【技术实现步骤摘要】
字幕对话流的主题分割方法及装置
本专利技术属于文本流的主题分割
，尤其涉及一种字幕对话流的主题分割方法及装置。
技术介绍
主题分割技术，是指将文本根据主题划分为多个片段，每个片段内保持主题的连续性，而分割点前后则存在主题的转换。图1展示了这一过程，图1的左边是分割之前的原始对话流，其中的对话包含多个主题，在对话的过程中可能会从一个主题转移到另一个新的主题，此时不同主题所覆盖的对话之间的边界没有显式地标明；图1的右边是切分后的对话片段，每一个小方块表示一个对话片段，对话片段中的话语指涉同一个主题，不同的对话片段通常拥有不同的主题，用不同的填充表示，此时对话片段之间的边界会显式标明。主题分割可以为诸如文本摘要、信息抽取、对话分析、问答等任务提供支持。例如，一段长文本流例如会议记录或字幕等，通常会包含不同主题的片段。如果不进行主题分割，当需要查找特定部分时，尽管可以通过搜索关键词的方式找到其所在的语句，但很难定位到该主题片段的开头。而将文本流按照主题切分后进行组织，对于主题片段的摘要和检索都会更加容易。
【技术保护点】
1.一种字幕对话流的主题分割方法，其特征在于，包括：/n基于BERT提取字幕对话流的句子序列中每个句子的语义特征，并根据每个句子的语义特征将每个句子表示为向量；/n将所有所述句子的向量输入至TCN，输出所述句子序列对应的标签序列；其中，所述句子序列中的句子与所述标签序列中的标签一一对应；/n根据所述标签序列，对所述字幕对话流进行主题分割。/n
【技术特征摘要】
1.一种字幕对话流的主题分割方法，其特征在于，包括：
基于BERT提取字幕对话流的句子序列中每个句子的语义特征，并根据每个句子的语义特征将每个句子表示为向量；
将所有所述句子的向量输入至TCN，输出所述句子序列对应的标签序列；其中，所述句子序列中的句子与所述标签序列中的标签一一对应；
根据所述标签序列，对所述字幕对话流进行主题分割。
2.根据权利要求1所述的字幕对话流的主题分割方法，其特征在于，基于BERT提取字幕对话流的句子序列中每个句子的语义特征的步骤具体包括：
当所述字幕对话流为中文时，将每个句子划分为N个字；
基于所述BERT对每个字进行处理，获取每个字对应的大小为H的特征向量；
将每个句子表示为N*H的矩阵。
3.根据权利要求1所述的字幕对话流的主题分割方法，其特征在于，基于BERT提取字幕对话流的句子序列中每个句子的语义特征的步骤具体包括：
将所述BERT的每一层在其前一层的输出上加上自注意力，输出N*H的矩阵；其中，N为输入所述BERT中的句子的长度，H为所述BERT中隐含层的大小；
将所述BERT的倒数第二层输出的矩阵作为每个句子的语义特征。
4.根据权利要求2所述的字幕对话流的主题分割方法，其特征在于，根据每个句子的语义特征将每个句子表示为向量的步骤具体包括：
对每个句子的语义特征进行平均池化，将每个句子的语义特征平均池化为大小为H的特征向量。
5.根据权利要求1-4任一所述的字幕对话流的主题分割方法，其特征在于，所述标签序列中包括标签0和标签1；
其中，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。