公开(公告)号：CN111027291A

公开(公告)日：2020-04-17

申请号：CN201911182421.X

申请日：2019-11-27

Applicant: 达而观信息科技(上海)有限公司

Inventor： 张健 ,  陈运文 ,  房悦竹 ,  赵朗琦 ,  刘书龙 ,  纪达麒

IPC: G06F40/166 ,  G06F40/289 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供了一种文本中标点符号添加、模型训练方法、装置及电子设备，该方法包括：对待添加文本进行分词处理以及词性识别，并进行归一化处理，并确定字/词向量；将词性信息、分词边界信息、字/词向量进行拼接得到特征向量；将特征向量输入到已训练的seq2seq模型中，得到多个添加标点的候选文本序列，并形成候选文本序列集合；将候选文本序列集合中不符合条件的文本序列进行过滤；在候选文本序列集合的剩余文本序列中，将联合概率最高，且符合标点符号规范的文本序列进行输出，并将输出的文本序列进行归一化的还原操作，可以很好的解决字符后面添加多个标点符号的问题，提高标点符号的添加的准确性。