一种模型训练、语料处理方法、装置以及计算机设备与流程

本发明实施例涉及文本处理技术领域，尤其涉及一种模型训练、语料处理方法、装置以及计算机设备。

背景技术：

语料处理是文本处理技术领域应用非常广泛的一个技术要点，语料处理的效率直接影响文本处理时长。

可以理解的是，在很多采集的待处理语料中难免包括很多异常语料，也即没有实际意义的语料，这些异常语料也可称为脏预料。异常语料的句法关系混乱，各个词语之间的依存关系错误，在对采集的待处理语料进行处理时，往往需要筛选出句法关系混乱的异常预料并进行删除，以保证待处理语料中的所有语料都是正常语料。

目前筛选异常语料的处理方法大多采用人工处理方式，需要投入大量的人工成本和时间成本，逐句的人工筛查导致语料处理效率低下。虽然现有技术中已经存在对语料的依存关系进行判断的模型，但这类模型会同时对正常语料和异常语料进行依存关系分析，无法确定依存关系分析结果的正确性，也不能筛选出异常语料。

技术实现要素：

本发明实施例提供一种模型训练、语料处理方法、装置以及计算机设备，以提高语料处理的处理效率以及准确率。

第一方面，本发明实施例提供了一种模型训练方法，包括：

获取分词样本之间存在依存关系的语料样本数据；

将所述语料样本数据输入至预设机器学习模型中进行依存关系分析训练，得到依存关系分析模型；

所述依存关系分析模型用于对异常语料进行异常筛选处理。

第二方面，本发明实施例还提供了一种语料处理方法，包括：

获取待处理语料，并将所述待处理语料输入至依存关系分析模型；

通过所述依存关系分析模型对所述待处理语料进行依存关系分析；

根据所述依存关系分析模型的分析结果从所述待处理语料中确定异常语料；

其中，所述依存关系分析模型为上述第一方面所述的模型训练方法训练得到的模型。

第三方面，本发明实施例还提供了一种模型训练装置，包括：

语料样本数据获取模块，用于获取分词样本之间存在依存关系的语料样本数据；

依存关系分析训练模块，用于将所述语料样本数据输入至预设机器学习模型中进行依存关系分析训练，得到依存关系分析模型；

所述依存关系分析模型用于对异常语料进行异常筛选处理。

第四方面，本发明实施例还提供了一种语料处理装置，包括：

待处理语料获取模块，用于获取待处理语料，并将所述待处理语料输入至依存关系分析模型；

依存关系分析模块，用于通过所述依存关系分析模型对所述待处理语料进行依存关系分析；

异常语料确定模块，用于根据所述依存关系分析模型的分析结果从所述待处理语料中确定异常语料；

其中，所述依存关系分析模型为上述第一方面所述的模型训练方法训练得到的模型。

第五方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的模型训练方法或语料处理方法。

第六方面，本发明实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所提供的模型训练方法或语料处理方法。

本发明实施例通过对语料样本数据进行依存关系分析训练得到依存关系分析模型，并利用训练得到的依存关系分析模型对待处理语料进行依存关系分析，以根据分析结果从待处理语料中确定异常语料，解决现有从待处理的语料中筛选异常语料存在的人工和时间成本高的问题，实现自动对异常语料进行识别和异常筛选处理，从而提高语料处理的处理效率和准确率。

附图说明

图1是本发明实施例一提供的一种模型训练方法的流程图；

图2是本发明实施例一提供的一种依存关系的标注结果示意图；

图3是本发明实施例二提供的一种语料处理方法的流程图；

图4是本发明实施例二提供的一种通过依存关系分析模型进行语料处理的效果示意图；

图5是本发明实施例二提供的一种通过依存关系分析模型进行语料处理的效果示意图；

图6是本发明实施例二提供的一种通过依存关系分析模型进行语料处理的效果示意图；

图7是本发明实施例二提供的一种通过依存关系分析模型进行语料处理的效果示意图；

图8为本发明实施例二提供的一种基于依存关系分析的语料处理方法流程图；

图9是本发明实施例三提供的一种模型训练装置的示意图；

图10是本发明实施例四提供的一种语料处理装置的示意图；

图11为本发明实施例五提供的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明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本发明，而非对本发明的限定。

