CN112819513A - 一种文本链生成方法、装置、设备及介质 - Google Patents
一种文本链生成方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112819513A CN112819513A CN202110090507.0A CN202110090507A CN112819513A CN 112819513 A CN112819513 A CN 112819513A CN 202110090507 A CN202110090507 A CN 202110090507A CN 112819513 A CN112819513 A CN 112819513A
- Authority
- CN
- China
- Prior art keywords
- phrase
- chain
- phrase chain
- node
- matched
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012545 processing Methods 0.000 claims description 23
- 238000012216 screening Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims 1
- 238000005215 recombination Methods 0.000 abstract description 6
- 230000006798 recombination Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000010422 painting Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0276—Advertisement creation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Entrepreneurship & Innovation (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Document Processing Apparatus (AREA)
Abstract
本公开实施例公开了一种文本链生成方法、装置、设备及介质，其中，方法包括：在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定待匹配短语链与初始短语链间的最大公共子序列，以最大公共子序列作为公共节点，将待匹配短语链中除最大公共子序列以外的词添加到初始短语链中，以更新初始短语链；将更新后的短语链作为初始短语链，重复上述步骤直到遍历短语链集合中所有短语链；将更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，右侧未与任意节点连接的节点与预设公共终止节点建立连接。本公开实施例实现了基于语法结构重组的方式整合短语集合，以便能够快速高效的生成更多的短语。
Description
技术领域
本公开实施例涉及计算机应用领域，尤其涉及一种文本链生成方法、装置、设备及介质。
背景技术
在广告或是其他领域，需要对目标物品进行描述时会从文案数据库中查找对应的文本内容。为了扩充短语文案数据库，通常从已有的较长的相关文本中进行短语提取，或者通过训练神经网络模型，由模型生成短语的方式根据输入文本中生成相关的短语。但是，现有方案中，短语提取的方式只能抽取出存在与已有文本中的词语，能够得到的词汇量还是有限的。而且，基于神经网络模型生成的方式有时生成的词语会不符合语言逻辑，还需要进行模型训练。
发明内容
本公开实施例提供一种文本链生成方法、装置、设备及介质，以实现基于语法结构重组的方式整合短语集合，以便能够快速高效的生成更多的短语，丰富短语语料资源。
第一方面，本公开实施例提供了一种文本链生成方法，该方法包括：
在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定所述待匹配短语链与初始短语链间的最大公共子序列，其中，所述短语链是指将至少一个短语中的各个词作为节点，按照短语语序连接形成的文本链；
以所述最大公共子序列作为公共节点，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，形成所述初始短语链的分支，以更新所述初始短语链；
将所述更新后的短语链作为初始短语链，重复上述步骤直到遍历所述短语链集合中所有短语链，得到更新后短语链；
将所述更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，将所述更新后短语链的各个分支中右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终短语链。
第二方面，本公开实施例还提供了一种文本链生成装置，该装置包括：
