[發(fā)明專利]文本處理方法、裝置、計算機設備以及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110038717.5
• 申請日: 2021-01-12
• 公開（公告）號: CN113011875A
• 公開（公告）日: 2021-06-22
• 發(fā)明（設計）人: 趙薇
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06Q20/38
• 分類號: G06Q20/38;G06F40/289;G06N3/04;G06N3/08
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 熊永強;杜維

1.一種文本處理方法，其特征在于，包括：

獲取目標交易賬號的目標交易文本；

采用預置詞組集合，對所述目標交易文本進行分詞處理，得到一個或多個目標詞組；所述預置詞組集合是對目標類型的文本進行識別處理后得到的；

對所述一個或多個目標詞組進行文本識別處理，得到所述目標交易文本的類型；

若所述目標交易文本的類型是目標類型，則將所述目標交易賬號確定為目標類型的交易賬號。

2.根據(jù)權利要求1所述的方法，其特征在于，還包括：

獲取目標類型的文本，識別所述文本中屬于所述目標類型的新詞集合；

獲取原始詞庫，將所述新詞集合添加至所述原始詞庫，得到所述預置詞組集合。

3.根據(jù)權利要求2所述的方法，其特征在于，所述識別所述文本中屬于所述目標類型的新詞集合，包括：

將所述文本劃分為多個字符序列，對每個字符序列進行識別處理，得到每個字符序列的詞組評估指標；

根據(jù)每個字符序列的詞組評估指標，從多個字符序列中選擇第一詞組集合；

將所述第一詞組集合進行去重處理，得到第二詞組集合；所述第二詞組集合包括多個第二詞組；

根據(jù)每個第二詞組的文本來源，從所述多個第二詞組中確定屬于所述目標類型的新詞集合。

4.根據(jù)權利要求3所述的方法，其特征在于，目標第二詞組是多個第二詞組中的任一第二詞組，目標第二詞組的文本來源是第一文本來源或第二文本來源，第一文本來源和第二文本來源是根據(jù)文本應用場景劃分的；

根據(jù)目標第二詞組的文本來源，判斷目標第二詞組是否屬于新詞集合的方式包括：

若目標第二詞組的文本來源是第一文本來源，則確定所述目標第二詞組屬于所述新詞集合。

5.根據(jù)權利要求4所述的方法，其特征在于，還包括：

若目標第二詞組的文本來源是第二文本來源，則獲取交易賬號集合中每個交易賬號的交易文本；

從交易賬號集合中選擇交易文本包含所述目標第二詞組的多個待確定交易賬號，從多個待確定賬號中選擇屬于目標類型的待確定交易賬號；

若屬于目標類型的待確定交易賬號的數(shù)量與待確定交易賬號的數(shù)量的比值大于閾值，則確定所述目標第二詞組屬于所述新詞集合。

6.根據(jù)權利要求3所述的方法，其特征在于，目標字符序列是多個字符序列中的任一字符序列，目標字符序列的詞組評估指標包括詞組頻率、詞組凝固度和詞組自由度；

根據(jù)目標字符序列的詞組評估指標，判斷目標字符序列是否屬于第一詞組集合的方式包括：

若目標字符序列的詞組頻率大于頻率閾值，且詞組凝固度大于凝固度閾值，且詞組自由度大于自由度閾值，則確定目標字符序列屬于第一詞組集合；或者，

若目標字符序列的詞組頻率大于頻率閾值，或詞組凝固度大于凝固度閾值，或詞組自由度大于自由度閾值，則確定目標字符序列屬于第一詞組集合。

7.根據(jù)權利要求3所述的方法，其特征在于，所述將所述第一詞組集合進行去重處理，得到第二詞組集合，包括：

確定所述原始詞庫與所述第一詞組之間的交集；

在第一詞組集合中刪除所述交集對應詞組，將第一詞組集合中剩余的詞組組合為所述第二詞組集合。

8.根據(jù)權利要求1所述的方法，其特征在于，所述對所述一個或多個目標詞組進行文本識別處理，得到所述目標交易文本的類型，包括：

將每個目標詞組分別轉化為詞向量，將所有的詞向量組合為詞矩陣；

調(diào)用文本分類模型識別所述詞矩陣，得到所述目標交易文本的類型是目標類型的第一概率；

若所述第一概率不小于第一概率閾值，則確定所述目標交易文本的類型是目標類型。