另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

实施例一

图1是本发明实施例一提供的一种模型训练方法的流程图，本实施例可适用于利用语料样本数据进行依存关系分析训练以获取依存关系分析模型的情况，该方法可以由模型训练装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成在计算机设备中，如图1所示，该方法包括如下操作：

s110、获取分词样本之间存在依存关系的语料样本数据。

其中，语料样本数据可以是标准的语料数据，用于作为样本数据进行模型训练。分词样本可以是语料样本数据中的各语料样本进行分词处理得到的分词数据。语料样本数据中各分词样本之间存在正常合理的依存关系。依存关系可以用来表示分词样本在语料样本数据中的句法结构。例如，依存关系可以包括主谓、动宾以及间宾等结构关系，本发明实施例并不对依存关系的具体关系类型进行限定。

在本发明实施例中，可以获取分词样本之间存在依存关系的语料样本数据用于训练依存关系分析模型。语料样本数据中各语料样本包括的分词样本之间存在正确的依存关系。可选的，可以将每两个存在依存关系的两个分词样本构成一个依存对，其中一个分词样本是支配词，另一个分词样本是修饰词，也可称为从属词。

在本发明的一个可选实施例中，获取分词样本之间存在依存关系的语料样本数据，可以包括：获取标准语料样本数据；对标准语料样本数据进行分词处理，得到分词样本数据；对分词样本数据进行词性标注处理，得到词性标注结果样本数据；根据词性标注结果样本数据确定各分词样本数据中各分词样本之间的依存关系，得到语料样本数据。

其中，标准语料样本数据可以是现有语料库中用于训练模型的标准语料数据，例如可以是新闻广播语料和/或教科书语料等语料构成的样本数据，本发明实施例并不对标准语料样本数据的内容做具体限定。标准语料样本数据可以包括多个标准语料样本。分词样本数据可以是对标准语料样本数据进行分词处理后所得到的分词数据，其可以包括多个分词样本。词性标注结果样本数据可以是对分词样本数据进行词性标注处理所得到的词性标注数据。相应的，词性标注结果样本数据中可以包括多个词性标注结果样本。

具体的，在获取语料样本数据时，可以首先获取标准语料样本数据，通过对标准语料样本数据进行分词处理，得到分词样本数据。得到分词样本数据后，对分词样本数据进行词性标注处理从而得到对应的词性标注结果样本数据。进一步地，根据词性标注结果样本数据确定各分词样本之间的依存关系，最终即可得到语料样本数据。

目前，词性标注处理的两套主流规范分别是宾州大学的宾州树库版和北京大学的分词词性标注规范。在一个具体的例子中，对获取的新闻广播语料作为标准语料样本数据进行分词处理得到分词样本数据，将分词样本数据依据北京大学的分词词性标注规范进行词性标注处理，得到词性标注结果样本数据，最后根据词性标注结果样本数据确定各分词样本之间的依存关系得到语料样本数据。为了提高模型训练效率，标准语料样本的分词处理和词性标注处理均可以通过计算机软件来自动完成。

表1是本发明实施例一所提供的一种分词词性标注规范表。如表1所示，北京大学的分词词性标注规范包括26个分词词性标签。标准语料样本数据对应的分词样本数据可以根据这26个分词词性标签进行词性标注处理，得到词性标注结果样本数据。例如，标准语料样本数据中的一个标准语料样本是“雄安新区经济发展有着巨大的潜力”，对该标准语料样本的分词样本进行词性标注处理，得到的词性标注结果样本可以是雄安/ns新区/n经济/n发展/v有着/v巨大/a的/u潜力/n。

表1

在本发明的一个可选实施例中，根据词性标注结果样本数据确定各分词样本数据中各分词样本之间的依存关系，可以包括：根据词性标注结果样本数据确定各分词样本的前后顺序关系和/或修饰关系；根据各分词样本的前后顺序关系和/或修饰关系确定各分词样本之间的依存关系。

