信息;
分类模块,用于将所述待分类的关键句信息输入至训练后的目标文本分类模型中,获得所述待识别的文本数据对应的类别信息;
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型是将从数据服务器中获取的多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息,将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,采用所述第一识别结果以及所述类别标签对预训练的关键句抽取模型以及预训练的文本分类模型进行联合训练后获得的,其中,所述第一识别结果用于表征所述关键句信息对应的类别标签。
第五方面,根据本公开的一个或多个实施例,提供了一种电子设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计、第二方面以及第二方面各种可能的设计所述的文本数据处理方法。
第六方面,根据本公开的一个或多个实施例,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计、第二方面以及第二方面各种可能的设计所述的文本数据处理方法。
第七方面,根据本公开的一个或多个实施例,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上第一方面以及第一方面各种可能的设计、第二方面以及第二方面各种可能的设计所述的文本数据处理方法
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (19)
1.一种文本数据处理方法,其特征在于,包括:
获取多组训练数据,其中,所述训练数据中包括文本数据以及与所述文本数据对应的类别标签;
将所述多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息;
将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,所述第一识别结果用于表征所述关键句信息对应的类别标签;
根据所述第一识别结果以及所述类别标签,对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行联合训练,获得训练后的目标关键句抽取模型以及目标文本分类模型,所述联合训练用于表征联合所述预训练的关键句抽取模型以及所述预训练的文本分类模型的损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行训练操作;
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型用于对待分类的文本数据进行类别识别操作。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一识别结果以及所述类别标签对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行联合训练,包括:
根据所述第一识别结果以及所述类别标签计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的联合损失值;
根据所述联合损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型的参数进行调整,获得待调整的关键句抽取模型以及待调整的文本分类模型;
采用所述多组训练数据对所述待调整的关键句抽取模型以及待调整的文本分类模型进行训练操作,获得所述待调整的关键句抽取模型以及待调整的文本分类模型输出的第二识别结果;
检测所述第一识别结果与所述第二识别结果之间的差值是否小于预设的差值阈值;
若是,则将所述待调整的关键句抽取模型以及待调整的文本分类模型确定为所述训练后的目标关键句抽取模型以及目标文本分类模型;
若否,则返回执行所述获取多组训练数据的步骤,直至所述第一识别结果与所述第二识别结果之间的差值小于预设的差值阈值,获得所述训练后的目标关键句抽取模型以及目标文本分类模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一识别结果以及所述类别标签计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的联合损失值,包括:
根据所述第一识别结果以及所述类别标签分别计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的多分类交叉熵损失值以及策略梯度损失值;
根据所述多分类交叉熵损失值以及策略梯度损失值确定所述联合损失值。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述将所述多组训练数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息之前,还包括:
获取第一训练数据集,其中,所述第一训练数据集中包括多条文本信息以及与各文本信息对应的关键句标签;
将所述第一训练数据集输入至第一待训练模型中,获得所述第一待训练模型输出的关键句识别结果;
根据所述关键句识别结果以及所述关键句标签对所述第一待训练模型进行迭代训练操作,直至所述第一待训练模型收敛,获得所述预训练的关键句抽取模型。
5.根据权利要求4所述的方法,其特征在于,所述获取第一训练数据集,包括:
获取数据服务器中预存的多条文本数据;
针对每条文本数据,将所述文本数据中的每个句子作为节点,将任意两个句子之间的相似度作为两个句子对应的节点之间的边,生成无向图;
采用随机游走算法对所述无向图中的节点的重要性进行打分;
按照分数对文本数据中的每个句子进行排序,并按照从前到后的顺序获取预设数量的句子作为所述文本数据对应的关键句;
根据所述文本数据对应的关键句对所述文本数据进行标注操作,获得所述第一训练数据集。
6.根据权利要求1-3任一项所述的方法,其特征在于,所述将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果之前,还包括:
获取第二训练数据集,其中,所述第二训练数据集中包括多个关键句组合以及与各关键句组合对应的类别标签;
将所述第二训练数据集输入至第二待训练模型中,获得所述第二待训练模型输出的类别识别结果;
根据所述类别识别结果以及所述各关键句组合对应的类别标签对所述第二待训练模型进行迭代训练操作,直至所述第二待训练模型收敛,获得所述预训练的文本分类模型。