公共序列匹配模块，用于在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定所述待匹配短语链与初始短语链间的最大公共子序列，其中，所述短语链是指将至少一个短语中的各个词作为节点，按照短语语序连接形成的文本链；
短语链更新模块，用于以所述最大公共子序列作为公共节点，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，形成所述初始短语链的分支，以更新所述初始短语链；
匹配链更新模块，用于将所述更新后的短语链作为初始短语链，调用所述公共序列匹配模块和所述短语链更新模块，重复执行上述步骤直到遍历所述短语链集合中所有短语链，得到更新后短语链；
文本处理模块，用于将所述更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，将所述更新后短语链的各个分支中右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终短语链。
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开中任一实施例中所述的文本链生成方法。
第四方面，本公开实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开中任一实施例中所述的文本链生成方法。
本公开实施例，通过在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定两者间的最大公共子序列；进而以最大公共子序列作为公共节点，将待匹配短语链合并到初始短语链中，形成初始短语链的分支，以更新初始短语链；然后，重复执行上述步骤直到遍历短语链集合中所有短语链，得到更新后短语链；将更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终一条完整短语链，完成文本处理。解决了现有技术中在已有文本中的抽取短语词汇量有限的问题，实现了基于短语中词的连接结构重组的方式整合短语集合，以便用于快速高效的生成更多的短语，丰富短语语料资源。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开实施例一中的文本链生成方法的流程图；
图2是本公开实施例一中的文本链的结构示意图；
图3是本公开实施例二中的文本链生成方法的流程图；
图4是本公开实施例三中的文本链生成方法的流程图；
图5是本公开实施例四中的文本链生成装置的结构示意图；
图6是本公开实施例六中的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1示出了本公开实施例一提供的一种文本链生成方法的流程图，本公开实施例可适用于基于现有短语语料构造生成更多短语语料的情况，该方法可以由文本链生成装置实现，具体可通过电子设备中的软件和/或硬件来实施。
如图1所示，本公开实施例中提供的文本链生成方法，包括如下步骤：
S110、在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定所述待匹配短语链与初始短语链间的最大公共子序列。
其中，短语链的定义是指将至少一个短语中的各个词作为节点，按照短语语序连接形成的文本链。也就是说，一个短语就是一条短语链，而一条短语链可以包含一个或多个短语。短语链集合是基于现有的文本数据组成的一个短语文本数据集合。通常，定义一个短语的长度为4-10个字节的长度。示例性的，短语链可参考图2a所示的结构，短语(短语链)ABCDE中包含有A、B、C、D和E五个字，每个字分别为短语链中的一个节点，按照字的顺序连接成一短语链，如“红-色-的-苹-果”，或者是以一个词为节点如“红色-的-苹果”。本实施例的目的便是要从字或词的粒度层面，按照一定的规则对已有的短语链进行组合，以便于构造出更多的短语。
进一步说明，初始短语链也是在短语链集合中随机选择的一个短语链，然后，在除了初始短语链之外的短语链中随机选择短语链作为待匹配短语链。匹配待匹配短语链与初始短语链中的最大公共子序列，具体可以采用最长公共子序列(longest-common-subsequence，LCS)动态规划算法来实现。匹配的公共子序列的过程中有三种情况，第一种是未匹配到待匹配短语链与初始短语链间有公共子序列，即没有最长公共子序列；第二种情况是在待匹配短语链与初始短语链间只匹配到一个公共子序列，这一个仅有的公共子序列即为最长公共子序列；第三种情况是在待匹配短语链与初始短语链间匹配到两个或两个以上公共子序列，需要进一步比较多个公共子序列中最长的公共子序列。例如，还有一个短语链为“A-C-D-F-H”，该短语链与图2中的短语链a的最长公共子序列为“CD”。
S120、以所述最大公共子序列作为公共节点，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，形成所述初始短语链的分支，以更新所述初始短语链。
