基于人工智能的信息生成方法和装置与流程

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及基于人工智能的信息生成方法和装置。

背景技术：

人工智能(artificialintelligence，ai)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能领域中的自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。通常，自然语言处理需要利用向量对语料中的每个词进行表示，这种向量被称为词向量。

然而，现有的方法通常是通过查询预置的词向量矩阵(例如embedding矩阵)的方式获得词向量，进而得到文本的处理结果。由于中文词汇的数量庞大，因而词向量矩阵的参数量非常大，导致对运算设备的物理存储、网络传输、内存等性能的要求较高，因而适应性较差。

技术实现要素：

本申请实施例的目的在于提出一种改进的基于人工智能的信息生成方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种基于人工智能的信息生成方法，该方法包括：对待处理文本进行逐字分割以得到字序列；确定字序列中的各个字的字向量，以生成字向量序列；基于预设词表分割字向量序列，以生成多个字向量子序列；对于所生成的每一个字向量子序列，将组成该字向量子序列的各个字向量的和确定为目标向量，将目标向量输入至预先训练的第一神经网络，得到与该字向量子序列相对应的词向量，其中第一神经网络用于表征目标向量与词向量的对应关系；基于所得到的词向量，对待处理文本进行解析，生成解析结果。

在一些实施例中，在基于所得到的词向量，对待处理文本进行解析，生成解析结果之前，该方法还包括：对于每一个字向量子序列，将所得到的、与该字向量子序列相对应的词向量输入至预先训练的第二神经网络，将第二神经网络输出的向量确定为与该字向量子序列相对应的特征向量，其中，第二神经网络用于提取文本特征；将与每一个字向量子序列相对应的词向量替换为与该字向量子序列相对应的特征向量。

在一些实施例中，基于所得到词向量，对待处理文本进行解析，生成解析结果，包括：将所得到的词向量输入至预先训练的文本情感分析模型，得到与待处理文本相对应的文本情感分析结果，其中，情感分析模型用于表征词向量与文本情感分析结果的对应关系。

在一些实施例中，基于所得到词向量，对待处理文本进行解析，生成解析结果，包括：按照字向量子序列在字向量中的先后顺序，依次提取与各个字向量子序列相对应的词向量，以生成词向量序列；将词向量序列与预先生成的、与预设文本相对应的词向量序列分别输入至预先训练的相似度计算模型，得到待处理文本与预设文本的相似度计算结果，其中，相似度计算模型用于表征与多个文本相对应的词向量序列与多个文本的相似度计算结果的对应关系。

在一些实施例中，该方法还包括训练第一神经网络的步骤，包括：提取预设的第一训练样本，其中，第一训练样本包括多个第一预设词和多个第一预设词中的各个第一预设词的词向量；对于第一训练样本中的每一个第一预设词，确定组成该第一预设词的各个字的字向量，以生成与该第一预设词相对应的字向量序列；利用机器学习方法，将与第一预设词相对应的字向量序列作为输入，将第一训练样本中的、第一预设词的词向量作为输出，训练得到第一神经网络。

在一些实施例中，该方法还包括训练第二神经网络的步骤，包括：提取预设的第二训练样本，其中，第二训练样本包括多个第二预设词和多个第二预设词中的各个第二预设词的词向量；对于第二训练样本中的每一个第二预设词，确定组成该第二预设词的各个字的字向量，以生成与该第二预设词相对应的字向量序列；将与第二训练样本中的每一个第二预设词相对应的字向量序列输入至第一神经网络，将第一神经网络输出的向量确定为与该第二预设词相对应的中间向量；利用机器学习方法，将与第二预设词相对应的中间向量序列作为输入，将第二训练样、第二预设词的词向量作为输出，训练得到第二神经网络。

