CN116541517B 文本信息处理方法、装置、设备、软件程序以及存储介质 （腾讯科技（深圳）有限公司）

本发明提供了一种文本信息处理方法、装实现过多级图神经网络多元化的对文本信息的2对所述待处理文本信息进行句法分析处理，得到所述待处理文本信息的句法分析结根据所述待处理文本信息的句法分析结果，确定所述句法分析结多级图神经网络包括与所述待处理文本信息相匹配的全局图神经网络和多个本地图神经分别通过所述全局图神经网络和所述多个本地图神经网络对所述全局图神经网络和所述多个本地图神经网络的处理结果进行解析所述文本信息处理请求，确定所述文本信息处理请求中所包括基于所述目标对象，对所述目标对象的历史行为参数和所述金通过所触发的所述分词库的单词词典对所述待处理文本信息进行分根据所述至少一个依存关系中的主谓关系，对所述词语级特征向量根据所述待处理文本信息的句法分析结果，确定不同的词语级根据所述不同的词语级特征向量的句法结构信息，确定所述句法分析结果3根据所述多跳信息中的不同级别的多跳信息，确定与所述待处根据所述待处理文本中的完整语句信息，确定与所述待处理文本信所述对所述全局图神经网络和所述多个本地图神经网络基于注意力机制对所述第一处理结果和所述第二处理结果进行融信息处理模块，用于对所述待处理文本信息进行句法所述信息处理模块，用于根据所述待处理文本信息的句法分析结果，确所述信息处理模块，用于基于所述多跳信息，确定与所述待处理文本所述信息处理模块，用于分别通过所述全局图神经网络和所述多个本地图神经网络，处理器，用于运行所述存储器存储的可执行指令时，实现权利要求14理器执行时实现权利要求1至6任一项所述的文本信息5以及存储介质，能够实现通过多级图神经网络多元化的对文本信息的情感状态进行分析，678[0054]3)卷积神经网络(CNNCo具有深度结构的前馈神经网络(FeedforwardNeuralNetworks)，是深度学习(deeplearning)的代表算法之一。卷积神经网络具有表征学习(representationlearning)能图像经过openCV等工具读取形成的三通道或原通道矩阵，模型输出为多分类概率，通过softmax等算法最终输出网页类别。在训练时，模型通过交叉熵等目标函数向正确趋势逼得可以进行基于图的推理。通常，图神经网络由两个模块组成：传播模块(Propagation有：图卷积神经网络(GraphConvolutionalNetworks，GCNs)，门控图神经网络(GatedGraphNeuralNetworks，GGNNs)以及基于注意力机制的图注意力神经网络(Graph[0060]9)双向注意力神经网络模(BERTBidirectionalEncoderRepresentationsfromTransformers)谷歌提出的双9发相应的文本信息处理进程(例如即时通讯软件[0065]作为一个示例，服务器200用于布设所述文本信息处理装置以实现本发明所提供金融活动或者通过实体金融资源支付环境(包括但不限于各类型的实体金融资源变化环境)或者社交软件进行信息交互的使用环境，在各类型的实体金融资源进行金融活动或者通过虚拟资源支付中通常会对不同数据来源的金融文本信息进行处理，最终在用户界面文本信息。目标对象在当前显示界面中所形成语音信号频域分析(Speechsignalfrequencyanalyzing)、语音信号特征提取(Speechsignalfeatureextraction)、语音信号特征匹配/识别(Speechsignalfeature包括人工神经网络(artificialneuralnetwork)，例如卷积神经网络(Convolutional户接口203和至少一个网络接口204。文本信息处理装置中的各个组件通过总线系统205耦非易失性存储器两者。本发明实施例中的存储器202能够存储数据以支持终端(如10_1)的理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC，ApplicationSpecific编程逻辑器件(CPLD，ComplexProgrammableLogicDevice)、现场可编程门阵列(FPGA，Field_ProgrammableGateArray)或其他电子实施例所提供的文本信息处理装置可以直接体现为由处理器201执行的软件模块组合，软逻辑器件(PLD，ProgrammableLogicDevice)、复杂可编程逻辑器件(CPLD，ComplexProgrammableLogicDevice)、现场可编程门阵列(FPGA，Field_ProgrammableGateArray)或其他电子元件执行实现本发明实施例提供的文本信[0079]本发明实施例中的存储器202用于存储各种类型的数据以支持文本信息处理装置[0087]继续结合图1所示的使用场景对本申请所提供的文本信息处理方法进行说明，其大，所使用的文本信息情感分类的技术主要是基于长短期记忆网络(LSTM，LongShort_感分类的效果较差；另外一种常用的技术是使用卷积神经网络(ConvolutionalNeural的历史参数：获取数据库中股票对应的股票数据；调用应汉语的待处理文本信息而言，由于作为最小语义单位的词往往是由不同数量的字组成的，选出的词语级特征向量的词语级特征向量的类型与多个设定词语级特征向量的类型进行存句法处理模块的接口请求域名nlp.tencentcl，表1示出了依存句法处理模本发明实施例中多跳信息的一个可选的处理过程示意图，以待处理文本信息为“Ithas的本地图神经网络；根据所述待处理文本中的完整语句信息，确定与所述待处理文本信息相匹配的全局图神经网络，其中，所述多级图神经网络包括全局图神经网络和至少一个本图，本地图神经网络Local_1GCN在进行文本信息处理时仅使用句法分析的中的一跳信息，其余的结果全都置为0，本地图神经网络Local_2GCN在进行文本信息处理时仅使用句法分网络的结构也是可以进行调整的，多级图神经网络的结构包括一个全局图神经网络和至少息进行处理所需要使用的多级图神经网络包括：本地图神经网络Local_1GCN、本地图神经网络Local_2GCN和全局图神经网络GlobalGCN。GCN与3个经过训练的本地图神经网络Local_GCN共同构成了对待处理文信息进行处理所需任务定义目标函数。图神经网络有：图卷积神经网络(GraphConvolutionalNetworks，个节点可以包含与自己有直接或间接联系的W(1)和W(2)为不同隐藏层之间的参数矩阵[0133]步骤603：基于注意力机制对所述第一处理结果和所述第二处理结果进行融合处[0135]同时考虑到实际应用中不但可以通过金融APP实现本申请的方案，同时还可以通[0139]结合前序图1所示，本发明实施例所提供的文本信息处理方法可以通过相应的云端设备实现，例如：终端(包括终端10_1和终端10_2)通过网络300连接位于云端的服务器