其中，前后顺序关系可以是在同一语料中的分词样本之间的前后位置关系。修饰关系可以是分词样本之间在语法上的一种修辞。例如，形容词修饰名词、副词修饰形容词以及副词修饰动词等修饰关系，本发明实施例并不对修饰关系的具体类型做限定。

具体的，在对分词样本数据进行词性标注处理得到词性标注结果样本数据之后，可以根据词性标注结果样本数据确定各分词样本之间的前后顺序关系和/或修饰关系，以根据各分词样本之间的前后顺序关系和/或修饰关系确定各分词样本之间的依存关系。

表2是本发明实施一提供的一种依存关系标签表，在一个具体的例子中，可以使用如表2所示的包含30个依存关系标签的依存关系标签表，对词性标注结果样本数据确定分词样本数据中各分词样本之间的依存关系，具体的依存关系确定规则可使用现有的宾州树库依存关系标注体系。

表2

图2是本发明实施例一提供的一种依存关系的标注结果示意图。在一个具体的例子中，如图2所示，假设一个标准语料样本是“雄安新区经济发展有着巨大的潜力”，对此标准语料样本进行分词处理，得到各个分词样本，然后对分词样本之间的依存关系进行依存关系的标注，最终得到图2的依存关系标注结果。也即，雄安和新区之间有att依存关系、发展和有着存在sbv依存关系、有着和潜力存在vob依存关系以及巨大和的存在rad依存关系。其中，依存关系可以用一个有向弧来表示，用来表示依存关系的有向弧也可以称为依存弧，依存弧的方向可以由从属词指向支配词。例如，雄安和新区这一个依存对中从属词是新区，支配词是雄安。依存弧的方向由新区指向雄安。

在本发明的一个可选实施例中，在根据各分词样本的前后顺序关系和/或修饰关系确定各分词样本之间的依存关系之后，还可以包括：根据各分词样本之间的依存关系建立依存关系数据库。

其中，依存关系数据库可以用于存储各分词样本以及各分词样本之间依存关系的数据集合。

相应的，根据各分词样本的前后顺序关系和/或修饰关系确定各分词样本之间的依存关系之后，可以将分词样本之间的依存关系进行存储从而建立依存关系数据库。依存关系数据库可以作为匹配标准用于依存关系分析模型对待处理语料确定异常语料。

s120、将语料样本数据输入至预设机器学习模型中进行依存关系分析训练，得到依存关系分析模型；依存关系分析模型用于对异常语料进行异常筛选处理。

其中，预设机器学习模型可以是任意类型的机器学习模型，只要能够对依存关系分析训练即可，本发明实施例并不对预设机器学习模型的具体类型进行限定。需要说明的是预设机器学习模型可以是原始的待训练模型，也还可以是现有的成熟模型，或者，也还可以是通过短语结构树库模型或者其他树库模型转换所得到的模型。依存关系分析模型可以是预设机器学习模型进行依存关系分析训练后得到的成熟模型，训练方法例如可以是保留交叉验证方法、k折交叉验证方法或者留1交叉验证方法等，本发明实施例并不对语料样本数据的训练方法类型进行限定。异常筛选处理可以是用于语料分类的一种处理方式。例如，异常筛选处理可以筛选出无实际意义的异常语料。

具体的，在得到语料样本数据后，即可将语料样本数据输入至预设机器学习模型进行依存关系分析训练，完成依存关系分析训练后得到依存关系分析模型。其中，依存关系分析模型可以用于根据分析的依存关系筛选异常语料。

示例性的，进行依存关系训练的语料样本数据可以参考如下量级：语料样本数据可以包括8301个新闻广播语料和10754个教科书语料，其中新闻广播语料中的句子的平均长度为31个词，教科书语料中的句子平均长度是14个词。

在本发明的一个可选实施例中，在将语料样本数据输入至预设机器学习模型中进行依存关系分析训练之前，还可以包括：将分词样本数据输入至预设机器学习模型中进行分词训练；将词性标注结果样本数据输入至预设机器学习模型中进行词性标注训练。

