[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

本公開實施例公開了一種文本處理方法、裝置、設備及介質，其中，方法包括：獲取預設文本數據庫中的文本，在文本中提取出至少一個關鍵詞，文本對應一個短語集合，集合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，各關鍵詞與其所在的文本對應的短語集合中元素的映射關系與其所在文本與對應的短語集合中元素的映射關系相同；確定關鍵詞表中具有關聯關系的關鍵詞對，更新關鍵詞對中各關鍵詞對應的短語集合中的元素，根據各關鍵詞與更新后的短語集合中的元素的映射關系建立關鍵詞與短語的關系圖表。本公開實施例實現在現有的文本與短語映射關系基礎之上，進行短語匹配映射關系的擴展，豐富文本對應的短語語料資源。

技術領域

本公開實施例涉及計算機應用領域，尤其涉及一種文本處理方法、裝置、設備及介質。

背景技術

在廣告或是其他領域，需要對目標物品用簡潔的文字描述時會從文案數據庫中查找對應的短語文本內容。為了擴充目標物品的短語文案數據庫，通常從已有的較長的相關文本中進行短語提取，或者通過訓練神經網絡模型，由模型生成短語的方式根據輸入文本中生成相關的短語。

但是，現有方案中，短語提取的方式只能抽取出存在與已有文本中的詞語，能夠得到的詞匯量還是有限的。而且，基于神經網絡模型生成的方式有時生成的詞語會不符合語言邏輯，還需要進行模型訓練。

發明內容

本公開實施例提供一種文本處理方法、裝置、設備及介質，以實現在現有的文本與短語映射關系基礎之上，得到更多可以對目標物品進行描述的短語，使可應用的短語語料資源更加豐富。

第一方面，本公開實施例提供了一種文本處理方法，該方法包括：

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。

第二方面，本公開實施例還提供了一種文本處理裝置，該裝置包括：

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。

第三方面，本公開實施例還提供了一種電子設備，該電子設備包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如本公開中任一實施例中所述的文本處理方法。

第四方面，本公開實施例還提供了一種計算機存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如本公開中任一實施例中所述的文本處理方法。