(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 202210693486.6 (22)申请日 2022.06.17 (71)申请人 北京有竹居网络技 术有限公司 地址 101299 北京市平谷区林荫北街13号 信息大厦802室 (72)发明人 伍林　殷翔　马泽君　 (74)专利代理 机构 北京市金杜律师事务所 11256 专利代理师 李辉　姚杰 (51)Int.Cl. G06F 40/30(2020.01) G06N 3/04(2006.01) G06F 16/35(2019.01) G10L 13/08(2013.01) G10L 25/30(2013.01) (54)发明名称 用于确定文本中说话者的方法、 装置、 设备 和存储介质 (57)摘要 本公开的实施例涉及用于确定文本中说话 者的方法、 装置、 设备和存储介质。 该方法包括基 于包括目标对话的文本， 确定文本的文本语义信 息。 该方法还包括确定目标对话在文本中的位 置。 该方法还包括基于文本语义信息和位置， 确 定目标对话的说话者。 通过该方法， 能够降低误 差传播和 复杂性， 并且提高判定精度， 改进了用 户体验。 权利要求书2页 说明书10页 附图6页 CN 115034226 A 2022.09.09 CN 115034226 A 1.一种用于确定文本中说话 者的方法， 包括： 基于包括目标对话的文本， 确定所述文本的文本语义信息； 确定所述目标对话在所述文本中的位置； 以及 基于所述文本语义信息和所述 位置， 确定所述目标对话的说话 者。 2.根据权利要求1所述的方法， 其中确定所述文本语义信息包括： 通过将语言表示模型应用于所述文本来获得 所述文本语义信息 。 3.根据权利要求1所述的方法， 其中所述 位置是第一 位置， 确定所述说话 者包括： 基于所述文本语义信 息和所述第 一位置， 确定所述目标对话的所述说话者在所述文本 中的第二 位置； 基于所述文本语义信 息和所述第 二位置， 确定所述文本中表示所述说话者的至少一个 指代； 以及 从所述至少一个指代中确定针对所述说话 者的目标指代。 4.根据权利要求3所述的方法， 其中确定所述第二 位置包括： 基于所述第 一位置， 从所述文本语义信 息中确定与所述目标对话相对应的第 一部分语 义信息； 以及 基于所述第一部分语义信息和所述文本语义信息， 确定所述第二 位置。 5.根据权利要求4所述的方法， 其中基于所述第 一部分语义信 息和所述文本语义信 息， 确定所述第二 位置包括： 对所述第一部分语义信息进行自注意调整以生成经调整的所述第一部分语义信息； 组合所述经调整的所述第 一部分语义信 息和所述第 一部分语义信 息， 以确定组合语义 信息； 通过对表示所述组合语义信息的向量进行均值 化来生成第一调整信息； 以及 基于所述第一调整信息和所述文本语义信息， 确定所述第二 位置。 6.根据权利要求3所述方法， 其中确定所述第二 位置包括： 通过将对话归属模型应用于所述文本语义信 息和所述第 一位置来确定所述第 二位置， 所述对话归属模型是利用样本文本的语义信息和所述样本文本中的样本对话的位置及所 述样本文本中所述样本对话的说话 者的位置训练得到的。 7.根据权利要求3所述的方法， 其中确定所述至少一个指代包括： 基于所述第 二位置， 从所述文本语义信 息中确定与所述第 二位置相对应的第 二部分语 义信息； 以及 基于所述第二部分语义信息和所述文本语义信息， 确定所述至少一个指代。 8.根据权利要求7所述的方法， 其中基于所述第二部分语义信息和所述文本语义信息 确定所述至少一个指代包括： 通过对表示所述第二部分语义信息的向量进行均值 化来生成第二调整信息； 以及 将所述第二调整信息组合到所述文本语义信息中以用于确定所述至少一个指代。 9.根据权利要求3所述的方法， 其中确定所述至少一个指代包括： 通过将指代消 歧模型应用于所述第二位置和所述文本语义信息以确定所述至少一个 指代， 所述指代消歧模型是利用样本文本的文本语义信息、 样本文本中的样本对话的说话 者的位置、 和所述样本文本中所述样本对话的说话 者的样本指代训练得到的。权　利　要　求　书 1/2 页 2 CN 115034226 A 210.根据权利要求1所述的方法， 其中确定所述说话 者包括： 通过将对话归属模型和指代消歧模型应用于所述文本语义信息和所述位置来确定所 述说话者， 所述对话归属模型和指代消歧模型是利用样本文本的文本语义信息、 所述样本 文本中的样本对话的位置、 所述样本文本中所述样本对话的说话者的位置和所述样本文本 中所述样本对话的说话 者的样本指代而联合训练得到的。 11.根据权利要求1所述的方法， 还 包括： 生成针对所述说话 者的与所述目标对话对应的语音信息 。 12.一种用于确定文本中说话 者的装置， 包括： 文本语义信息确定模块， 被配置为基于包括目标对话的文本， 确定所述文本的文本语 义信息； 位置确定模块， 被 配置为确定所述目标对话在所述文本中的位置； 以及 说话者确定模块， 被配置为基于所述文本语义信息和所述位置， 确定所述目标对话的 说话者。 13.一种电子设备， 包括： 至少一个处 理器； 以及 存储装置， 用于存储至少一个程序， 当所述至少一个程序被所述至少一个处理器执行， 使得所述至少一个处 理器实现根据权利要求1 ‑11中任一项所述的方法。 14.一种计算机可读存储介质， 其上存储有计算机程序， 所述计算机程序在被处理器执 行时实现根据权利要求1 ‑11中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115034226 A 3