其中，分词训练可以是根据分词样本对预设机器学习模型进行训练，训练之后预设机器学习模型具有对语料的分词处理能力。词性标注训练可以是根据词性标注结果样本数据对预设机器学习模型进行训练，训练之后预设机器学习模型具有对语料中的分词进行词性标注的处理能力。

在本发明实施例中，在进行依存关系分析训练之前，首先需要训练模型的分词处理能力和词性标注处理能力。具体的，可以将分词样本数据输入至预设机器学习模型中进行分词训练，当预设机器学习模型掌握了成熟的分词能力后，再将词性标注结果样本数据输入至预设机器学习模型中进行词性标注训练。此时，预设机器学习模型同时具有分词处理能力和词性标注处理能力。在此基础上，在对预设机器学习模型进行依存关系训练，最终得到的依存关系分析模型同时具备分词处理能力、词性标注处理能力和依存关系分析能力。

目前，对语料进行依存关系分析的工具虽然可对异常语料做出依存关系判断(也就是说存在依存关系判断出错的可能)精确率均未达到90％，还有10％左右的出错空间。同时，现有的依存句法分析器对异常语料的依存关系的处理会和判断正常语料的依存关系一样，均给出依存关系。也即现有的依存句法分析器不能对异常语料进行异常筛选处理。本发明实施例的依存关系分析模型可以对异常语料进行筛选处理，大幅减少了人工筛选异常语料的人工成本和时间成本，同时能够避免对异常语料进行正常的依存关系分析，有效提升对语料依存关系分析的准确率和语料依存关系分析的效率。

本实施例的技术方案，通过对语料样本数据中的分词样本数据进行依存关系分析训练能够获取依存关系分析模型，得到的依存关系分析模型可以用于对异常语料进行异常筛选处理，解决了现有从待处理的语料中筛选异常语料存在的人工和时间成本高的问题，通过训练得到的依存关系分析模型，对异常语料进行异常筛选处理，可以有效提升对语料依存关系分析的准确率和语料依存关系分析的效率。

实施例二

图3是本发明实施例二提供的一种语料处理方法的流程图，本实施例可适用于从待处理语料中筛选出异常语料的情况，该方法可以由语料处理装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成在计算机设备中，如图3所示，该方法包括如下操作：

s210、获取待处理语料，并将待处理语料输入至依存关系分析模型。

其中，待处理语料可以需要筛选出异常语料的原始语料数据，该语料数据可以是实时采集的语音数据等。可以理解的是，待处理语料可以包括多个句子。

在本发明实施例中，可以将获取的待处理语料输入至依存关系分析模型，以通过依存关系分析模型自动从待处理预料中筛选出异常语料。

s220、通过依存关系分析模型对待处理语料进行依存关系分析。

相应的，对获取的待处理语料输入至依存关系分析模型后，依存关系分析模型可以对待处理语料进行依存关系分析。

在本发明的一个可选实施例中，通过依存关系分析模型对待处理语料进行依存关系分析，可以包括：通过依存关系分析模型对待处理语料进行分词处理，得到语料分词；对语料分词进行词性标注处理，得到语料词性标注结果；根据语料词性标注结果确定各语料分词之间的依存关系。

其中，语料分词可以是对待处理语料进行分词处理得到的分词数据。语料词性标注结果可以是对语料分词进行词性标注处理所得到的词性标注数据。

由于依存关系分析模型同时具备分词处理能力、词性标注处理能力和依存关系分析能力，因此，依存关系分析模型进行依存关系分析时，可以首先对待处理语料进行分词处理，得到语料分词，进而对得到的语料分词进行词性标注处理，得到语料词性标注结果，最后再根据语料词性标注结果确定语料分词之间的依存关系。

为了展示依存关系分析模型对待处理语料进行分词处理、词性标注处理以及语料分词之间依存关系分析的处理结果，可以利用依存关系分析模型对待处理预料中的多条语句进行分析，得到如下待处理语料处理结果的示例：