当匹配到最大公共子序列时，将最大公共子序列作为公共节点，可以理解为将最大公共子序列看作一个整体，将待匹配短语链中除了最大公共子序列这一整体以外其他的序列，按照词序与初始短语链连接，形成一个新的短语链，如图2中的短语链b所示。在短语链b中，新增了A和F-H两个分支。示例性的，若是基于短语链构造获取短语的话，当遍历这个更新后的短语链之后，可以获得新的短语“BCDF”、“ABCDFH”等短语。
S130、将所述更新后的短语链作为初始短语链，重复执行上述步骤直到遍历所述短语链集合中所有短语链，得到更新后短语链。
进一步的，把更新后的短语链作为新的初始短语链，再从短语链集合中取新的短语链作为待匹配短语链与新的初始短语链进行匹配，确定两者间的作答公共子序列。即更新匹配的对象，重复执行步骤S110和S120，直到短语链集合中每一个短语链均被匹配处理过，得到一个更加丰富的短语链。
S140、将所述更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，将所述更新后短语链的各个分支中右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终短语链。
为了使更新后的短语链整体性更明显一些，便将短语链中各分支连接到一个统一的起始节点和终止节点，从而得到一条有始有终的文本链，这样在后续遍历短语链构造短语过程中，计算机程序执行时可以有一个明确的起点和终点。示例性的，如图2中短语链c，在短语链c将节点C前的两个分支中的第一个节点均与起始节点“S”建立连接，在节点D后面的两个分支的最后一个节点均与终止节点“E”建立连接。
此外，针对在待匹配短语链与初始短语链间未匹配到公共子序列的情况，则直接将与初始短语链没有公共子序列的待匹配短语链中的第一个节点与公共起始节点建立连接，将与初始短语链没有公共子序列的待匹配短语链中的最后一个节点与预设公共终止节点建立连接。例如，图2中的短语链d，待匹配短语链“RXYZ”与更新后的初始短语链c之间没有公共子序列，则直接将节点R与起始节点“S”建立连接，将节点“Z”与终止节点“E”建立连接，得到更新后的短语链d。
当短语链集合中的所有短语链均整合到最终的短语链之后，便完成了构造新的短语的准备工作，可以得到初步的文本处理成果。
本公开实施例的技术方案，通过在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定两者间的最大公共子序列；进而以最大公共子序列作为公共节点，将待匹配短语链合并到初始短语链中，形成初始短语链的分支，以更新初始短语链；然后，重复执行上述步骤直到遍历短语链集合中所有短语链，得到更新后短语链；将更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终一条完整短语链，完成文本处理。解决了现有技术中在已有文本中的抽取短语语词汇量有限的问题，实现了基于短语中词的连接结构重组的方式整合短语集合，以便用于快速高效的生成更多的短语，丰富短语语料资源。
实施例二
本实施例在上述实施例基础上，进一步地，优化了得到最终的短语链的过程，与上述实施例提出的文本链生成方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例。
图3示出了本公开实施例二提供的一种文本链生成方法的流程图，本公开实施例中提供的文本链生成方法包括如下步骤：
S210、为短语链集合中的短语链文本数据添加标签。
在短语链集合中，均是长度经过筛选的符合预设长度的短语链。在一个短语链中的字或词均具有词性，例如，名词、动词或形容词等。在进行字符串的匹配之前，可以对短语链中各节点的词性进行标注，加词性标签，以便在后续文本处理过程中参考各字或词的词性进行文本处理。
S220、在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定所述待匹配短语链与初始短语链间的最大公共子序列。
短语链的定义是指将至少一个短语中的各个词作为节点，按照短语语序连接形成的文本链。也就是说，一个短语就是一条短语链，而一条短语链可以包含一个或多个短语。两个短语链间匹配公共子序列的过程可参考实施例一中的步骤S110。
S230、判断所述最大公共子序列分别在所述待匹配短语链和所述初始短语链中的词性标签是否一致。
由于同样的一个词可以有多个词性，不同词性在一个短语中的功能也是不同的，若是将词性不符合语法结构的词组合在一起，得到的短语往往也是不符合逻辑的短语。因此，若最大公共子序列的词性标签在不同的短语链中不同的话，就不能作为公共的节点将两个短语链整合在一起。当上述判断结果是肯定结果时，则执行步骤S240。
例如，短语一为“赏心悦目的画”，短语二为“画出了神韵”，“画”在短语一中的词性为名词，在短语二中的词性为动词，若是以“画”为节点将两个短语整合到一起，可得到新的短语“赏心悦目的画出了神韵”，这一短语显然在语法逻辑上是有问题的。
S240、将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，形成所述初始短语链的分支，以更新所述初始短语链。