7.根据权利要求1所述的方法,其特征在于,所述将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,包括:
针对每组关键句信息,按照每一所述关键句信息在所述文本数据中的顺序对所述关键句信息进行拼接,获得拼接后的关键句信息;
将所述拼接后的关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果。
8.一种文本数据处理方法,其特征在于,包括:
获取终端设备发送的文本分类请求,其中,所述文本分类请求中包括待识别的文本数据;
将所述待识别的文本数据输入至训练后的目标关键句抽取模型中,获得与所述待分类的文本数据对应的待分类的关键句信息;
将所述待分类的关键句信息输入至训练后的目标文本分类模型中,获得所述待识别的文本数据对应的类别信息;
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型是将从数据服务器中获取的多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息,将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,采用所述第一识别结果以及所述类别标签对预训练的关键句抽取模型以及预训练的文本分类模型进行联合训练后获得的,其中,所述第一识别结果用于表征所述关键句信息对应的类别标签。
9.一种文本数据处理装置,其特征在于,包括:
获取模块,用于获取多组训练数据,其中,所述训练数据中包括文本数据以及与所述文本数据对应的类别标签;
第一输入模块,用于将所述多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息;
第二输入模块,用于将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,所述第一识别结果用于表征所述关键句信息对应的类别标签;
处理模块,用于根据所述第一识别结果以及所述类别标签,对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行联合训练,获得训练后的目标关键句抽取模型以及目标文本分类模型,所述联合训练用于表征联合所述预训练的关键句抽取模型以及所述预训练的文本分类模型的损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型进行训练操作;
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型用于对待分类的文本数据进行类别识别操作。
10.根据权利要求9所述的装置,其特征在于,所述处理模块用于:
根据所述第一识别结果以及所述类别标签计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的联合损失值;
根据所述联合损失值对所述预训练的关键句抽取模型以及所述预训练的文本分类模型的参数进行调整,获得待调整的关键句抽取模型以及待调整的文本分类模型;
采用所述多组训练数据对所述待调整的关键句抽取模型以及待调整的文本分类模型进行训练操作,获得所述待调整的关键句抽取模型以及待调整的文本分类模型输出的第二识别结果;
检测所述第一识别结果与所述第二识别结果之间的差值是否小于预设的差值阈值;
若是,则将所述待调整的关键句抽取模型以及待调整的文本分类模型确定为所述训练后的目标关键句抽取模型以及目标文本分类模型;
若否,则返回执行所述获取多组训练数据的步骤,直至所述第一识别结果与所述第二识别结果之间的差值小于预设的差值阈值,获得所述训练后的目标关键句抽取模型以及目标文本分类模型。
11.根据权利要求10所述的装置,其特征在于,所述处理模块用于:
根据所述第一识别结果以及所述类别标签分别计算所述预训练的关键句抽取模型以及所述预训练的文本分类模型对应的多分类交叉熵损失值以及策略梯度损失值;
根据所述多分类交叉熵损失值以及策略梯度损失值确定所述联合损失值。
12.根据权利要求9-11任一项所述的装置,其特征在于,所述装置还包括:
第一数据获取模块,用于获取第一训练数据集,其中,所述第一训练数据集中包括多条文本信息以及与各文本信息对应的关键句标签;
第三输入模块,用于将所述第一训练数据集输入至第一待训练模型中,获得所述第一待训练模型输出的关键句识别结果;
第一迭代训练模块,用于根据所述关键句识别结果以及所述关键句标签对所述第一待训练模型进行迭代训练操作,直至所述第一待训练模型收敛,获得所述预训练的关键句抽取模型。
13.根据权利要求12所述的装置,其特征在于,所述数据获取模块用于:
获取数据服务器中预存的多条文本数据;
针对每条文本数据,将所述文本数据中的每个句子作为节点,将任意两个句子之间的相似度作为两个句子对应的节点之间的边,生成无向图;
采用随机游走算法对所述无向图中的节点的重要性进行打分;
按照分数对文本数据中的每个句子进行排序,并按照从前到后的顺序获取预设数量的句子作为所述文本数据对应的关键句;
根据所述文本数据对应的关键句对所述文本数据进行标注操作,获得所述第一训练数据集。
14.根据权利要求9-11任一项所述的装置,其特征在于,所述装置还包括:
第二数据获取模块,用于获取第二训练数据集,其中,所述第二训练数据集中包括多个关键句组合以及与各关键句组合对应的类别标签;
第四输入模块,用于将所述第二训练数据集输入至第二待训练模型中,获得所述第二待训练模型输出的类别识别结果;
第二迭代训练模块,用于根据所述类别识别结果以及所述各关键句组合对应的类别标签对所述第二待训练模型进行迭代训练操作,直至所述第二待训练模型收敛,获得所述预训练的文本分类模型。
15.根据权利要求9所述的装置,其特征在于,所述第二输入模块用于:
针对每组关键句信息,按照每一所述关键句信息在所述文本数据中的顺序对所述关键句信息进行拼接,获得拼接后的关键句信息;
将所述拼接后的关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果。
16.一种文本数据处理装置,其特征在于,包括:
请求获取模块,用于获取终端设备发送的文本分类请求,其中,所述文本分类请求中包括待识别的文本数据;
抽取模块,用于将所述待识别的文本数据输入至训练后的目标关键句抽取模型中,获得与所述待分类的文本数据对应的待分类的关键句信息;