图4是本发明实施例二提供的一种通过依存关系分析模型进行语料处理的效果示意图。在一个具体的例子中，如图4所示，假设待处理语料中的其中一个待处理语句是“他这个人的发展有着巨大的潜力”，利用依存关系分析模型对该待处理语句进行依存关系分析。依存关系分析模型会首先对该待处理语句进行分词处理，得到各个语料分词后，再对语料分词进行词性标注处理得到语料词性标注结果，进而根据语料词性标注结果确定语料分词之间的依存关系，进一步根据语料分词之间的依存关系进行语料分词依存关系的标注，最终得到如图4所示的依存关系标注结果。也即，“这个”和“人”之间有att依存关系、“发展”和“有着”存在sbv依存关系、“巨大”和“的”之间存在rad依存关系、以及“人”和“的”之间存在rad依存关系。

图5是本发明实施例二提供的一种通过依存关系分析模型进行语料处理的效果示意图。在一个具体的例子中，如图5所示，假设待处理语料中的其中一个待处理语句是“雄安新区经济发展会很不错”，利用依存关系分析模型对该待处理语句进行依存关系分析。依存关系分析模型会首先对该待处理语句进行分词处理，得到各个语料分词后，再对语料分词进行词性标注处理得到语料词性标注结果，进而根据语料词性标注结果确定语料分词之间的依存关系，进一步根据语料分词之间的依存关系进行语料分词依存关系的标注，最终得到图5的依存关系标注结果。也即，“很”和“不错”之间有adv依存关系、“发展”和“不错”之间有sbv依存关系以及“新区”和“发展”之间有att依存关系。

图6是本发明实施例二提供的一种通过依存关系分析模型进行语料处理的效果示意图。在一个具体的例子中，如图6所示，假设待处理语料中的其中一个待处理语句是“他这个人很不错”，利用依存关系分析模型对该待处理语句进行依存关系分析。依存关系分析模型会首先对该待处理语句进行分词处理，得到各个语料分词后，再对语料分词进行词性标注处理得到语料词性标注结果，进而根据语料词性标注结果确定语料分词之间的依存关系，进一步根据语料分词之间的依存关系进行语料分词依存关系的标注，最终得到图6的依存关系标注结果。也即，“他”和“人”之间有att依存关系、“很”和“不错”之间有adv依存关系以及“人”和“不错”之间有sbv依存关系。

图7是本发明实施例二提供的一种通过依存关系分析模型进行语料处理的效果示意图。在一个具体的例子中，如图7所示，假设待处理语料中的其中一个待处理语句是“北京人喜欢吃烤鸭吗”，利用依存关系分析模型对该待处理语句进行依存关系分析。依存关系分析模型会首先对该待处理语句进行分词处理，得到各个语料分词后，再对语料分词进行词性标注处理得到语料词性标注结果，进而根据语料词性标注结果确定语料分词之间的依存关系，进一步根据语料分词之间的依存关系进行语料分词依存关系的标注，最终得到图7的依存关系标注结果。也即，“北京”和“人”之间有att依存关系、“吃”和“烤鸭”之间有vob依存关系以及“人”和“喜欢”之间有sbv依存关系。

s230、根据依存关系分析模型的分析结果从待处理语料中确定异常语料。

其中，依存关系分析模型为任一实施例的模型训练方法训练得到的模型。

其中，异常语料可以是待处理语料中的无实际意义的语料。

具体的，当依存关系分析模型确定各待处理语料的语料分词之间的依存关系后，可以根据依存关系的分析结果从待处理语料中确定异常语料。

在本发明的一个可选实施例中，根据语料词性标注结果确定各语料分词之间的依存关系，可以包括：根据语料词性标注结果确定各语料分词的前后顺序关系和/或修饰关系；所述根据所述依存关系分析模型的分析结果从所述待处理语料中确定异常语料，包括：将各语料分词的前后顺序关系和/或修饰关系与依存关系数据库中存储的依存关系进行匹配；如果确定匹配成功，则将待处理语料标记为正常语料；否则，将待处理语料标记为异常语料。

