[發明專利]文本的處理方法和裝置

有效

• 申請號: 202010513209.3
• 申請日: 2020-06-08
• 公開（公告）號: CN111680508B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 王翰琦
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/289
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種文本的處理方法，所述方法包括：

對文本進行切詞，得到多個詞語，以及按照預設類別，對所述多個詞語進行分類；

基于所述多個詞語中各個詞語的類別，確定所述各個詞語的排列順序，以及生成符合所述排列順序的詞序列；

基于所述詞序列中詞語的排列順序，生成目標有向無環圖，其中，所述目標有向無環圖中的每個節點的主鍵包括所述詞序列中類別相同的至少一個詞語；

在元數據集合中，確定出所述目標有向無環圖的各個節點分別對應的元數據以及所確定的元數據之間的排列順序，其中，所述元數據集合包括與節點對應的元數據，所確定的元數據之間的排列順序為所確定的元數據對應的節點之間的排列順序。

2.根據權利要求1所述的方法，其中，所述基于所述詞序列中詞語的排列順序，生成目標有向無環圖，包括：

以所述詞序列中類別相同的至少一個詞語為單個節點的主鍵，按照所述詞序列中詞語的排列順序，確定所述詞序列對應的有向無環圖作為初始有向無環圖；

對所述初始有向無環圖中的各個節點進行拓撲排序，得到目標有向無環圖。

3.根據權利要求1或2所述的方法，其中，所述目標有向無環圖中的節點，以及所述元數據集合中元數據所對應的節點均具有標識信息；

所述在元數據集合中，確定出所述目標有向無環圖的各個節點分別對應的元數據以及所確定的元數據之間的排列順序，包括：

將所述目標有向無環圖的節點作為目標節點，對于每一個目標節點，確定該目標節點的主鍵所包含詞語的類別所對應的元數據集合，將該元數據集合作為目標元數據集合；

所述所確定的元數據為在所述目標元數據集合中，所對應的節點的標識信息與所述目標節點的標識信息一致的元數據。

4.根據權利要求1或2所述的方法，其中，所述基于所述多個詞語中各個詞語的類別，確定所述各個詞語的排列順序，以及生成符合所述排列順序的詞序列，包括：

按照所述多個詞語中的各個詞語在所述文本中的排列順序，生成包括所述各個詞語的初始詞序列；

基于各類別的詞語的排序優先級，調整所述初始詞序列中詞語的排列順序，以及生成符合調整后的排列順序的詞序列。

5.根據權利要求1所述的方法，其中，所述對文本進行切詞，得到多個詞語，包括：

利用全切分法，將文本切詞為至少兩個詞語；

將所述至少兩個詞語中的各個單元詞以及單元詞詞組，作為所述多個詞語。

6.根據權利要求1所述的方法，其中，元數據存在預設的類別，所述方法還包括：

對所確定的元數據、所確定的元數據之間的排列順序，以及所確定的元數據的類別進行持久化存儲。

7.一種文本的處理裝置，所述裝置包括：

切詞單元，被配置成對文本進行切詞，得到多個詞語，以及按照預設類別，對所述多個詞語進行分類；

類別確定單元，被配置成基于所述多個詞語中各個詞語的類別，確定所述各個詞語的排列順序，以及生成符合所述排列順序的詞序列；

生成單元，被配置成基于所述詞序列中詞語的排列順序，生成目標有向無環圖，其中，所述目標有向無環圖中的每個節點的主鍵包括所述詞序列中類別相同的至少一個詞語；

元數據確定單元，被配置成在元數據集合中，確定出所述目標有向無環圖的各個節點分別對應的元數據以及所確定的元數據之間的排列順序，其中，所述元數據集合包括與節點對應的元數據，所確定的元數據之間的排列順序為所確定的元數據對應的節點之間的排列順序。

8.根據權利要求7所述的裝置，其中，所述生成單元，進一步被配置成按照如下方式執行所述基于所述詞序列中詞語的排列順序，生成目標有向無環圖：

以所述詞序列中類別相同的至少一個詞語為單個節點的主鍵，按照所述詞序列中詞語的排列順序，確定所述詞序列對應的有向無環圖作為初始有向無環圖；

對所述初始有向無環圖中的各個節點進行拓撲排序，得到目標有向無環圖。