[發明專利]文本聯系實體提取方法、裝置、設備及可讀存儲介質

有效

• 申請號: 202110532086.2
• 申請日: 2021-05-17
• 公開（公告）號: CN112989838B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 羅震震;張少游;關濤;向永清
• 申請（專利權）人: 北京智慧易科技有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/284
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種文本聯系實體提取方法，其特征在于，所述實體為待監控的平臺實體，所述方法包括：

獲取用戶輸入的文本數據；

對所述文本數據進行預處理，得到預處理后的文本；

對所述預處理后的文本進行字符切分，并將切分結果以數組的方式保存，得到切分數組，所述切分數組包括字符串中所處的位置索引、字符串原值、拼音、字符串轉化值和字符串前后索引的距離值；

根據所述實體，獲取所述實體對應的預先存儲的關鍵詞輔助提取信息，所述關鍵詞輔助提取信息包括：所述切分數組中的字符串原值、拼音和字符串轉化值；根據所述關鍵詞輔助提取信息從所述切分數組中提取所述實體相關的關鍵詞；

根據所述關鍵詞提取對應的實體；

所述對所述文本數據進行預處理，得到預處理后的文本，包括：

對所述文本數據按照預設方式進行預處理操作，使得經過預處理的文本數據形成統一格式；

所述對所述文本數據按照預設方式進行預處理操作，包括：

對于用戶輸入的文本數據中存在轉義字符的情形下，從用戶輸入的文本數據中提取轉義字符，將轉義字符轉換為空字符；

對于用戶輸入的文本數據中存在unicode碼的情形下，從用戶輸入的文本數據中提取unicode碼，將unicode碼轉換為中文；

對于用戶輸入的文本數據中存在停止字符的情形下，從用戶輸入的文本數據中提取停止字符，將停止字符轉換為空格；

根據預先存儲的間隔字拆分對照表，在所述文本數據中存在索引、前后部首的情形下，根據索引將前后部首合并在一起，生成新字符；

對于用戶輸入的文本數據中存在連續空格字符的情形下，從用戶輸入的文本數據中提取連續空格字符，將連續空格字符轉換為空字符。

2.一種文本聯系實體提取裝置，其特征在于，所述實體為待監控的非常規用戶平臺實體，所述裝置包括：

獲取模塊，用于獲取用戶輸入的文本數據；

預處理模塊，用于對所述文本數據進行預處理，得到預處理后的文本；

切分模塊，用于對所述預處理后的文本進行字符切分，并將切分結果以數組的方式保存，得到切分數組，所述切分數組包括字符串中所處的位置索引、字符串原值、拼音、字符串轉化值和字符串前后索引的距離值；

關鍵詞提取模塊，用于根據所述實體，獲取所述實體對應的預先存儲的關鍵詞輔助提取信息，所述關鍵詞輔助提取信息包括：所述切分數組中的字符串原值、拼音和字符串轉化值；

根據所述關鍵詞輔助提取信息從所述切分數組中提取所述實體相關的關鍵詞；

實體提取模塊，用于根據所述關鍵詞提取對應的實體；

所述對所述文本數據進行預處理，得到預處理后的文本，包括：

對所述文本數據按照預設方式進行預處理操作，使得經過預處理的文本數據形成統一格式；

所述對所述文本數據按照預設方式進行預處理操作，包括：

對于用戶輸入的文本數據中存在轉義字符的情形下，從用戶輸入的文本數據中提取轉義字符，將轉義字符轉換為空字符；

對于用戶輸入的文本數據中存在unicode碼的情形下，從用戶輸入的文本數據中提取unicode碼，將unicode碼轉換為中文；

對于用戶輸入的文本數據中存在停止字符的情形下，從用戶輸入的文本數據中提取停止字符，將停止字符轉換為空格；

根據預先存儲的間隔字拆分對照表，在所述文本數據中存在索引、前后部首的情形下，根據索引將前后部首合并在一起，生成新字符；

對于用戶輸入的文本數據中存在連續空格字符的情形下，從用戶輸入的文本數據中提取連續空格字符，將連續空格字符轉換為空字符。

3.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現權利要求1所述方法的步驟。

4.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有程序，所述程序被執行時，能夠實現如權利要求1所述的方法。