第二方面，本申请实施例提供了一种基于人工智能的信息生成装置，该装置包括：分割单元，配置用于对待处理文本进行逐字分割以得到字序列；第一确定单元，配置用于确定字序列中的各个字的字向量，以生成字向量序列；生成单元，配置用于基于预设词表分割字向量序列，以生成多个字向量子序列；第一输入单元，配置用于对于所生成的每一个字向量子序列，将组成该字向量子序列的各个字向量的和确定为目标向量，将目标向量输入至预先训练的第一神经网络，得到与该字向量子序列相对应的词向量，其中第一神经网络用于表征目标向量与词向量的对应关系；解析单元，配置用于基于所得到的词向量，对待处理文本进行解析，生成解析结果。

在一些实施例中，该装置还包括：第二输入单元，配置用于对于每一个字向量子序列，将所得到的、与该字向量子序列相对应的词向量输入至预先训练的第二神经网络，将第二神经网络输出的向量确定为与该字向量子序列相对应的特征向量，其中，第二神经网络用于提取文本特征；替换单元，配置用于将与每一个字向量子序列相对应的词向量替换为与该字向量子序列相对应的特征向量。

在一些实施例中，解析单元进一步配置用于：将所得到的词向量输入至预先训练的文本情感分析模型，得到与待处理文本相对应的文本情感分析结果，其中，情感分析模型用于表征词向量与文本情感分析结果的对应关系。

在一些实施例中，解析单元进一步配置用于：按照字向量子序列在字向量中的先后顺序，依次提取与各个字向量子序列相对应的词向量，以生成词向量序列；将词向量序列与预先生成的、与预设文本相对应的词向量序列分别输入至预先训练的相似度计算模型，得到待处理文本与预设文本的相似度计算结果，其中，相似度计算模型用于表征与多个文本相对应的词向量序列与多个文本的相似度计算结果的对应关系。

在一些实施例中，该装置还包括：第一提取单元，配置用于提取预设的第一训练样本，其中，第一训练样本包括多个第一预设词和多个第一预设词中的各个第一预设词的词向量；第二确定单元，配置用于对于第一训练样本中的每一个第一预设词，确定组成该第一预设词的各个字的字向量，以生成与该第一预设词相对应的字向量序列；第一训练单元，配置用于利用机器学习方法，将与第一预设词相对应的字向量序列作为输入，将第一训练样本中的、第一预设词的词向量作为输出，训练得到第一神经网络。

在一些实施例中，该装置还包括：第二提取单元，配置用于提取预设的第二训练样本，其中，第二训练样本包括多个第二预设词和多个第二预设词中的各个第二预设词的词向量；第三确定单元，配置用于对于第二训练样本中的每一个第二预设词，确定组成该第二预设词的各个字的字向量，以生成与该第二预设词相对应的字向量序列；第三输入单元，配置用于将与第二训练样本中的每一个第二预设词相对应的字向量序列输入至第一神经网络，将第一神经网络输出的向量确定为与该第二预设词相对应的中间向量；第二训练单元，配置用于利用机器学习方法，将与第二预设词相对应的中间向量序列作为输入，将第二训练样、第二预设词的词向量作为输出，训练得到第二神经网络。

第三方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如基于人工智能的信息生成方法中任一实施例的方法。

本申请实施例提供的基于人工智能的信息生成方法和装置，通过对待处理文本进行逐字分割以得到字序列，以便确定所述字序列中的各个字的字向量，以生成字向量序列，而后基于预设词表分割所述字向量序列，以生成多个字向量子序列，之后基于预先训练的第一神经网络得到与各字向量子序列相对应的词向量，最后基于所得到的词向量，对所述待处理文本进行解析，生成解析结果，从而可以实现基于字向量生成词向量，由于中文单个汉字的数量远小于词汇的数量，且词向量可以通过预先训练的神经网络自动生成，不需要占据静态存储空间，因而可以降低对运算设备的物理存储、网络传输、内存等性能的要求，提高了文本处理的适应性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的信息生成方法的一个实施例的流程图；

