(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211198129.9 (22)申请日 2022.09.29 (71)申请人 北京明略昭辉科技有限公司 地址 100082 北京市海淀区北三环西路25 号27号楼二层2020室 (72)发明人 董世鹏　吴明辉　李采彧　李莹莹　 (74)专利代理 机构 北京超成律师事务所 1 1646 专利代理师 冯洁 (51)Int.Cl. G06F 40/211(2020.01) G06F 40/289(2020.01) G06F 40/30(2020.01) G06N 20/00(2019.01) (54)发明名称 一种并列结构的识别方法、 装置、 电子设备 及存储介质 (57)摘要 本申请提供了一种并列结构的识别方法、 装 置、 电子设备及存储介质， 针对每个文本， 提取该 文本中的多个并列结构， 每个并列结构由存在并 列关系的第一短句和第二短句组成； 确定多组文 本信息， 每组文本信息包括一个并列结构以及该 并列结构所属的文本； 针对每组文本信息， 根据 该组文本信息的句子向量和并列结构向量， 确定 该组文本信息中的并列结构 对应的预测值， 句子 向量用于表征该组文本信息的语义， 并列结构向 量用于表征并列结构的语义， 预测值用于表征并 列结构的关系类型为目标关系类型的可能性； 根 据每个并列结构对应的预测值， 确定每个并列结 构的关系类型， 以满足故障归因分析的项目需 求。 权利要求书2页 说明书9页 附图6页 CN 115455941 A 2022.12.09 CN 115455941 A 1.一种并列结构的识别方法， 其特 征在于， 所述方法包括： 针对每个文本， 提取该文本中的多个并列结构， 每个并列结构由存在并列关系的第一 短句和第二短句组成； 确定多组文本信息， 每组文本信息包括 一个并列结构以及该并列结构所属的文本； 针对每组文本信息， 根据该组文本信息的句子向量和并列结构向量， 确定该组文本信 息中的并列结构对应的预测 值， 所述句 子向量用于表征该组文本信息的语义， 所述并列结 构向量用于表征并列结构的语义， 所述预测值用于表征并列结构的关系类型为目标关系类 型的可能性； 根据每个并列结构对应的预测值， 确定每 个并列结构的关系类型。 2.根据权利要求1所述的方法， 其特征在于， 通过以下方式确定每个并列结构对应的预 测值： 针对每组文本信息， 将该组文本信息输入目标预测模型， 以输出该组文本信息中的并 列结构对应的预测值， 所述 目标预测模型为与目标关系类型对应的模型， 所述目标预测模 型执行如下处理： 确定该组文本信息的句 子向量和并列结构向量， 并根据所确定的句 子向 量和并列结构向量， 确定该组文本信息中的并列结构对应的预测值， 其中， 通过以下 方式获得与目标关系类型对应的预测模型： 获取多个训练文本， 每 个训练文本为存在并列语法的文本； 提取每个训练文本中的所有并列结构； 为每个并列结构分别添加标签， 所述标签用于指示并列结构的关系类型； 确定多组训练信息， 每组训练信息包括一个并列结构以及该并列结构所属的训练文 本； 针对每组训练信息， 利用该组训练信息对初始预测模型进行训练， 以获得与目标关系 类型对应的预测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述目标预测模型包括双向表征模型和分 类模型， 其中， 通过以下 方式生成每 个并列结构对应的预测值： 针对每组文本信息， 将该组文本信息输入双 向表征模型， 以获得该组文本信息的句子 向量和并列结构向量； 针对每组文本信息， 将该组文本信息的句子向量和并列结构向量输入分类模型， 以输 出该组文本信息中的并列结构对应的预测值。 4.根据权利要求3所述的方法， 其特征在于， 通过以下方式确定每组文本信 息的并列 结 构向量： 确定该组文本信息对应的所有字符， 并生成每 个字符对应的字符向量； 确定该组文本信息的样本原文中第一短句和第二短句所对应的所有字符向量； 针对第一短句和第 二短句中的任一个短句， 将该短句所对应的所有字符 向量的均值作 为第一短句向量或第二短句向量； 将第一短句向量和第二短句向量， 确定为该组文本信息的并列结构向量。 5.根据权利要求4所述的方法， 其特征在于， 所述分类模型包括接触层、 全连接层和归 一化层， 针对每组文本信息， 通过以下 方式输出 该组文本信息中的并列结构对应的预测值：权　利　要　求　书 1/2 页 2 CN 115455941 A 2将所述双向表征模型输出的第 一短句向量、 句子向量和第 二短句向量按顺序输入接触 层， 所述接触层 对输入的向量进 行拼接， 将拼接后的向量输出给全连接层， 所述全连接层对 输入进行分类， 并将分类结果输出给归一化层， 所述归一化层 对分类结果进行归一化处理， 以输出该组文本信息中的并列结构对应的预测值。 6.根据权利要求1或2所述的方法， 其特征在于， 通过以下方式提取每个文本中的多个 并列结构： 将该文本输入第一并列结构识别模型， 以获得多个第一并列结构， 所述第一并列结构 识别模型为基于标准并列语法规则构建的并列结构识别模型； 将该文本输入第二并列结构识别模型， 以获得多个第二并列结构， 所述第二并列结构 识别模型为基于目标技术领域下的自定义并列语法规则构建的并列结构识别模型， 所述目 标技术领域为所述多个文本同属的技 术领域； 对所述多个第一并列结构和所述多个第二并列结构进行去重处 理； 将去重处 理后的并列结构， 确定为从该文本中提取的多个并列结构。 7.根据权利要求1所述的方法， 其特征在于， 针对每个并列结构， 通过以下方式确定出 该并列结构的关系类型： 确定该并列结构对应的预测值与标准预测值的大小； 若该并列结构的预测值大于标准预测值， 则确定该并列 结构的关系类型是目标关系类 型； 若该并列结构的预测值小于标准预测值， 则确定该并列 结构的关系类型不是目标关系 类型。 8.一种并列结构的识别装置， 其特 征在于， 所述装置包括： 提取模块， 用于针对每个文本， 提取该文本中的多个并列结构， 每个并列 结构由存在并 列关系的第一短句和第二短句组成； 分组模块， 用于确定多组文本信息， 每组文本信息包括一个并列结构以及该并列结构 所属的文本； 预测模块， 用于针对每组文本信息， 根据 该组文本信息的句子向量和并列 结构向量， 确 定该组文本信息中的并列结构对应的预测值， 所述句子向量用于表征该组文本信息的语 义， 所述并列结构向量用于表征并列结构的语义， 所述预测值用于表征并列结构的关系类 型为目标关系类型的可能性； 判断模块， 用于根据每 个并列结构对应的预测值， 确定每 个并列结构的关系类型。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述处 理器可执行 的机器可读指令， 当电子设备运行时， 所述处理器与所述存储器之间通过总线 通信， 所述处理器执行所述机器可读指令， 以执行如权利要求1至7任一所述并列结构的识 别方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器运行时执行如权利要求 1至7任一所述并列结构的识别方法 的步骤。权　利　要　求　书 2/2 页 3 CN 115455941 A 3