(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 202210976726.3 (22)申请日 2022.08.15 (71)申请人 抖音视界有限公司 地址 100041 北京市石景山区实兴大街3 0 号院3号楼 2层B-0035房间 (72)发明人 陈维识　 (74)专利代理 机构 北京中知法苑知识产权代理 有限公司 1 1226 专利代理师 李明 (51)Int.Cl. G06F 40/194(2020.01) G06F 40/117(2020.01) G06F 40/216(2020.01) G06F 40/289(2020.01) G06F 40/30(2020.01)G06F 16/35(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 文章处理方法、 装置、 电子设备以及存储介 质 (57)摘要 本公开提供了一种文章处理方法、 装置、 电 子设备以及存储介质， 其中， 该方法包括： 获取多 个待处理文章； 基于各所述待处理文章中各段落 的段落内容， 确定该段落的段落特征向量； 其中， 所述段落特征向量为用于指示该段落在对应待 处理文章中语义信息的特征； 基于所述段落特征 向量确定该段落的段落关键特征； 其中， 所述段 落关键特征为用于指示该段落与其他段落之间 语义区别的特征； 基于所述段落关键特征确定多 个所述待处理文章中任意两个待处理文章之间 的语义重合结果。 权利要求书2页 说明书14页 附图6页 CN 115130455 A 2022.09.30 CN 115130455 A 1.一种文章处 理方法， 其特 征在于， 包括： 获取多个待处 理文章； 基于各所述待处理文章中各段落的段落内容， 确定该段落的段落特征向量； 其中， 所述 段落特征向量为用于指示该 段落在对应待处 理文章中语义信息的特 征； 基于所述段落特征向量确定该段落的段落关键特征； 其中， 所述段落关键特征为用于 指示该段落与其 他段落之间语义区别的特 征； 基于所述段落关键特征确定多个所述待处理文章中任意两个待处理文章之间的语义 重合结果。 2.根据权利要求1所述的方法， 其特征在于， 所述基于各所述待处理文章中各段落的段 落内容， 确定该 段落的段落特 征向量， 包括： 对各所述待处 理文章中每 个段落的段落内容进行分词处 理， 得到至少一个目标词汇； 确定每个所述目标词汇的词特征向量， 并基于所述至少一个目标词汇的词特征向量确 定该段落的段落特 征向量。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述至少一个目标词汇的词特征 向量确定该 段落的段落特 征向量， 包括： 将所述至少一个目标词汇的词特征向量进行求平均运算， 得到平均运算结果， 并基于 所述平均运 算结果确定所述段落的段落特 征向量。 4.根据权利要求2所述的方法， 其特征在于， 所述对各所述待处理文章中每个段落的段 落内容进行分词处 理， 得到至少一个目标词汇， 包括： 在每个所述待处 理文章中各 段落的段落内容中提取关键文本信息； 对所述关键文本信息进行分词处 理， 得到所述至少一个目标词汇。 5.根据权利要求1所述的方法， 其特征在于， 所述基于所述段落特征向量确定该段落的 段落关键特 征， 包括： 通过目标分类模型中的Transformer编码器对所述段落特征向量进行编码处理， 得到 目标编码结果； 通过所述目标分类模型中的全局 平均池化层对所述目标编码结果进行池化计算， 并将 池化计算结果确定为所述段落关键特 征。 6.根据权利要求1所述的方法， 其特征在于， 所述基于所述段落关键特征确定多个所述 待处理文章中任意两个待处 理文章之间的语义重合结果， 包括： 通过目标分类模型中的至少一个稠密连接网络对所述段落关键特征进行特征处理， 得 到段落稠密向量； 基于所述段落稠密 向量确定所述任意两个待处理文章之间的重合预测信息； 其中， 所 述重合预测信息用于指示所述任意两个待处 理文章之间的重合度为各 预设重合度的概 率； 基于所述重合预测信息确定所述任意两个待处 理文章之间的语义重合结果。 7.根据权利要求5或6所述的方法， 其特 征在于， 所述方法还 包括： 获取目标训练样本； 其中， 所述目标训练样本包含多个训练文章和所述多个训练文章 之间的重合标签， 所述重合标签用于指示所述多个训练文章之间的重合度； 基于所述目标训练样本对初始分类模型进行训练， 得到所述目标分类模型。 8.一种文章处 理方法， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115130455 A 2获取目标话题 的多个备选话题文章； 其中， 每个所述备选话题文章的至少一个文章特 征与所述目标话题相关联； 通过上述权利要求1至7中任一项所述的文章处理方法， 确定所述多个备选话题文章中 任意两个备选话题文章之间的语义重合结果； 基于所述语义重合结果在所述多个备选话题文章中筛选所述目标话题的多个目标话 题文章； 其中， 任意两个目标话题文章中包含相关联的文章特征， 且任意两个目标话题文章 之间的语义重合度小于预设重合度阈值。 9.一种文章处 理装置， 其特 征在于， 包括： 第一获取 单元， 用于获取多个待处 理文章； 第一确定单元， 用于基于各所述待处理文章中各段落的段落内容， 确定该段落的段落 特征向量； 其中， 所述段落特征向量为用于指示该段落在对应待处理文章中语义信息的特 征； 第二确定单元， 用于基于所述段落特征向量确定该段落的段落关键特征； 其中， 所述段 落关键特 征为用于指示该 段落与其 他段落之间语义区别的特 征； 第三确定单元， 用于基于所述段落关键特征确定多个所述待处理文章中任意两个待处 理文章之间的语义重合结果。 10.一种文章处 理装置， 其特 征在于， 包括： 第二获取单元， 用于获取目标话题的多个备选话题文章； 其中， 每个所述备选话题文章 的至少一个文章特 征与所述目标话题相关联； 第四确定单元， 用于通过上述权利要求1至7中任一项所述的文章处理方法， 确定所述 多个备选话题文章中任意两个备选话题文章之间的语义重合结果； 筛选单元， 用于基于所述语义重合结果在所述多个备选话题文章中筛选所述目标话题 的多个目标话题文章； 其中， 任意两个目标话题文章中包含相关联的文章特征， 且任意两个 目标话题文章之间的语义重合度小于预设重合度阈值。 11.一种电子设备， 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， 所述机器可读指 令被所述处理器执行时执行如权利要求 1至7任一所述的文章处理 方法的步骤， 或者， 行如权利要求8所述的文章处 理方法的步骤。 12.一种计算机可读存储介质， 其特征在于， 该计算机可读存储介质上存储有计算机程 序， 该计算机程序被处理器运行时执行如权利要求1至7任一所述的文章处理方法的步骤， 或者， 行如权利要求8所述的文章处 理方法的步骤。权　利　要　求　书 2/2 页 3 CN 115130455 A 3