[發明專利]一種數據處理方法、裝置、存儲介質和電子設備

在審

• 申請號: 201811568386.0
• 申請日: 2018-12-21
• 公開（公告）號: CN109800287A
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 齊喬松
• 申請（專利權）人: 出門問問信息科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/9535
• 代理公司: 北京睿派知識產權代理事務所(普通合伙) 11597
• 代理人: 劉鋒

1.一種數據處理方法，其特征在于，所述方法包括：

連接作品源網站，獲取所述作品源網站的網頁數據；

根據所述作品源網站的網頁數據獲取作品名稱列表；

根據作品名稱列表和預定的黑名單確定名稱詞語列表；

根據所述名稱詞語列表更新詞庫中文本的特征，所述詞庫用于輔助自然語言學習模型解析語音請求。

2.根據權利要求1所述的方法，其特征在于，所述根據所述作品源網站的網頁數據獲取作品名稱列表包括：

獲取作品名稱字符串；

確定字符串中的異常值；

清洗包含異常值的字符串以獲取所述作品名稱列表。

3.根據權利要求1所述的方法，其特征在于，所述根據作品名稱列表和黑名單確定名稱詞語列表包括：

將黑名單中的詞語從所述作品名稱列表中刪除，以確定所述名稱詞語列表。

4.根據權利要求1所述的方法，其特征在于，在獲取作品名稱列表后，所述方法還包括：

將預定白名單中的詞語添加到所述作品名稱列表。

5.根據權利要求1所述的方法，其特征在于，所述根據詞語列表更新詞庫中文本的特征包括：

響應于所述詞語列表中的詞語在詞庫中存在重復詞語，增加所述詞語的特征。

6.根據權利要求1所述的方法，其特征在于，所述根據詞語列表更新詞庫中文本的特征包括：

響應于所述詞語列表中的詞語在詞庫中不存在重復詞語，將所述詞語添加到詞庫中。

7.根據權利要求1所述的方法，其特征在于，所述作品源網站包括視頻網站，音頻網站以及圖書網站。

8.一種信息處理裝置，其特征在于，所述裝置包括：

連接單元，用于連接作品源網站，獲取所述作品源網站的網頁數據；

作品名稱列表獲取單元，用于根據所述作品源網站的網頁數據獲取作品名稱列表；

名稱詞語列表確定單元，用于根據作品名稱列表和預定的黑名單確定名稱詞語列表；

文本特征更新單元，用于根據所述名稱詞語列表更新詞庫中文本的特征，所述詞庫用于輔助自然語言學習模型解析語音請求。

9.一種計算機可讀存儲介質，其上存儲計算機程序指令，其特征在于，所述計算機程序指令在被處理器執行時實現如權利要求1-7中任一項所述的方法。

10.一種電子設備，包括存儲器和處理器，其特征在于，所述存儲器用于存儲一條或多條計算機程序指令，其中，所述一條或多條計算機程序指令被所述處理器執行如權利要求1-7中任一項所述的方法。