[發明專利]一種文本處理方法、裝置、設備及介質

有效

• 申請號: 202110088894.4
• 申請日: 2021-01-22
• 公開（公告）號: CN112819512B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 封江濤;陳家澤;周浩;李磊
• 申請（專利權）人: 北京有竹居網絡技術有限公司
• 主分類號: G06Q30/0241
• 分類號: G06Q30/0241;G06F16/332;G06F40/242;G06F40/289
• 代理公司: 北京遠智匯知識產權代理有限公司 11659
• 代理人: 范坤坤

1.一種文本處理方法，其特征在于，包括：

獲取預設文本數據庫中的文本，并在每一個文本中提取出至少一個關鍵詞，其中，所述預設文本數據庫中每一個文本分別對應一個短語集合，所述短語集合中的短語元素是與對應文本建立有映射關系的短語；

基于提取出的各關鍵詞建立關鍵詞表，其中，各關鍵詞與其所在的文本對應的短語集合中短語元素的映射關系，與其所在文本與對應的短語集合中短語元素的映射關系相同；

確定所述關鍵詞表中具有關聯關系的關鍵詞對，更新所述關鍵詞對中各關鍵詞對應的短語集合中的短語元素，并根據各關鍵詞與更新后的短語集合中的短語元素的映射關系建立關鍵詞與短語的關系圖表；

其中，所述確定所述關鍵詞表中具有關聯關系的關鍵詞對，更新所述關鍵詞對中各關鍵詞對應的短語集合中的短語元素，包括：

匹配所述關鍵詞表中相同的關鍵詞和語義相似度滿足預設條件的關鍵詞，獲取具有關聯關系的關鍵詞對；

將所述關鍵詞對中，各關鍵詞對應的短語集合中的短語元素，更新為與所述關鍵詞對中的所有關鍵詞能夠映射到的短語元素；

其中，所述根據各關鍵詞與更新后的短語集合中的短語元素的映射關系建立關鍵詞與短語的關系圖表，包括：

根據各關鍵詞與更新后的短語集合中的短語元素的映射關系，建立各關鍵詞與每一個短語元素間的連線，形成所述關系圖表。

2.根據權利要求1所述的方法，其特征在于，在更新所述關鍵詞對中各關鍵詞對應的短語集合中的短語元素之前，所述方法還包括：

刪除所述關鍵詞表中詞頻大于預設詞頻的關鍵詞，和/或，刪除所述關鍵詞表中應用領域數量大于預設數量的關鍵詞。

3.根據權利要求1所述的方法，其特征在于，方法還包括：

刪除所述關系圖表中，關鍵詞與短語元素間連線的數量小于預設數值的關鍵詞與短語元素的映射組合。

4.根據權利要求1所述的方法，其特征在于，所述在每一個文本中提取出至少一個關鍵詞，包括：

將所述文本進行分詞，并分別計算分詞結果中每一個詞在所述預設文本數據庫中所有文本中的第一逆向文本頻率系數，與每一個詞在其所在文本對應的分類領域內文本中的第二逆向文本頻率系數；

根據每一個詞在其所在文本中的詞頻、第一逆向文本頻率系數與第二逆向文本頻率系數確定每一個詞的重要性參數；

對所述重要性參數進行排序，按照排序結果選取預設數量詞作為關鍵詞。

5.根據權利要求4所述的方法，其特征在于，所述根據每一個詞在其所在文本中的詞頻、第一逆向文本頻率系數與第二逆向文本頻率系數確定每一個詞的重要性參數，包括：

將每一個詞在其所在文本中的詞頻、第一逆向文本頻率系數與第二逆向文本頻率系數的乘積作為每一個詞的重要性參數。

6.一種文本處理裝置，其特征在于，包括：

關鍵詞提取模塊，用于獲取預設文本數據庫中的文本，并在每一個文本中提取出至少一個關鍵詞，其中，所述預設文本數據庫中每一個文本分別對應一個短語集合，所述短語集合中的短語元素是與對應文本建立有映射關系的短語；

詞表建立模塊，用于基于提取出的各關鍵詞建立關鍵詞表，其中，各關鍵詞與其所在的文本對應的短語集合中短語元素的映射關系，與其所在文本與對應的短語集合中短語元素的映射關系相同；

詞語關系表建立模塊，用于確定所述關鍵詞表中具有關聯關系的關鍵詞對，更新所述關鍵詞對中各關鍵詞對應的短語集合中的短語元素，并根據各關鍵詞與更新后的短語集合中的短語元素的映射關系建立關鍵詞與短語的關系圖表；

其中，所述詞語關系表建立模塊，用于：

匹配所述關鍵詞表中相同的關鍵詞和語義相似度滿足預設條件的關鍵詞，獲取具有關聯關系的關鍵詞對；

將所述關鍵詞對中，各關鍵詞對應的短語集合中的短語元素，更新為與所述關鍵詞對中的所有關鍵詞能夠映射到的短語元素；

其中，所述詞語關系表建立模塊，還用于：

根據各關鍵詞與更新后的短語集合中的短語元素的映射關系，建立各關鍵詞與每一個短語元素間的連線，形成所述關系圖表。