当上述判断是肯定的结果时，将待匹配短语链与初始短语链进行组合，更新得到新的初始短语链。具体的操作可参考步骤S120的详细内容。进一步的，若上述结果为否定结果时，则要进一步判断最大公共子序列是不是唯一的公共子序列。若是，则按照待匹配短语链与初始短语链间无公共子序列进行处理，直接将待匹配短语链中的第一个节点与公共起始节点建立连接，将待匹配短语链中的最后一个节点与预设公共终止节点建立连接；若除了最大公共子序列以外，还有其他公共子序列，则重复执行步骤S230，直到满足S230中的条件，或是得到两个短语链间无公共子序列的结论。
S250、将所述更新后的短语链作为初始短语链，判断所述短语链集合中是否还有短语链未与初始短语链匹配过。
该步骤是判断在短语链集合中，是否还有待匹配短语链未与初始短语链或更新后的初始短语链匹配过，若是，则执行S220-S240，将短语链集合中的所有短语链都整合到一个整体的短语链中。若否，则说明已经完成了整理短语链集合中所有短语链的目标，继续执行S260。
S260、将所述更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，将所述更新后短语链的各个分支中右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终短语链。
本公开实施例的技术方案，通过对短语链集合中的短语链进行预处理，为短语链中的字或词节点添加词性标签，进而在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定两者间的最大公共子序列并判断最大公共子序列在两个短语链之间的词性是否一致；满足词性条件时才以最大公共子序列作为公共节点，将待匹配短语链合并到初始短语链中，形成初始短语链的分支，以更新初始短语链；然后，重复执行上述步骤直到遍历短语链集合中所有短语链，得到更新后短语链；将更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终一条完整短语链，完成文本处理。解决了现有技术中在已有文本中的抽取短语词汇量有限以及神经网络模型生成短语中存在短语不符合逻辑的问题，实现了基于短语中词的连接结构重组的方式整合短语集合，以便用于快速高效的生成更多的短语，进一步的保证了可构造出的短语的语法逻辑，丰富短语语料资源。
实施例三
图4示出了本公开实施例三提供的一种文本链生成方法的流程图，本公开实施例在上述实施例的基础上描述了构造短语的过程，与上述实施例提出的文本链生成方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例。
如图4所示，文本链生成方法包括如下步骤：
S310、为短语链集合中的短语链文本数据添加标签。
除了添加词性标签以外，在对短语链集合中的短语链进行预处理时，还可以对短语链中各节点的字或词打上一个词语标签，以表明该节点在对应短语链的位置。例如，为短语链中的第一个节点标注为起始节点，为短语链中的最后一个节点标注为最后一个节点，为除了第一个和最后一个节点以外的节点标注为中间节点，可以在文本处理过程中，作为语序的参考。
在不同的应用领域，对应的短语链集合中的文本内容会不同。在一个具体的实例中，短语链集合中的短语可以是用来描述商品的竞价词，可以从商品详情或者标题中抽取出短语，组成一个短语链集合。进而在对各短语链整合之后，构造出更多的短语，可用作为某一物品的竞价词。
S320、在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定所述待匹配短语链与初始短语链间的最大公共子序列。
S330、去除所述最大公共子序列中的虚词，并判断去除虚词之后的最大公共子序列分别在所述待匹配短语链和所述初始短语链中的词性标签是否一致。
虚词泛指没有完整意义的词汇，但有语法意义或功能的词，如“的、了、吧、不、也、吗、呢”等等。主要目的是为了在后续构造短语的过程中，不会出现由于出现了不恰当的虚词而组合出不符合语言表达逻辑的短语。
在去除了最大公共子序列的虚词之后，便可以按照上述实施例中描述的匹配过程进行文本的处理，确定最大公共子序列的词性标签在不同的短语链中是否相同，若是肯定结果，则执行步骤S340。
S340、将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，形成所述初始短语链的分支，以更新所述初始短语链。
S350、将所述更新后的短语链作为初始短语链，判断所述短语链集合中是否还有短语链未与初始短语链匹配过。
该步骤是判断在短语链集合中，是否还有待匹配短语链未与初始短语链或更新后的初始短语链匹配过，若是，则执行S320-S340，将短语链集合中的所有短语链都整合到一个整体的短语链中。若否，则说明已经完成了整理短语链集合中所有短语链的目标，继续执行S360。