图3是根据本申请的信息生成方法的一个应用场景的示意图；

图4是根据本申请的信息生成方法的又一个实施例的流程图；

图5是根据本申请的信息生成装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的信息生成方法或信息生成装置的示例性系统架构100。

如图1所示，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、无线通信链路或者光纤电缆等等。

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，例如文本编辑类应用、浏览器类应用、阅读类应用等。

终端设备101、102、103可以是具有显示屏并且支持浏览文本的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如为终端设备101、102、103上所存储的待处理文本提供各种文本处理服务的处理服务器。处理服务器可以对待处理文本进行分割、解析等处理，并生成处理结果。

需要说明的是，上述待处理文本也可以直接存储在服务器105的本地，服务器105可以直接提取本地所存储的待校验的文本并进行处理，此时，可以不存在终端设备101、102、103和网络104。

需要说明的是，本申请实施例所提供的信息生成方法一般由服务器105执行，相应地，信息生成装置一般设置于服务器105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。

继续参考图2，示出了根据本申请的信息生成方法的一个实施例的流程200。所述的信息生成方法，包括以下步骤：

步骤201，对待处理文本进行逐字分割以得到字序列。

在本实施例中，信息生成方法运行于其上的电子设备(例如图1所示的服务器105)可以首先提取待处理文本。其中，上述待处理文本可以是预先存储在上述电子设备中的、技术人员所预先指定的文本，上述电子设备可以直接提取本地所预先存储的上述文本。另外，上述待处理文本也可以是上述电子设备通过有线连接方式或者无线连接方式从客户端(例如图1所示的终端设备101、102、103)所接收的文本。实践中，上述客户端可以向上述电子设备发送包含上述待处理文本的解析请求，上述电子设备接收到该解析请求后，可以提取该解析请求中所包含的待处理文本。需要说明的是，上述待处理文本可以是各种文字信息，例如句子、段落或者篇章等。需要指出的是，上述无线连接方式可以包括但不限于3g/4g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。

在本实施例中，上述电子设备可以对上述待处理文本进行逐字分割以得到字序列。作为示例，上述待处理文本的内容为“香格里拉最好的小吃是什么？”。上述电子设备可以对该待处理文本逐字分割，依次得到由以下各个字：“香”、“格”、“里”、“拉”、“最”、“好”、“的”、“小”、“吃”、“是”、“什”、“么”、“？”所构成的字序列。

步骤202，确定字序列中的各个字的字向量，以生成字向量序列。

在本实施例中，上述电子设备可以利用各种字向量生成方法确定上述字序列中的各个字的字向量，以生成字向量序列。其中，每一个字向量在上述字向量序列中的次序和与该字向量相对应的字在上述字序列中的顺序一致。需要说明的是，字向量可以是用于表示字的特征的向量，字向量的每一维的值可以代表一个具有一定的语义和语法上解释的特征。其中，特征可以是用于对字的基本要素(例如偏旁、部首、笔画、含义等)进行表征的各种信息。作为示例，上述电子设备中可以预先存储汉字内码扩展规范(chineseinternalcodespecification，gbk)中所包含的21886个汉字和图形符号与字向量的对应关系表，各个字向量可以具有相同的维数。对于上述字序列中的每一个字，上述电子设备可以从上述对应关系表中查找到该字所对应的字向量。此处，每一个字和图形符号的字向量可以是利用机器学习方法进行对神经网络的有监督的训练而预先训练得到的，或者是技术人员基于大量数据统计而预先设置的。需要说明的是，上述字向量生成方法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤203，基于预设词表分割字向量序列，以生成多个字向量子序列。

在本实施例中，上述电子设备中可以预先存储有预设词表，上述预设词表可以是预先基于对大量的语料进行统计、分词后得到的词表。上述预设词表中可以包含大量的以词语为键(key)、以组成词语的字的字序列为值(value)的键值对形式的记录。作为示例，某条记录的键为“北京”，值为“北”、“京”。