其中，正常语料可以表示待处理语料是语法正确、语义清晰或者具有实际意义的语料。异常语料可以表示待处理语料是可能存在语法错误、语义不清晰或者不具有实际意义的问题的语料。

相应的，依存关系分析模型可以首先根据语料词性标注结果确定语料分词的前后顺序关系和/或修饰关系，然后将各语料分词的前后顺序关系和/或修饰关系与依存关系数据库中存储的依存关系进行匹配，如果确定各语料分词的前后顺序关系和/或修饰关系与依存关系数据库中存储的依存关系匹配成功，则将待处理语料标记为正常语料。例如，将待处理语料标记为1，代表该待处理预料为正常语料。否则，确定各语料分词的前后顺序关系和/或修饰关系与依存关系数据库中存储的依存关系匹配失败，则将该待处理语料标记为异常语料。例如，将待处理语料标记为0，代表该待处理预料为异常语料。其中，匹配失败可以是各语料分词的前后顺序关系和/或修饰关系与依存关系数据库中存储的依存关系部分不匹配或者全部不匹配。

示例性的，假设待处理语料为“人新区烤鸭”，该待处理语料中的“人”和“新区”、“人”和“烤鸭”之间以及“新区”和“烤鸭”的依存关系无法匹配到依存关系数据库中存储的依存关系。也即，该待处理语料的语料分词之间不存在相互的修饰关系，没有依存关系，句法错乱，因此可以将待处理语料被标记为异常语料。

图8为本发明实施例二提供的一种基于依存关系分析的语料处理方法流程图。在一个具体的例子中，如图8所示，在依存关系分析模型的训练阶段，对标准语料样本数据进行分词处理，得到分词样本数据，然后对分词样本数据进行词性标注处理得到词性标注结果样本数据，根据词性标注结果样本数据对分词样本之间的依存关系进行标注，将分词样本数据、词性标注结果样本数据以及分词样本之间的依存关系依次对预设机器学习模型进行训练得到依存关系分析模型。在语料处理阶段，可以直接将待处理语料输入依存关系分析模型进行依存关系分析，判断待处理语料中是否存在一对语料分词之间的依存关系匹配不到依存关系数据库中存储的依存关系的情况。如果确定各语料分词的前后顺序关系和/或修饰关系与依存关系数据库中存储的依存关系均匹配成功，则将待处理语料标记为正常语料；否则，将待处理语料标记为异常语料。考虑到依存关系分析模型无法做到百分之百的准确率，可能存在将正常语料标记为异常语料的情况。因此，在利用依存关系分析模型对所有的待处理语料筛选出异常数据后，可以对异常语料进行人工检查，以确保正常语料没有被误标记为异常语料的情况。

由此可见，通过语料分词的前后顺序关系和/或修饰关系与依存关系数据库中存储的依存关系进行匹配，只要确保训练的标准语料样本数据均是规整的，语法正确的语料，则依存关系分析模型就无法给出异常语料的依存关系的分析结果，因为语料分词的前后顺序关系和/或修饰关系与依存关系数据库中存储的依存关系无法匹配，依存关系分析模型也就不能给出异常语料的语料分词之间具体的依存关系类型。

在本发明实施例中，通过将待处理语料输入至依存关系分析模型进行依存关系分析，根据依存关系分析模型的分析结果寻找出待处理语料中的异常语料，解决了现有依存关系分析器无法有效识别异常语料的问题，达到了对异常语料进行自动化筛选的目的，降低语料处理的人工成本和时间成本，提升了对语料依存关系分析的准确率和分析效率。

实施例三

图9是本发明实施例三提供的一种模型训练装置的示意图，如图9所示，所述装置包括：语料样本数据获取模块310和依存关系分析训练模块320，其中：

语料样本数据获取模块310，用于获取分词样本之间存在依存关系的语料样本数据；

依存关系分析训练模块320，用于将所述语料样本数据输入至预设机器学习模型中进行依存关系分析训练，得到依存关系分析模型；所述依存关系分析模型用于对异常语料进行异常筛选处理。

