[發明專利]文本處理方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110451337.4
• 申請日: 2021-04-25
• 公開（公告）號: CN113177399A
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 浦東旭
• 申請（專利權）人: 網易(杭州)網絡有限公司
• 主分類號: G06F40/194
• 分類號: G06F40/194;G06F40/284;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 鐘揚飛

1.一種文本處理方法，其特征在于，包括：

對輸入文本進行特征提取，得到所述輸入文本的特征；

根據所述輸入文本的特征，從預先創建的數據庫中，選擇n條真實文本；所述數據庫中存儲有：多條真實文本的特征，以及每條真實文本對應的評論文本的特征；

根據所述輸入文本的特征和所述n條真實文本對應的評論文本的特征，從所述n條真實文本對應的評論文本中，選擇m條評論文本作為目標評論文本；其中，n為大于或等于1的整數，m為大于1的整數。

2.根據權利要求1所述的方法，其特征在于，所述對輸入文本進行特征提取，得到所述輸入文本的特征，包括：

獲取所述輸入文本中的多個目標詞語；

根據預先構建的語料庫，對所述多個目標詞語進行映射，得到所述多個目標詞語的特征，其中，所述語料庫包括：多個基礎詞語的特征；每個目標詞語的特征為所述語料庫中與所述每個目標詞語匹配的目標基礎詞語的特征；

根據所述多個目標詞語的特征，得到所述輸入文本的特征。

3.根據權利要求2所述的方法，其特征在于，所述根據所述多個目標詞語的特征，得到所述輸入文本的特征，包括：

采用所述多個目標詞語的預設權重，對所述多個目標詞語的特征進行加權和運算，得到所述輸入文本的特征。

4.根據權利要求3所述的方法，其特征在于，所述采用所述多個目標詞語的預設權重，對所述多個目標詞語的特征進行加權和運算，得到所述輸入文本的特征之前，所述方法還包括：

根據所述每個目標詞語匹配的目標基礎詞語在所述語料庫的逆文檔頻率指數，確定所述每個目標詞語的預設權重。

5.根據權利要求4所述的方法，其特征在于，所述語料庫中的所述多個基礎詞語來源于多個文檔；所述確定所述每個目標詞語匹配的目標基礎詞語在所述語料庫的逆文檔頻率指數為所述每個目標詞語的預設權重之前，所述方法還包括：

根據每個基礎詞語在所述語料庫中的詞頻、所述多個文檔中具有所述每個基礎詞語的文檔總數量以及預設的比例因子，計算所述每個基礎詞語的逆文檔頻率指數。

6.根據權利要求2所述的方法，其特征在于，所述獲取所述輸入文本中的多個詞語，包括：

對所述輸入文本進行分詞，得到多個初始詞語；

對所述多個初始詞語進行處理，以剔除所述多個初始詞語中的停用詞和/或固定組合詞，得到所述多個目標詞語。

7.根據權利要求2所述的方法，其特征在于，所述方法還包括：

若所述語料庫中不存在所述每個目標詞語匹配的目標基礎詞語，則確定所述輸入文本為無語義的輸入文本；

從預設的評論文本庫中隨機選擇評論文本作為目標評論文本。

8.根據權利要求2所述的方法，其特征在于，所述根據預先構建的語料庫，對所述多個目標詞語進行映射，得到所述多個目標詞語的特征之前，所述方法還包括：

采用預設的詞向量模型，對預設數據源中的多個文檔進行處理，得到所述多個基礎詞語的特征。

9.根據權利要求1所述的方法，其特征在于，所述根據所述輸入文本的特征，從預先創建的數據庫中，選擇所述輸入文本對應的n條真實文本之前，所述方法還包括：

從預設網絡平臺爬取社交文本內容；

對所述社交文本內容中所述多條真實文本進行特征提取，得到所述多條真實文本的特征；

對所述社交文本內容中的所述每條真實文本對應的評論文本進行特征提取，得到所述每條真實文本對應的評論文本的特征。

10.根據權利要求1所述的方法，其特征在于，所述根據所述輸入文本的特征，從預先創建的數據庫中，選擇n條真實文本，包括：

根據所述輸入文本的特征，從所述數據庫中，選擇與所述輸入文本的特征最相關的所述n條真實文本。