(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 202210596258.7 (22)申请日 2022.05.23 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦二层 (72)发明人 张涛　刘涵　胡腾　陈永锋　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 罗岚 (51)Int.Cl. G06F 40/30(2020.01) G06F 40/211(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 段落抽取方法、 装置和电子设备 (57)摘要 本公开提出了一种段落抽取方法、 装置和电 子设备， 涉及自然语言理解和深度学习等人工智 能领域， 其中， 方法包括获取目标文档和目标文 档的抽取需求信息； 确定目标文档中的段落所属 的标题， 并根据标题层级关系， 对目标文档中标 题和段落进行组合， 以确定目标文档的候选段 落； 获取抽取需求信息和候选段落的关联参数； 根据关联参数， 从候选段落中确定抽取需求信息 对应的目标段落。 本公开中， 实现了对目标文档 的文本结构信息的利用， 使 得目标文档具有多粒 度段落抽取的能力， 实现了目标段落的准确获 取， 优化了段落抽取的方法。 权利要求书3页 说明书13页 附图4页 CN 114861676 A 2022.08.05 CN 114861676 A 1.一种段落抽取 方法， 其中， 所述方法包括： 获取目标文档和所述目标文档的抽取需求信息； 确定所述目标文档 中的段落所属的标题， 并根据标题层级关系， 对所述目标文档 中标 题和段落进行组合， 以确定所述目标文档的候选段落； 获取所述抽取需求信息和所述 候选段落的关联参数； 根据所述关联参数， 从所述 候选段落中确定所述抽取需求信息对应的目标 段落。 2.根据权利要求1所述的方法， 其中， 所述获取所述抽取需求和所述候选段落的关联参 数， 包括： 获取所述抽取需求对应的第一向量； 获取所述目标文档中的所述 候选段落的第二向量； 获取所述第一向量和所述第二向量的关联度， 作为所述关联参数。 3.根据权利要求2所述的方法， 其中， 所述方法还 包括： 获取训练好的目标关联度双塔模型； 根据所述目标关联度双塔模型， 获取所述第一向量和所述第二向量的关联度， 并将所 述关联度作为所述抽取需求和所述 候选段落的所述关联参数。 4.根据权利要求3所述的方法， 其中， 所述根据所述关联参数， 从所述候选段落中确定 所述抽取需求信息对应的目标 段落， 包括： 获取所述关联参数中， 满足设定条件的目标关联参数； 将所述目标关联参数对应的候选段落， 确定为所述抽取需求信息对应的所述目标段 落。 5.根据权利要求4所述的方法， 其中， 所述确定所述目标文档 中的段落所属的标题， 并 根据标题层级关系， 对所述 目标文档中标题和段落进行组合， 以确定所述 目标文档的候选 段落， 包括： 根据所述标题的语义信息确定所述目标文档中的所述标题层级关系； 根据所述标题层级关系， 确定不同层级的待组合标题； 将所述待组合标题和所述待组合标题下的对应段落进行组合， 以获取所述目标文档的 所述候选段落。 6.根据权利要求5所述的方法， 其中， 所述根据所述标题层级关系， 确定不同层级的待 组合标题， 包括： 获取所述目标文档中的层级相同的部分相邻标题， 作为所述待组合标题； 或者， 获取所述目标文档中的层级不同的部分相邻标题， 作为所述待组合标题； 或者， 获取所述目标文档中的全部标题， 作为所述待组合标题。 7.根据权利要求3所述的方法， 其中， 所述获取训练好的目标关联度双塔模型之前， 包 括： 获取待训练的关联度双塔模型的训练混淆样本； 根据所述训练混淆样本对所述关联度双塔模型进行训练， 直至训练结束获取训练好的 所述目标关联度双塔模型。 8.根据权利要求7所述的方法， 其中， 所述获取待训练的关联度双塔模型的训练混淆样 本， 包括：权　利　要　求　书 1/3 页 2 CN 114861676 A 2获取样本文档和对应的样本抽取需求信息； 根据所述样本抽取需求信息， 从所述样本文档中抽取正样本和负 样本； 根据所述 正样本和所述负 样本， 获取 所述关联度双塔模型的所述训练混淆样本 。 9.根据权利要求8所述的方法， 其中， 所述根据所述样本需求， 从所述样本文档 中抽取 正样本和负 样本， 包括： 获取所述样本抽取需求信息在所述样本文档中的目标样本段落； 根据所述样本抽取需求信息和所述目标样本段落， 生成所述样本文档中的所述正样 本； 根据所述样本抽取需求信 息和所述样本文档中除所述目标样本段落之外的剩余段落， 生成所述样本文档中的所述负 样本。 10.一种段落抽取装置， 其中， 所述装置包括： 获取模块， 用于获取目标文档和所述目标文档的抽取需求信息； 确定模块， 用于确定所述目标文档中的段落所属的标题， 并根据标题层级关系， 对所述 目标文档中标题和段落进行组合， 以确定所述目标文档的候选段落； 关联模块， 用于获取 所述抽取需求信息和所述 候选段落的关联参数； 抽取模块， 用于根据所述关联参数， 从所述候选段落中确定所述抽取需求信息对应的 目标段落。 11.根据权利要求10所述的装置， 其中， 所述关联模块， 还用于： 获取所述抽取需求对应的第一向量； 获取所述目标文档中的所述 候选段落的第二向量； 获取所述第一向量和所述第二向量的关联度， 作为所述关联参数。 12.根据权利要求1 1所述的装置， 其中， 所述关联模块， 还用于： 获取训练好的目标关联度双塔模型； 根据所述目标关联度双塔模型， 获取所述第一向量和所述第二向量的关联度， 并将所 述关联度作为所述抽取需求和所述 候选段落的所述关联参数。 13.根据权利要求12所述的装置， 其中， 所述抽取模块， 还用于： 获取所述关联参数中， 满足设定条件的目标关联参数； 将所述目标关联参数对应的候选段落， 确定为所述抽取需求信息对应的所述目标段 落。 14.根据权利要求13所述的装置， 其中， 所述抽取模块， 还用于： 根据所述标题的语义信息确定所述目标文档中的所述标题层级关系； 根据所述标题层级关系， 确定不同层级的待组合标题； 将所述待组合标题和所述待组合标题下的对应段落进行组合， 以获取所述目标文档的 所述候选段落。 15.根据权利要求14所述的装置， 其中， 所述抽取模块， 还用于： 获取所述目标文档中的层级相同的部分相邻标题， 作为所述待组合标题； 或者， 获取所述目标文档中的层级不同的部分相邻标题， 作为所述待组合标题； 或者， 获取所述目标文档中的全部标题， 作为所述待组合标题。 16.根据权利要求12所述的装置， 其中， 所述关联模块， 还用于：权　利　要　求　书 2/3 页 3 CN 114861676 A 3