(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210590875.6 (22)申请日 2022.03.16 (62)分案原申请数据 202210257335.6 2022.03.16 (71)申请人 北京金山数字 娱乐科技有限公司 地址 100085 北京市海淀区西二 旗中路33 号院5号楼1 1层002号 (72)发明人 弓源　李长亮　 (74)专利代理 机构 北京智信禾专利代理有限公 司 11637 专利代理师 张瑞 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/35(2019.01) G06F 40/279(2020.01)G06F 40/30(2020.01) G06F 40/58(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 文本处理方法及装置 (57)摘要 本申请提供文本处理方法及装置， 其中所述 文本处理方法包括： 获取目标口语文本； 将所述 目标口语文本输入文本分类模型进行分类处理， 获得所述目标口语文本对应的预测文本类型； 根 据所述预测文本类型确定所述目标口语文本对 应的改写模 型； 将所述目标口语文本输入所述改 写模型进行书面语改写， 获得所述目标口语文本 对应的书面语文本 。 权利要求书3页 说明书40页 附图5页 CN 114880436 A 2022.08.09 CN 114880436 A 1.一种文本处 理方法， 其特 征在于， 包括： 获取目标口语文本； 将所述目标口语文本输入文本分类模型进行分类处理， 获得所述目标口语文本对应的 预测文本类型； 根据所述预测文本类型确定所述目标口语文本对应的改写模型； 将所述目标口语文本输入所述改写模型进行书面语改写， 获得所述目标口语文本对应 的书面语文本 。 2.根据权利要求1所述的文本处理方法， 其特征在于， 所述根据 所述预测文本类型确定 所述目标口语文本对应的改写模型， 包括： 在所述预测文本类型为标准文本类型的情况下， 根据所述标准文本类型选择书面语改 写模型； 其中， 所述将所述目标口语文本输入所述改写模型进行书面语改写， 获得所述目标口 语文本对应的书面语文本， 包括： 将所述目标口语文本输入所述书面语改写模型进行处理， 获得所述目标口语文本对应 的目标书面语文本， 其中， 所述书面语改写模型， 基于书面语文本以及 对所述书面语文本进 行回译和转换处 理获得的 口语文本训练得到 。 3.根据权利要求1所述的文本处理方法， 其特征在于， 所述根据 所述预测文本类型确定 所述目标口语文本对应的改写模型， 包括： 在所述预测文本类型为模糊文本类型的情况下， 根据所述模糊文本类型选择书面语转 换模型； 其中， 所述将所述目标口语文本输入所述改写模型进行书面语改写， 获得所述目标口 语文本对应的书面语文本， 包括： 将所述目标口语文本输入所述书面语转换模型进行处理， 获得所述目标口语文本对应 的转换书面语文本， 其中， 所述书面语转换模型， 基于书面语文本以及 对所述书面语文本进 行转换处 理获得的基础口语文本训练得到 。 4.根据权利要求3所述的文本处理方法， 其特征在于， 所述书面语转换模型的训练， 包 括： 对所述书面语文本进行语句组成单 元的转换处 理， 获得基础口语文本； 基于所述书面语文本与所述基础口语文本的对应关系， 构建基础样本语料； 通过所述基础样本语料对初始书面语转换模型进行训练， 直至获得满足第 一训练停止 条件的所述书面语转换模型。 5.根据权利要求1所述的文本处 理方法， 其特 征在于， 所述文本分类模型的训练， 包括： 获取样本口语文本以及样本口语文本对应的语义清晰度标签； 基于所述样本口语文本以及所述语义清晰度标签构建训练样本对； 通过所述训练样本对对初始文本分类模型进行模型训练， 直至获得满足分类训练停止 条件的所述文本分类模型。 6.根据权利要求2所述的文本处理方法， 其特征在于， 所述将所述目标口语文本输入所 述书面语改写模型进行处 理， 获得所述目标口语文本对应的目标书面语文本， 包括： 将所述目标口语文本进行分句处 理， 获得所述目标口语文本中包 含的语句序列；权　利　要　求　书 1/3 页 2 CN 114880436 A 2将所述语句序列中的口语句单元依次输入所述书面语改写模型的编码层进行编码处 理， 获得所述口语句单元对应的语句特征向量和词表向量， 其中， 所述词表向量由所述口语 句单元与词表进行映射获得； 计算所述语句特征向量与 所述词表向量之间的向量积， 并将所述向量积输入所述书面 语改写模型的解码层进行解码处 理， 获得所述目标口语文本对应的目标书面语文本 。 7.根据权利要求2所述的文本处理方法， 其特征在于， 所述书面语改写模型， 基于书面 语文本以及对所述书面语文本进行回译和转换处 理获得的 口语文本训练得到， 包括： 获取书面语文本； 通过对所述书面语文本进行回译处 理， 获得所述书面语文本对应的回译 书面语文本； 对所述书面语文本和所述 回译书面语文本分别进行语句组成单元的转换处理， 获得口 语文本； 基于所述书面语文本和所述 回译书面语文本与 所述口语文本的对应关系， 构建样本语 料； 通过所述样本语料对初始书面语改写模型进行训练， 直至获得满足第 二训练停止条件 的所述书面语改写模型。 8.根据权利要求7所述的文本处理方法， 其特征在于， 所述通过对所述书面语文本进行 回译处理， 获得所述书面语文本对应的回译 书面语文本， 包括： 将所述书面语文本翻译为预设语种对应的译 文书面语文本； 将所述译文书面语文本回译为所述书面语文本所属的目标语种， 获得初始回译书面语 文本； 通过所述书面语文本中的关键词语对所述初始回译书面语文本中所述关键词语对应 的目标关键词语进行替换， 获得回译 书面语文本 。 9.根据权利要求8所述的文本处理方法， 其特征在于， 所述将所述书面语文本翻译为预 设语种对应的译 文书面语文本之前， 还 包括： 通过对所述书面语文本进行词性分析， 识别所述书面语文本 中词性为预设词性的关键 词语； 在所述书面语文本中对所述关键词语所处的位置进行位置标记； 其中， 所述通过所述书面语文本 中的关键词语对所述初始回译书面语文本 中所述关键 词语对应的目标关键词语进行替换， 获得回译 书面语文本， 包括： 基于所述位置标记， 通过所述关键词语对所述初始回译书面语文本 中对应的目标关键 词语进行替换， 获得回译 书面语文本 。 10.根据权利要求4或7所述的文本处理方法， 其特征在于， 所述语句组成单元包括下述 至少一项： 子句单 元、 词语单 元、 字符单 元以及符号单 元。 11.根据权利要求7所述的文本处理方法， 其特征在于， 将所述书面语文本和所述回译 书面语文本中任意一个书面语文本作为待处理书面文本， 对所述待处理书面文本进行语句 组成单元的转换处 理， 包括： 确定所述待处 理书面语文本的转换处 理策略对应的转换处 理概率； 基于所述 转换处理概率， 在所述 转换处理策略中确定待执 行的目标转换处 理策略； 通过执行所述目标转换处理策略对所述待处理书面语文本进行语句组成单元的转换权　利　要　求　书 2/3 页 3 CN 114880436 A 3