[發明專利]文本處理方法、裝置、設備以及存儲介質

在審

• 申請號: 202110507254.2
• 申請日: 2021-05-10
• 公開（公告）號: CN113205384A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 沈廣策;吳建偉;熊健
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F40/279;G06F40/30
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 王一;王珺

1.一種文本處理方法，包括：

獲取待處理文本集和結構化文本集；其中，所述待處理文本集包含多個待處理文本，所述結構化文本集包含多個參考結構化文本；

構建每個所述參考結構化文本對應的第一模板表示；并且，對每個所述待處理文本進行結構化處理，得到每個所述待處理文本的候選結構化文本，構建所述候選結構化文本對應的第二模板表示；

對所述第一模板表示和所述第二模板表示進行匹配，確定滿足預設條件的模板匹配結果所對應的第二模板表示，將確定出的第二模板表示所對應的候選結構化文本添加至所述結構化文本集。

2.根據權利要求1所述的方法，其中，所述模板匹配結果包括語義相似度和支持度；

所述對所述第一模板表示和所述第二模板表示進行匹配，包括：

針對每個所述候選結構化文本，計算所述候選結構化文本對應的第二模板表示與每個所述第一模板表示之間的語義相似度；

基于所述語義相似度，計算滿足語義相似度閾值的語義相似度所對應的第一模板表示的數量，得到所述候選結構化文本的支持度。

3.根據權利要求2所述的方法，其中，所述確定滿足預設條件的模板匹配結果所對應的第二模板表示，包括：

在所述候選結構化文本的支持度滿足支持度閾值的情況下，將所述候選結構化文本對應的第二模板表示確定為滿足預設條件的模板匹配結果所對應的第二模板表示。

4.根據權利要求1所述的方法，其中，所述構建每個所述參考結構化文本對應的第一模板表示，包括：

針對每個所述參考結構化文本，獲取所述待處理文本集中與所述參考結構化文本相匹配的待處理文本；

基于與所述參考結構化文本相匹配的待處理文本，構建所述參考結構化文本對應的第一模板表示。

5.根據權利要求4所述的方法，其中，所述基于與所述參考結構化文本相匹配的待處理文本，構建所述參考結構化文本對應的第一模板表示，包括：

針對與所述參考結構化文本相匹配的待處理文本，獲取所述待處理文本的頁面瀏覽量；

在所述頁面瀏覽量滿足預設條件的情況下，構建所述參考結構化文本對應的第一模板表示。

6.根據權利要求4所述的方法，其中，所述基于與所述參考結構化文本相匹配的待處理文本，構建所述參考結構化文本對應的第一模板表示，包括：

將所述參考結構化文本作為第一插槽單元；

在與所述參考結構化文本相匹配的待處理文本中，確定出與所述參考結構化文本相匹配的第一文本單元；

在與所述參考結構化文本相匹配的待處理文本中，將所述第一文本單元替換為所述第一插槽單元，得到所述參考結構化文本對應的第一模板表示。

7.根據權利要求1所述的方法，其中，所述對每個所述待處理文本進行結構化處理，得到每個所述待處理文本的候選結構化文本，包括：

將所述待處理文本集中的每個所述待處理文本輸入至訓練好的語言模型，進行切詞和重組處理，得到所述待處理文本的候選結構化文本。

8.根據權利要求1所述的方法，其中，所述構建所述候選結構化文本對應的第二模板表示，包括：

針對每個所述候選結構化文本，獲取所述待處理文本集中與所述候選結構化文本相匹配的待處理文本；

基于所述待處理文本集中與所述候選結構化文本相匹配的待處理文本，構建所述候選結構化文本對應的第二模板表示。

9.根據權利要求8所述的方法，其中，所述基于所述待處理文本集中與所述候選結構化文本相匹配的待處理文本，構建所述候選結構化文本對應的第二模板表示，包括：

基于所述待處理文本集中與所述候選結構化文本相匹配的待處理文本，獲取所述待處理文本的相關參數，所述相關參數包括所述待處理文本的頁面瀏覽量和/或交易記錄；

在所述待處理文本的相關參數滿足預設條件的情況下，構建所述候選結構化文本對應的第二模板表示。