本实施例的技术方案，通过对语料样本数据中的分词样本数据进行依存关系分析训练能够获取依存关系分析模型，得到的依存关系分析模型可以用于对异常语料进行异常筛选处理，解决了现有从待处理的语料中筛选异常语料存在的人工和时间成本高的问题，通过训练得到的依存关系分析模型，对异常语料进行异常筛选处理，可以有效提升对语料依存关系分析的准确率和语料依存关系分析的效率。

可选的，语料样本数据获取模块，包括：样本数据获取单元，用于获取标准语料样本数据；样本数据分词处理单元，用于对所述语料样本数据进行分词处理，得到分词样本；分词样本数据词性标注单元，用于对所述分词样本进行词性标注处理，得到词性标注结果样本数据；分词样本依存关系确定单元，用于根据所述词性标注结果样本数据确定各所述分词样本之间的依存关系，得到所述语料样本数据。

可选的，分词样本依存关系确定单元，可以具体用于：根据所述词性标注结果样本数据确定各所述分词样本的前后顺序关系和/或修饰关系；根据各所述分词样本的前后顺序关系和/或修饰关系确定各所述分词样本之间的依存关系。

可选的，所述装置还包括：依存关系数据库建立模块，用于根据各所述分词样本之间的依存关系建立依存关系数据库。

可选的，依存关系分析训练模块320，具体用于将所述分词数据输入至所述预设机器学习模型中进行分词训练；将所述词性标注结果样本数据输入至所述预设机器学习模型中进行词性标注训练。

上述模型训练装置可执行本发明任意实施例所提供的模型训练方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的模型训练方法。

由于上述所介绍的模型训练装置为可以执行本发明实施例中的模型训练方法的装置，故而基于本发明实施例中所介绍的模型训练方法，本领域所属技术人员能够了解本实施例的模型训练装置的具体实施方式以及其各种变化形式，所以在此对于该模型训练装置如何实现本发明实施例中的模型训练方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中模型训练方法所采用的装置，都属于本申请所欲保护的范围。

实施例四

图10是本发明实施例四提供的一种语料处理装置的示意图，如图10所示，所述装置包括：待处理语料获取模块410、依存关系分析模块420以及异常语料确定模块430，其中：

待处理语料获取模块410，用于获取待处理语料，并将所述待处理语料输入至依存关系分析模型；

依存关系分析模块420，用于通过所述依存关系分析模型对所述待处理语料进行依存关系分析；

异常语料确定模块430，用于根据所述依存关系分析模型的分析结果从所述待处理语料中确定异常语料；

其中，所述依存关系分析模型为任一实施例中所述的模型训练方法训练得到的模型。

在本发明实施例中，通过将待处理语料输入至依存关系分析模型进行依存关系分析，根据依存关系分析模型的分析结果寻找出待处理语料中的异常语料，解决了现有依存关系分析器无法有效识别异常语料的问题，达到了对异常语料进行自动化筛选的目的，降低语料处理的人工成本和时间成本，提升了对语料依存关系分析的准确率和分析效率。

可选的，依存关系分析模块，包括：语料分词处理单元，用于通过所述依存关系分析模型对所述待处理语料进行分词处理，得到语料分词；词性标注处理单元，用于对所述语料分词进行词性标注处理，得到语料词性标注结果；依存关系确定单元，用于根据所述语料词性标注结果确定各所述语料分词之间的依存关系。

可选的，依存关系确定单元，具体用于：根据所述语料词性标注结果确定各所述语料分词的前后顺序关系和/或修饰关系；异常语料确定模块430，具体用于：将各所述语料分词的前后顺序关系和/或修饰关系与依存关系数据库中存储的依存关系进行匹配；如果确定匹配成功，则将所述待处理语料标记为正常语料；否则，将所述待处理语料标记为异常语料。

上述语料处理装置可执行本发明任意实施例所提供的语料处理方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的语料处理方法。

由于上述所介绍的语料处理装置为可以执行本发明实施例中的语料处理方法的装置，故而基于本发明实施例中所介绍的语料处理方法，本领域所属技术人员能够了解本实施例的语料处理装置的具体实施方式以及其各种变化形式，所以在此对于该语料处理装置如何实现本发明实施例中的语料处理方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中语料处理方法所采用的装置，都属于本申请所欲保护的范围。