在本实施例中，上述电子设备可以基于上述预设词表对上述字向量序列进行分割，以生成多个字向量子序列。具体的，上述电子设备可以首先将上述预设词表中构成每条记录的词语与上述待处理文本进行匹配，继而基于匹配到的词对上述待处理文本进行分词。之后，上述电子设备可以从上述预设词表中查询与所分割后的各个词相对应的字序列。然后，对于所分割后的每一个词所对应的字序列，上述电子设备可以确定上述字向量序列中相应的字向量，从而将上述字向量序列分割为多个字向量子序列。作为示例，上述待处理文本为“北京是中国的首都”，分词后得到以下各个词：“北京”、“是”、“中国”、“的”、“首都”。与词“北京”相对应的字序列为“北”、“京”，上述电子可以将上述字向量序列中“北”、“京”所对应的字向量划分为一个字向量子序列；与“是”相对应的字序列也为“是”，上述电子可以将上述字向量序列中“是”所对应的字向量作为一个字向量子序列。以此类推，得到多个字向量子序列。

步骤204，对于所生成的每一个字向量子序列，将组成该字向量子序列的各个字向量的和确定为目标向量，将目标向量输入至预先训练的第一神经网络，得到与该字向量子序列相对应的词向量。

在本实施例中，对于所生成的每一个字向量子序列，上述电子设备可以将组成该字向量子序列的各个字向量的和确定为目标向量，将上述目标向量输入至预先训练的第一神经网络，得到与该字向量子序列相对应的词向量，其中，上述第一神经网络可以用于表征目标向量与词向量的对应关系。实践中，神经网络(neuralnetworks，nns)也可以称为连接模型(connectionmodel)。神经网络是一种运算模型，由大量的节点(也称为神经元)之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数(activationfunction)，也可称为激活函数。此处，上述预先训练的第一神经网络的神经元可以使用任意的非线性激活函数(例如，sigmoid函数、softplus函数、双极性sigmoid函数等)对所输入的目标向量进行计算，所输出的向量即为与该字向量子序列相对应的词向量。上述电子设备可以预先对上述非线性激活函数进行有监督的训练得到上述第一神经网络。

在本实施例的一些可选的实现方式中，上述第一神经网络可以通过以下步骤训练得到：首先，可以提取预设的第一训练样本，其中，上述第一训练样本包括多个第一预设词和上述多个第一预设词中的各个第一预设词的词向量。之后，对于上述第一训练样本中的每一个第一预设词，确定组成该第一预设词的各个字的字向量，以生成与该第一预设词相对应的字向量序列。之后，可以利用机器学习方法，将与第一预设词相对应的字向量序列作为输入，将上述第一训练样本中的、第一预设词的词向量作为输出，训练非线性激活函数(例如tanh函数)得到第一神经网络。

步骤205，基于所得到的词向量，对待处理文本进行解析，生成解析结果。

在本实施例中，上述电子设备可以基于所得到的词向量，利用各种解析方法对上述待处理文本进行解析，生成解析结果。需要说明的是，上述电子设备可以执行各种需要利用词向量的自然语言处理，可以包括但不限于对文本进行情感分词、相似性分析、垃圾邮件识别、机器翻译、自动问答等。作为示例，上述电子设备可以确定所得到的词向量中是否包含与预设词向量(例如用于表征“开心”或“伤心”等情感类词语的词向量)相同或相似度大于预设的相似度阈值(可以是任意数值，例如0.5、0.8等)的词向量，并基于与该预设词向量的匹配情况，确定上述待处理文本的情感类型。其中，上述电子设备可以利用各种相似度计算方法(例如余弦相似度算法、欧式距离算法、杰卡德相似性度量方法等)计算所得到的各个词向量与该预设词向量的相似度。

