申请/专利权人：四川新网银行股份有限公司

申请日：2022-01-04

公开（公告）日：2024-06-25

公开（公告）号：CN114330276B

主分类号：G06F40/186

分类号：G06F40/186;G06F40/216;G06F40/289;G06F40/30;G06F16/33;G06F16/35;G06F18/24;G06N3/0455;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.04.29#实质审查的生效;2022.04.12#公开

摘要：本发明公开了一种基于深度学习的短信模板生成方法、系统及电子装置，方法包括以下步骤：获取短信文本的待压缩短信文本，并对所述待压缩短信文本进行预处理；将预处理后的所述待压缩短信文本输入至训练好的Transformer模型中，以获取压缩短信文本；获取所述压缩短信文本的语句通顺概率矩阵以及词频概率矩阵；根据所述语句通顺概率矩阵以及所述词频概率矩阵从所述压缩短信文本中选取最佳压缩短信文本。本发明的目的在于提供一种基于深度学习的短信模板生成方法、系统及电子装置，通过构建缩写模型生成大量与原文相似的句子，再通过分类模型，选出符合语句通顺性和字数尽可能少的句子作为输出，以此达到生成短信模板的目的。

主权项：1.一种基于深度学习的短信模板生成方法，其特征在于，包括以下步骤：获取短信文本的待压缩短信文本，并对所述待压缩短信文本进行预处理；其中，所述待压缩短信文本为删除标注内容后的所述短信文本，所述标注内容为预先标注在所述短信文本中的内容；将预处理后的所述待压缩短信文本输入至训练好的Transformer模型中，以获取压缩短信文本；具体过程为：将待压缩短信文本作为Transformer模型的输入，把所述标注内容作为训练的输出，交给Transformer模型去学习，使得所述Transformer模型能够猜出标注内容，即：Transformer模型给出的输出的含义与所述标注内容的相似度高于设定的阈值，且将Transformer模型给出的比所述标注内容更短的输出替换原来的标注内容，以达到压缩短信文本的目的，得到压缩短信文本；获取所述压缩短信文本的语句通顺概率矩阵以及词频概率矩阵；获取所述语句通顺概率矩阵包括以下子步骤：在每一条所述压缩短信文本的文本前插入“[CLS]”标记；将添加了“[CLS]”标记的所述压缩短信文本输入至训练好的BERT分类模型中，以获取每一条所述压缩短信文本的语句通顺概率矩阵[P10，P11]，P10表示语句通顺的概率，P11表示语句不通顺的概率；获取所述词频概率矩阵包括以下子步骤：对所述压缩短信文本做分词处理；统计各个词汇在正类文本中的出现次数和在负类文本中的出现次数；其中，所述正类文本和所述负类文本由训练所述Transformer模型时获取；根据各个词汇在正类文本中的出现次数和各个词汇在负类文本中的出现次数获取所述压缩短信文本的词频概率矩阵[P20，P21]： 其中，P20表示所述压缩短信文本为所述正类文本的概率，P21表示所述压缩短信文本为所述负类文本的概率，N1表示所述正类文本中的总词汇数，N2表示所述负类文本中的总词汇数，count1wn表示第n个词汇在所述正类文本中的出现次数，count2wn表示第n个词汇在所述负类文本中的出现次数；根据所述语句通顺概率矩阵以及所述词频概率矩阵从所述压缩短信文本中选取最佳压缩短信文本。

全文数据：

权利要求：

百度查询： 四川新网银行股份有限公司 一种基于深度学习的短信模板生成方法、系统及电子装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD