一种信息处理方法及设备技术

本发明专利技术实施例公开了一种信息处理方法及设备。所述方法包括：分析文字信息，获得所述文字信息中的关键信息；分析图像数据，对所述图像数据进行分割处理，获得多个分割图像数据；识别所述多个分割图像数据中与所述关键信息相匹配的第一分割图像数据。

A method and equipment for information processing

The embodiment of the invention discloses an information processing method and device. The method includes: analyzing the text information, obtaining the key information in the written information, analyzing the image data, dividing and processing the image data, obtaining a plurality of segmented image data, and identifying the first segmented image data matching the key information in the plurality of divided image data.

【技术实现步骤摘要】
一种信息处理方法及设备
本专利技术涉及信息处理技术，具体涉及一种信息处理方法及设备。
技术介绍
随着智能移动设备特别是智能手机的普及，以及互联网社交平台的流行，人们越来越习惯于在互联网上通过图像来分享自己生活中发生的事情。一方面，图像分享为人类迅速分享信息提供了方便，但另一方面，也造成了信息的爆炸式增长，导致用户的信息过载，使用户不能快速有效的获取社交平台上众多信息的重点内容，尤其是图像信息中的重点内容。针对图像信息与文本信息的匹配方案，现有技术中是将图像信息整体和文字信息整体作为匹配的依据，
技术实现思路
为解决现有存在的技术问题，本专利技术实施例提供一种信息处理方法及设备。为达到上述目的，本专利技术实施例的技术方案是这样实现的：本专利技术实施例还提供了一种信息处理方法，所述方法包括：分析文字信息，获得所述文字信息中的关键信息；分析图像数据，对所述图像数据进行分割处理，获得多个分割图像数据；识别所述多个分割图像数据中与所述关键信息相匹配的第一分割图像数据。上述方案中，所述分析文字信息，获得所述文字信息中的关键信息，包括：对文字信息进行分词处理，获得所述文字信息对应的多个分词；基于预先配置的循环神经网络模型获得所述多个分词对应的节点信息；所述节点信息表征所述多个分词中任一分词与其他分词的关联关系；基于预先配置的第一分类模型获得第一分词对应的第一节点子信息的第一分类参数；所述第一分词为所述多个分词中的任一分词；当所述第一分类参数与表征关键信息的第一预设分类参数一致时，确定所述第一分词为所述文字信息中的关键信息。上述方案中，所述基于循环神经网络获得所述多个分词对应的节点信息，包括：将所述多个分词正序排序，将正序排序后的所述多个分词中的每个分词通过向量表示，获得所述多个分词对应的第一序列向量；所述第一序列向量表示正向排序的所述多个分词对应的序列向量；将所述第一序列向量输入预先配置的第一循环神经网络模型中，获得第一节点信息；所述第一节点信息表征正序排序的所述多个分词中任一分词与第一部分分词的关联关系；所述第一部分分词为正序排序的所述多个分词中排序在所述任一分词前的分词；将所述多个分词倒序排序，将倒序排序后的所述多个分词中的每个分词通过向量表示，获得所述多个分词对应的第二序列向量；所述第二序列向量表示倒序排序的所述多个分词对应的序列向量；将所述第二序列向量输入预先配置的第二循环神经网络模型中，获得第二节点信息；所述第二节点信息表征倒序排序的所述多个分词中任一分词与第二部分分词的关联关系；所述第二部分分词为倒序排序的所述多个分词中排序在所述任一分词前的分词；组合所述第一节点信息和所述第二节点信息获得所述多个分词对应的节点信息。上述方案中，所述识别所述多个分割图像数据中与所述关键信息相匹配的第一分割图像数据，包括：基于预先配置的卷积神经网络模型获得所述多个分割图像数据对应的向量节点信息；所述向量节点信息表征所述多个分割图像数据中特征图像数据与其他特征图像数据的关联关系；组合所述节点信息和所述向量节点信息生成所述多个分词和所述多个分割图像数据对应的特征信息；基于预先配置的第二分类模型获得所述特征信息的第二分类参数；当所述第二分类参数与第二预设分类参数一致时，确定与所述第二分类参数相对应的特定分词和特定分割图像数据匹配一致。上述方案中，所述基于预先配置的卷积神经网络模型获得所述多个分割图像数据对应的向量节点信息，包括：将第一分割图像数据输入预先配置的第一卷积神经网络模型中，获得第一向量节点信息；所述第一分割图像数据为所述多个分割图像数据中的任一分割图像数据；所述第一向量节点信息表征所述第一分割图像数据中任一特征点与其他特征点之间的关联关系；将包括所述多个分割图像数据的图像数据输入预先配置的第二卷积神经网络模型中，获得第二向量节点信息；所述第二向量节点信息表征任一分割图像数据与其他分割图像数据之间的关联关系；组合所述第一向量节点信息和所述第二向量节点信息获得所述多个分割图像数据对应的向量节点信息。本专利技术实施例还提供了一种信息处理设备，所述设备包括：文字处理单元、图像处理单元和匹配单元；其中，所述文字处理单元，用于分析文字信息，获得所述文字信息中的关键信息；所述图像处理单元，用于分析图像数据，对所述图像数据进行分割处理，获得多个分割图像数据；所述匹配单元，用于识别所述多个分割图像数据中与所述关键信息相匹配的第一分割图像数据。上述方案中，所述文字处理单元，用于对文字信息进行分词处理，获得所述文字信息对应的多个分词；基于预先配置的循环神经网络模型获得所述多个分词对应的节点信息；所述节点信息表征所述多个分词中任一分词与其他分词的关联关系；基于预先配置的第一分类模型获得第一分词对应的第一节点子信息的第一分类参数；所述第一分词为所述多个分词中的任一分词；当所述第一分类参数与表征关键信息的第一预设分类参数一致时，确定所述第一分词为所述文字信息中的关键信息。上述方案中，所述文字处理单元，用于将所述多个分词正序排序，将正序排序后的所述多个分词中的每个分词通过向量表示，获得所述多个分词对应的第一序列向量；所述第一序列向量表示正向排序的所述多个分词对应的序列向量；将所述第一序列向量输入预先配置的第一循环神经网络模型中，获得第一节点信息；所述第一节点信息表征正序排序的所述多个分词中任一分词与第一部分分词的关联关系；所述第一部分分词为正序排序的所述多个分词中排序在所述任一分词前的分词；将所述多个分词倒序排序，将倒序排序后的所述多个分词中的每个分词通过向量表示，获得所述多个分词对应的第二序列向量；所述第二序列向量表示倒序排序的所述多个分词对应的序列向量；将所述第二序列向量输入预先配置的第二循环神经网络模型中，获得第二节点信息；所述第二节点信息表征倒序排序的所述多个分词中任一分词与第二部分分词的关联关系；所述第二部分分词为倒序排序的所述多个分词中排序在所述任一分词前的分词；组合所述第一节点信息和所述第二节点信息获得所述多个分词对应的节点信息。上述方案中，所述匹配单元，用于基于预先配置的卷积神经网络模型获得所述多个分割图像数据对应的向量节点信息；所述向量节点信息表征所述多个分割图像数据中特征图像数据与其他特征图像数据的关联关系；组合所述节点信息和所述向量节点信息生成所述多个分词和所述多个分割图像数据对应的特征信息；基于预先配置的第二分类模型获得所述特征信息的第二分类参数；当所述第二分类参数与第二预设分类参数一致时，确定与所述第二分类参数相对应的特定分词和特定分割图像数据匹配一致。上述方案中，所述匹配单元，用于将第一分割图像数据输入预先配置的第一卷积神经网络模型中，获得第一向量节点信息；所述第一分割图像数据为所述多个分割图像数据中的任一分割图像数据；所述第一向量节点信息表征所述第一分割图像数据中任一特征点与其他特征点之间的关联关系；将包括所述多个分割图像数据的图像数据输入预先配置的第二卷积神经网络模型中，获得第二向量节点信息；所述第二向量节点信息表征任一分割图像数据与其他分割图像数据之间的关联关系；组合所述第一向量节点信息和所述第二向量节点信息获得所述多个分割图像数据对应的向量节点信息。本专利技术实施例提供的信息处理方法及设备，所述方法包括：分析文字信息，获得所述本文档来自技高网...

【技术保护点】
1.一种信息处理方法，其特征在于，所述方法包括：分析文字信息，获得所述文字信息中的关键信息；分析图像数据，对所述图像数据进行分割处理，获得多个分割图像数据；识别所述多个分割图像数据中与所述关键信息相匹配的第一分割图像数据。

【技术特征摘要】
1.一种信息处理方法，其特征在于，所述方法包括：分析文字信息，获得所述文字信息中的关键信息；分析图像数据，对所述图像数据进行分割处理，获得多个分割图像数据；识别所述多个分割图像数据中与所述关键信息相匹配的第一分割图像数据。2.根据权利要求1所述的方法，其特征在于，所述分析文字信息，获得所述文字信息中的关键信息，包括：对文字信息进行分词处理，获得所述文字信息对应的多个分词；基于预先配置的循环神经网络模型获得所述多个分词对应的节点信息；所述节点信息表征所述多个分词中任一分词与其他分词的关联关系；基于预先配置的第一分类模型获得第一分词对应的第一节点子信息的第一分类参数；所述第一分词为所述多个分词中的任一分词；当所述第一分类参数与表征关键信息的第一预设分类参数一致时，确定所述第一分词为所述文字信息中的关键信息。3.根据权利要求2所述的方法，其特征在于，所述基于循环神经网络获得所述多个分词对应的节点信息，包括：将所述多个分词正序排序，将正序排序后的所述多个分词中的每个分词通过向量表示，获得所述多个分词对应的第一序列向量；所述第一序列向量表示正向排序的所述多个分词对应的序列向量；将所述第一序列向量输入预先配置的第一循环神经网络模型中，获得第一节点信息；所述第一节点信息表征正序排序的所述多个分词中任一分词与第一部分分词的关联关系；所述第一部分分词为正序排序的所述多个分词中排序在所述任一分词前的分词；将所述多个分词倒序排序，将倒序排序后的所述多个分词中的每个分词通过向量表示，获得所述多个分词对应的第二序列向量；所述第二序列向量表示倒序排序的所述多个分词对应的序列向量；将所述第二序列向量输入预先配置的第二循环神经网络模型中，获得第二节点信息；所述第二节点信息表征倒序排序的所述多个分词中任一分词与第二部分分词的关联关系；所述第二部分分词为倒序排序的所述多个分词中排序在所述任一分词前的分词；组合所述第一节点信息和所述第二节点信息获得所述多个分词对应的节点信息。4.根据权利要求2所述的方法，其特征在于，所述识别所述多个分割图像数据中与所述关键信息相匹配的第一分割图像数据，包括：基于预先配置的卷积神经网络模型获得所述多个分割图像数据对应的向量节点信息；所述向量节点信息表征所述多个分割图像数据中特征图像数据与其他特征图像数据的关联关系；组合所述节点信息和所述向量节点信息生成所述多个分词和所述多个分割图像数据对应的特征信息；基于预先配置的第二分类模型获得所述特征信息的第二分类参数；当所述第二分类参数与第二预设分类参数一致时，确定与所述第二分类参数相对应的特定分词和特定分割图像数据匹配一致。5.根据权利要求4所述的方法，其特征在于，所述基于预先配置的卷积神经网络模型获得所述多个分割图像数据对应的向量节点信息，包括：将第一分割图像数据输入预先配置的第一卷积神经网络模型中，获得第一向量节点信息；所述第一分割图像数据为所述多个分割图像数据中的任一分割图像数据；所述第一向量节点信息表征所述第一分割图像数据中任一特征点与其他特征点之间的关联关系；将包括所述多个分割图像数据的图像数据输入预先配置的第二卷积神经网络模型中，获得第二向量节点信息；所述第二向量节点信息表征任一分割图像数据与其他分割图像数据之间的关联关系；组合所述第一向量节点信息和所述第二向量节点信息获...

【专利技术属性】
技术研发人员：户保田，陈玲，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44