在本实施例的一些可选的实现方式中，上述电子设备可以将所得到的各个词向量输入至预先训练的文本情感分析模型，得到与上述待处理文本相对应的文本情感分析结果，其中，上述情感分析模型可以用于表征词向量与文本情感分析结果的对应关系。作为示例，情感分析模型可以是基于大量的训练样本对支持向量机(supportvectormachine，svm)、词袋模型(bagofwords)等现有的用于对文本情感分类的模型进行有监督训练后得到的，其中，训练样本可以包含组成用于训练的文本的各个词的词向量和用于指示该文本的情感类型的情感类型标识。

在本实施例的一些可选的实现方式中，上述电子设备可以按照字向量子序列在字向量中的先后顺序，依次提取与各个字向量子序列相对应的词向量，以生成词向量序列；而后，可以将上述词向量序列与预先生成的、与预设文本相对应的词向量序列分别输入至预先训练的相似度计算模型，得到上述待处理文本与上述预设文本的相似度计算结果，其中，上述相似度计算模型可以用于表征与多个文本相对应的词向量序列与上述多个文本的相似度计算结果的对应关系。作为示例，上述相似度计算模型可以是基于训练样本对词袋模型(bagofwords)、卷积神经网络(convolutionalneuralnetwork，cnn)等现有的用于对文本进行相似度计算的模型进行有监督训练后得到的，其中，训练样本可以包含组成用于训练的两文本的各个词的词向量和用于指示上述两文本是否相似的标识。

继续参见图3，图3是根据本实施例的信息生成方法的应用场景的一个示意图。在图3的应用场景中，待处理文本302为“我很开心”。服务器301首先对待处理文本302进行逐字分割以得到由“我”、“很”、“开”、“心”构成的字序列303。之后，服务器301确定字序列303中的各个字的字向量以生成字向量序列304。之后，服务器301基于预设词表分割字向量序列304，生成多个字向量子序列305，即，“我”对应一个字向量子序列，“很”对应一个字向量子序列，“开”、“心”对应一个字向量子序列。然后，服务器301基于预先训练的第一神经网络得到与字向量子序列305相对应的词向量306。最后，服务器301基于词向量306对待处理文本302进行情感分析，得到指示待处理文本302的情感类型为开心情感的解析结果307。

本申请的上述实施例提供的方法通过对待处理文本进行逐字分割以得到字序列，以便确定上述字序列中的各个字的字向量，以生成字向量序列，而后基于预设词表分割上述字向量序列，以生成多个字向量子序列，之后基于预先训练的第一神经网络得到与各字向量子序列相对应的词向量，最后基于所得到的词向量，对上述待处理文本进行解析，生成解析结果，从而可以实现基于字向量生成词向量，由于中文单个汉字的数量远小于词汇的数量，且词向量可以通过预先训练的神经网络自动生成，不需要占据静态存储空间，因而可以降低对运算设备的物理存储、网络传输、内存等性能的要求，提高了文本处理的适应性。

进一步参考图4，其示出了信息生成方法的又一个实施例的流程400。该信息生成方法的流程400，包括以下步骤：

步骤401，对待处理文本进行逐字分割以得到字序列。

在本实施例中，信息生成方法运行于其上的电子设备(例如图1所示的服务器105)可以首先提取待处理文本，而后，可以对上述待处理文本进行逐字分割以得到字序列。

步骤402，确定字序列中的各个字的字向量，以生成字向量序列。

在本实施例中，上述电子设备中可以预先存储汉字内码扩展规范中所包含的各个汉字和图形符号与相应的字向量的对应关系表，各个字向量可以具有相同的维数。对于上述字序列中的每一个字，上述电子设备可以从上述对应关系表中查找到该字所对应的字向量，以生成字向量序列。其中，每一个字向量在上述字向量序列中的次序和与该字向量相对应的字在上述字序列中的顺序一致。