实施例五

图11为本发明实施例五提供的一种计算机设备的结构示意图。图11示出了适于用来实现本发明实施方式的计算机设备512的框图。图11显示的计算机设备512仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图11所示，计算机设备512以通用计算设备的形式表现。计算机设备512的组件可以包括但不限于：一个或者多个处理器516，存储装置528，连接不同系统组件(包括存储装置528和处理器516)的总线518。

总线518表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industrystandardarchitecture，isa)总线，微通道体系结构(microchannelarchitecture，mca)总线，增强型isa总线、视频电子标准协会(videoelectronicsstandardsassociation，vesa)局域总线以及外围组件互连(peripheralcomponentinterconnect，pci)总线。

计算机设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备512访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储装置528可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(randomaccessmemory，ram)530和/或高速缓存存储器532。计算机设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统534可以用于读写不可移动的、非易失性磁介质(图11未显示，通常称为“硬盘驱动器”)。尽管图11中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(compactdisc-readonlymemory，cd-rom)、数字视盘(digitalvideodisc-readonlymemory，dvd-rom)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储装置528可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块526的程序536，可以存储在例如存储装置528中，这样的程序模块526包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块526通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备512也可以与一个或多个外部设备514(例如键盘、指向设备、摄像头、显示器524等)通信，还可与一个或者多个使得用户能与该计算机设备512交互的设备通信，和/或与使得该计算机设备512能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(input/output，i/o)接口522进行。并且，计算机设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(localareanetwork，lan)，广域网wideareanetwork，wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器520通过总线518与计算机设备512的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备512使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(redundantarraysofindependentdisks，raid)系统、磁带驱动器以及数据备份存储系统等。

处理器516通过运行存储在存储装置528中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的模型训练方法：获取分词样本之间存在依存关系的语料样本数据；将所述语料样本数据输入至预设机器学习模型中进行依存关系分析训练，得到依存关系分析模型；所述依存关系分析模型用于对异常语料进行异常筛选处理。或者，实现本发明上述实施例所提供的语料处理方法：获取待处理语料，并将所述待处理语料输入至依存关系分析模型；通过所述依存关系分析模型对所述待处理语料进行依存关系分析；根据所述依存关系分析模型的分析结果从所述待处理语料中确定异常语料；其中，所述依存关系分析模型为任一实施例中所述的模型训练方法训练得到的模型。

本发明实施例通过对语料样本数据进行依存关系分析训练得到依存关系分析模型，并利用训练得到的依存关系分析模型对待处理语料进行依存关系分析，以根据分析结果从待处理语料中确定异常语料，解决现有从待处理的语料中筛选异常语料存在的人工和时间成本高的问题，实现自动对异常语料进行识别和异常筛选处理，从而提高语料处理的处理效率和准确率。

实施例六

本发明实施例六还提供一种存储计算机程序的计算机存储介质，所述计算机程序在由计算机处理器执行时用于执行本发明上述实施例任一所述的模型训练方法：获取分词样本之间存在依存关系的语料样本数据；将所述语料样本数据输入至预设机器学习模型中进行依存关系分析训练，得到依存关系分析模型；所述依存关系分析模型用于对异常语料进行异常筛选处理。或者，用于执行本发明上述实施例任一所述的语料处理方法：获取待处理语料，并将所述待处理语料输入至依存关系分析模型；通过所述依存关系分析模型对所述待处理语料进行依存关系分析；根据所述依存关系分析模型的分析结果从所述待处理语料中确定异常语料；其中，所述依存关系分析模型为本发明任意实施例所述的模型训练方法训练得到的模型。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(readonlymemory，rom)、可擦式可编程只读存储器((erasableprogrammablereadonlymemory，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。在本文件中，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。

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、射频(radiofrequency，rf)等等，或者上述的任意合适的组合。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发明操作的计算机程序代码，所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(lan)或广域网(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)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。