分类模块,用于将所述待分类的关键句信息输入至训练后的目标文本分类模型中,获得所述待识别的文本数据对应的类别信息;
其中,所述训练后的目标关键句抽取模型以及目标文本分类模型是将从数据服务器中获取的多组训练数据中的文本数据输入至预训练的关键句抽取模型,获得分别与多组训练数据对应的多组关键句信息,将所述多组关键句信息输入至预训练的文本分类模型,获得分别与各组关键句信息对应的第一识别结果,采用所述第一识别结果以及所述类别标签对预训练的关键句抽取模型以及预训练的文本分类模型进行联合训练后获得的,其中,所述第一识别结果用于表征所述关键句信息对应的类别标签。
17.一种电子设备,其特征在于,包括:处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如权利要求1至7或8任一项所述的文本数据处理方法。
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至7或8任一项所述的文本数据处理方法。
19.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7或8任一项所述的文本数据处理的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210262162.7A CN116821327A (zh) | 2022-03-16 | 2022-03-16 | 文本数据处理方法、装置、设备、可读存储介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210262162.7A CN116821327A (zh) | 2022-03-16 | 2022-03-16 | 文本数据处理方法、装置、设备、可读存储介质及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116821327A true CN116821327A (zh) | 2023-09-29 |
Family
ID=88113193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210262162.7A Pending CN116821327A (zh) | 2022-03-16 | 2022-03-16 | 文本数据处理方法、装置、设备、可读存储介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116821327A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117851601A (zh) * | 2024-02-26 | 2024-04-09 | 海纳云物联科技有限公司 | 事件分类模型的训练方法、使用方法、装置及介质 |
-
2022
- 2022-03-16 CN CN202210262162.7A patent/CN116821327A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117851601A (zh) * | 2024-02-26 | 2024-04-09 | 海纳云物联科技有限公司 | 事件分类模型的训练方法、使用方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220129731A1 (en) | Method and apparatus for training image recognition model, and method and apparatus for recognizing image | |
CN109947919B (zh) | 用于生成文本匹配模型的方法和装置 | |
CN110969012B (zh) | 文本纠错方法、装置、存储介质及电子设备 | |
CN111027331A (zh) | 用于评估翻译质量的方法和装置 | |
US20230394671A1 (en) | Image segmentation method and apparatus, and device, and storage medium | |
CN111177393A (zh) | 一种知识图谱的构建方法、装置、电子设备及存储介质 | |
CN113470619B (zh) | 语音识别方法、装置、介质及设备 | |
CN111159220B (zh) | 用于输出结构化查询语句的方法和装置 | |
WO2022247562A1 (zh) | 多模态数据检索方法、装置、介质及电子设备 | |
CN111339789B (zh) | 一种翻译模型训练方法、装置、电子设备及存储介质 | |
CN112883968B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN113313064A (zh) | 字符识别方法、装置、可读介质及电子设备 | |
WO2022095845A1 (zh) | 对话理解方法、装置、可读介质及电子设备 | |
CN113407814A (zh) | 文本搜索方法、装置、可读介质及电子设备 | |
CN111090993A (zh) | 属性对齐模型训练方法及装置 | |
CN113051933B (zh) | 模型训练方法、文本语义相似度确定方法、装置和设备 | |
CN114120166A (zh) | 视频问答方法、装置、电子设备及存储介质 | |
CN116821327A (zh) | 文本数据处理方法、装置、设备、可读存储介质及产品 | |
CN117171328A (zh) | 文本问答处理方法、装置、电子设备及存储介质 | |
CN112069786A (zh) | 文本信息处理方法、装置、电子设备及介质 | |
CN109657046B (zh) | 内容分析处理方法、装置、电子设备及存储介质 | |
WO2023130925A1 (zh) | 字体识别方法、装置、可读介质及电子设备 | |
CN111312224A (zh) | 语音分割模型的训练方法、装置和电子设备 | |
CN111460214B (zh) | 分类模型训练方法、音频分类方法、装置、介质及设备 | |
CN110502630B (zh) | 信息处理方法及设备 |
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 |