步骤403，基于预设词表分割字向量序列，以生成多个字向量子序列。

在本实施例中，上述电子设备中可以预先存储有预设词表，上述预设词表可以是预先基于对大量的语料进行统计、分词后得到的词表。上述预设词表中可以包含以词语为键、以组成词语的字的字序列为值的大量的键值对形式的记录。上述电子设备可以基于上述预设词表对上述字向量序列进行分割，以生成多个字向量子序列。具体的，上述电子设备可以首先将上述预设词表中构成每条记录的词语与上述待处理文本进行匹配，继而基于匹配到的词对上述待处理文本进行分词。之后，上述电子设备可以从上述预设词表中查询与所分割后的各个词相对应的字序列。然后，对于所分割后的每一个词所对应的字序列，上述电子设备可以确定上述字向量序列中相应的字向量，从而将上述字向量序列分割为多个字向量子序列。

步骤404，对于所生成的每一个字向量子序列，将组成该字向量子序列的各个字向量的和确定为目标向量，将目标向量输入至预先训练的第一神经网络，得到与该字向量子序列相对应的词向量。

在本实施例中，对于所生成的每一个字向量子序列，上述电子设备可以将组成该字向量子序列的各个字向量的和确定为目标向量，将上述目标向量输入至预先训练的第一神经网络，得到与该字向量子序列相对应的词向量，其中，上述第一神经网络可以用于表征目标向量与词向量的对应关系。

需要说明的是，上述步骤401-404的操作与上述步骤201-204的操作基本相同，在此不再赘述。

步骤405，对于每一个字向量子序列，上述电子设备可以将所得到的、与该字向量子序列相对应的词向量输入至预先训练的第二神经网络，将第二神经网络输出的向量确定为与该字向量子序列相对应的特征向量。

在本实施例中，对于每一个字向量子序列，将所得到的、与该字向量子序列相对应的词向量输入至预先训练的第二神经网络，将上述第二神经网络输出的向量确定为与该字向量子序列相对应的特征向量，其中，上述第二神经网络用于提取文本特征。此处，上述预先训练的第二神经网络可以是多层神经网络，每一层的神经元可以使用任意的非线性激活函数(例如，tanh函数、sigmoid函数等)对所输入的向量进行计算，输出另一向量至下一层神经元。此处，上述预先训练的第二神经网络可以使用现有的残差网络(residualnetwork，resnet)、全连接网络(fullconnectednetwork，fcn)、多层感知器(multi-layerperceptrons，mlp)等结构进行有监督的训练得到。

在本实施例的一些可选的实现方式中，上述第二神经网络可以通过以下步骤训练得到：首先，可以提取预设的第二训练样本，其中，上述第二训练样本可以包括多个第二预设词和上述多个第二预设词中的各个第二预设词的词向量。而后，对于上述第二训练样本中的每一个第二预设词，可以确定组成该第二预设词的各个字的字向量，以生成与该第二预设词相对应的字向量序列；之后，将与上述第二训练样本中的每一个第二预设词相对应的字向量序列输入至上述第一神经网络，将上述第一神经网络输出的向量确定为与该第二预设词相对应的中间向量；最后，可以利用机器学习方法，将与第二预设词相对应的中间向量序列作为输入，将上述第二训练样、第二预设词的词向量作为输出，使用现有的深度残差网络(deepresidualnetwork，deepresnet)进行训练得到第二神经网络。实践中，可以利用反向传播算法确定第二神经网络中各个参数。

步骤406，将与每一个字向量子序列相对应的词向量替换为与该字向量子序列相对应的特征向量。

在本实施例中，上述电子设备可以将与每一个字向量子序列相对应的词向量替换为与该字向量子序列相对应的特征向量。

步骤407，基于所得到的词向量，对待处理文本进行解析，生成解析结果。

在本实施例中，上述电子设备可以基于所得到的词向量，利用各种解析方法对上述待处理文本进行解析，生成解析结果。需要说明的是，上述电子设备可以执行各种需要利用词向量的自然语言处理，可以包括但不限于对文本进行情感分词、相似性分析、垃圾邮件识别、机器翻译、自动问答等。

需要说明的是，上述步骤407的操作与上述步骤205的操作基本相同，在此不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的信息生成方法的流程400突出了将得到的词向量输入至第二神经网络，并进行替换的步骤。由此，本实施例描述的方案可以进一步对从第一神经网络输出的词向量进行分析以优化词向量，提高了文本处理的准确性。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种文本处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例上述的文本处理装置500包括：分割单元501，配置用于对待处理文本进行逐字分割以得到字序列；第一确定单元502，配置用于确定上述字序列中的各个字的字向量，以生成字向量序列；生成单元503，配置用于基于预设词表分割上述字向量序列，以生成多个字向量子序列；第一输入单元504，配置用于对于所生成的每一个字向量子序列，将组成该字向量子序列的各个字向量的和确定为目标向量，将上述目标向量输入至预先训练的第一神经网络，得到与该字向量子序列相对应的词向量，其中上述第一神经网络用于表征目标向量与词向量的对应关系；解析单元505，配置用于基于所得到的词向量，对上述待处理文本进行解析，生成解析结果。

在本实施例中，上述分割单元501可以首先提取待处理文本，而后，可以对上述待处理文本进行逐字分割以得到字序列。

在本实施例中，上述文本处理装置500中可以预先存储汉字内码扩展规范中所包含的各个汉字和图形符号与相应的字向量的对应关系表，各个字向量可以具有相同的维数。对于上述字序列中的每一个字，上述第一确定单元502可以从上述对应关系表中查找到该字所对应的字向量，以生成字向量序列。其中，每一个字向量在上述字向量序列中的次序和与该字向量相对应的字在上述字序列中的顺序一致。

在本实施例中，上述文本处理装置500中可以预先存储有预设词表，上述预设词表可以是预先基于对大量的语料进行统计、分词后得到的词表。上述预设词表中可以包含以词语为键、以组成词语的字的字序列为值的大量的键值对形式的记录。上述生成单元503可以基于上述预设词表对上述字向量序列进行分割，以生成多个字向量子序列。具体的，可以首先将上述预设词表中构成每条记录的词语与上述待处理文本进行匹配，继而基于匹配到的词对上述待处理文本进行分词。之后，可以从上述预设词表中查询与所分割后的各个词相对应的字序列。然后，对于所分割后的每一个词所对应的字序列，可以确定上述字向量序列中相应的字向量，从而将上述字向量序列分割为多个字向量子序列。

在本实施例中，对于所生成的每一个字向量子序列，上述第一输入单元504可以将组成该字向量子序列的各个字向量的和确定为目标向量，将上述目标向量输入至预先训练的第一神经网络，得到与该字向量子序列相对应的词向量，其中，上述第一神经网络可以用于表征目标向量与词向量的对应关系。

在本实施例的一些可选的实现方式中，上述文本处理装置500还可以包括第二输入单元和替换单元(图中未示出)。其中，上述第二输入单元，配置用于对于每一个字向量子序列，将所得到的、与该字向量子序列相对应的词向量输入至预先训练的第二神经网络，将上述第二神经网络输出的向量确定为与该字向量子序列相对应的特征向量，其中，上述第二神经网络用于提取文本特征。上述替换单元可以配置用于将与每一个字向量子序列相对应的词向量替换为与该字向量子序列相对应的特征向量。

在本实施例的一些可选的实现方式中，上述解析单元可以进一步配置用于将所得到的词向量输入至预先训练的文本情感分析模型，得到与上述待处理文本相对应的文本情感分析结果，其中，上述情感分析模型用于表征词向量与文本情感分析结果的对应关系。

在本实施例的一些可选的实现方式中，上述解析单元可以进一步配置用于按照字向量子序列在字向量中的先后顺序，依次提取与各个字向量子序列相对应的词向量，以生成词向量序列；将上述词向量序列与预先生成的、与预设文本相对应的词向量序列分别输入至预先训练的相似度计算模型，得到上述待处理文本与上述预设文本的相似度计算结果，其中，上述相似度计算模型用于表征与多个文本相对应的词向量序列与上述多个文本的相似度计算结果的对应关系。

在本实施例的一些可选的实现方式中，上述文本处理装置500还可以包括第一提取单元、第二确定单元和第一训练单元(图中未示出)。其中，上述第一提取单元可以配置用于提取预设的第一训练样本，其中，上述第一训练样本包括多个第一预设词和上述多个第一预设词中的各个第一预设词的词向量。上述第二确定单元可以配置用于对于上述第一训练样本中的每一个第一预设词，确定组成该第一预设词的各个字的字向量，以生成与该第一预设词相对应的字向量序列。上述第一训练单元可以配置用于利用机器学习方法，将与第一预设词相对应的字向量序列作为输入，将上述第一训练样本中的、第一预设词的词向量作为输出，训练得到第一神经网络。

在本实施例的一些可选的实现方式中，上述文本处理装置500还可以包括第二提取单元、第三确定单元、第三输入单元和第二训练单元(图中未示出)。其中，上述第二提取单元可以配置用于提取预设的第二训练样本，其中，上述第二训练样本包括多个第二预设词和上述多个第二预设词中的各个第二预设词的词向量。上述第三确定单元可以配置用于对于上述第二训练样本中的每一个第二预设词，确定组成该第二预设词的各个字的字向量，以生成与该第二预设词相对应的字向量序列。上述第三输入单元可以配置用于将与上述第二训练样本中的每一个第二预设词相对应的字向量序列输入至上述第一神经网络，将上述第一神经网络输出的向量确定为与该第二预设词相对应的中间向量。上述第二训练单元可以配置用于利用机器学习方法，将与第二预设词相对应的中间向量序列作为输入，将上述第二训练样、第二预设词的词向量作为输出，训练得到第二神经网络。

本申请的上述实施例提供的装置，通过分割单元501对待处理文本进行逐字分割以得到字序列，以便第一确定单元502确定上述字序列中的各个字的字向量，以生成字向量序列，而后生成单元503基于预设词表分割上述字向量序列，以生成多个字向量子序列，之后第一输入单元504基于预先训练的第一神经网络得到与各字向量子序列相对应的词向量，最后解析单元505基于所得到的词向量，对上述待处理文本进行解析，生成解析结果，从而可以实现基于字向量生成词向量，由于中文单个汉字的数量远小于词汇的数量，且词向量可以通过预先训练的神经网络自动生成，不需要占据静态存储空间，因而可以降低对运算设备的物理存储、网络传输、内存等性能的要求，提高了文本处理的适应性。

下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

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部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所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。在本申请中，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。而在本申请中，计算机可读的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。计算机可读的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：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、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。

描述于本申请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。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括分割单元、第一确定单元、第一输入单元和解析单元。其中，这些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，分割单元还可以被描述为“对待处理文本进行逐字分割的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。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装置执行时，使得该装置：对待处理文本进行逐字分割以得到字序列；确定该字序列中的各个字的字向量，以生成字向量序列；基于预设词表分割该字向量序列，以生成多个字向量子序列；对于所生成的每一个字向量子序列，将组成该字向量子序列的各个字向量的和确定为目标向量，将该目标向量输入至预先训练的第一神经网络，得到与该字向量子序列相对应的词向量，其中该第一神经网络用于表征目标向量与词向量的对应关系；基于所得到的词向量，对该待处理文本进行解析，生成解析结果。

以上描述仅为本申请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，本申请中所涉及的发明范围，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发明构思的情况下，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。例如上述特征与本申请中公开的(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。