S360、将所述更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，将所述更新后短语链的各个分支中右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终短语链。
S370、遍历所述最终短语链，构造并筛选出目标短语。
具体的，构造短语的过程是从所述公共起始节点开始，沿着最终短语链的各个分支节点顺序，以移动窗口的方式选取与窗口长度对应数量的节点构造短语，每设定一个窗口长度，便需要对最终的短语链进行一次遍历。
以图2中短语链d为例进行短语构造。设定窗口长度的时候，实际上也是筛选了短语的长度，以四个字长度的窗口为例进行短语链的遍历，可以获取如下短语，包括：ABCD、BCDE、BCDF、CDFH、ACDF及RXYZ。
进一步的，还可以在符合预设长度的短语中，筛选出短语中各词的词序与词序标签一致的短语作为目标短语。该步骤是为了过滤掉短语中字或词的次序在不符合语法逻辑的位置短语。经过短语构造，一个适用于在开始的词被放到了短语的最后一个位置，该短语就不符合正常的语言表达逻辑，就会被过滤掉。举例说明“因为”一词，通常因为一词在后面会连接对原因解释的内容，“因为便宜”、“因为爱情”等等，若是把“因为”放置于短语的最后一个节点，如“XXXXX因为”，就会给人一种话还没有说完的感觉，语义未表达完整，这样的短语不符合表达逻辑，也就不适合应用在某一个具体的场景中。
本公开实施例的技术方案，通过对短语链集合中的短语链进行预处理，进一步地为短语链中的字或词节点添加词序标签，以便在构造短语时进行短语的筛选，进而在匹配短语链与初始短语链匹配出两者间的最大公共子序列后，删除最大公共子序列中的虚词，再判断最大公共子序列在两个短语链之间的词性是否一致；满足词性条件时才以最大公共子序列作为公共节点，将待匹配短语链合并到初始短语链中，形成初始短语链的分支，以更新初始短语链；然后，重复执行上述步骤直到遍历短语链集合中所有短语链，得到更新后短语链；将更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终一条完整短语链，基于完整的短语链构造生成新的短语，完成文本处理。解决了现有技术中在已有文本中的抽取短语词汇量有限以及神经网络模型生成短语中存在短语不符合逻辑的问题，实现了基于短语中词的连接结构重组的方式整合短语集合，以便用于快速高效的生成更多的短语，进一步的保证了可构造出的短语的语法逻辑，丰富短语语料资源。
实施例四
图5示出了本公开实施例四提供的一种文本链生成装置的结构示意图，本公开实施例可适用于基于现有短语语料构造生成更多短语语料的情况，通过本公开提供的文本链生成装置可实现上述实施例提供的文本链生成方法。
如图5所示，本公开实施例中文本链生成装置，包括：公共序列匹配模块410、短语链更新模块420、匹配链更新模块430和文本处理模块440。
其中，公共序列匹配模块410，用于在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定所述待匹配短语链与初始短语链间的最大公共子序列，其中，所述短语链是指将至少一个短语中的各个词作为节点，按照短语语序连接形成的文本链；短语链更新模块420，用于以所述最大公共子序列作为公共节点，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，形成所述初始短语链的分支，以更新所述初始短语链；匹配链更新模块430，用于将所述更新后的短语链作为初始短语链，调用所述公共序列匹配模块和所述短语链更新模块，重复执行上述步骤直到遍历所述短语链集合中所有短语链，得到更新后短语链；文本处理模块440，用于将所述更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，将所述更新后短语链的各个分支中右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终短语链。
本实施例的技术方案，通过在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定两者间的最大公共子序列；进而以最大公共子序列作为公共节点，将待匹配短语链合并到初始短语链中，形成初始短语链的分支，以更新初始短语链；然后，重复执行上述步骤直到遍历短语链集合中所有短语链，得到更新后短语链；将更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终一条完整短语链，完成文本处理。解决了现有技术中在已有文本中的抽取短语词汇量有限的问题，实现了基于短语中词的连接结构重组的方式整合短语集合，以便用于快速高效的生成更多的短语，丰富短语语料资源。
可选的，所述装置还包括文本预处理模块，用于：
在待匹配短语链与初始短语链进行匹配之前，在文本数据库中筛选符合预设长度的短语，生成短语链集合；
为所述短语链集合中每个短语链中的词添加词性标签和/或词序标签。
可选的，所述短语链更新模块420具体用于：
判断所述最大公共子序列分别在所述待匹配短语链和所述初始短语链中的词性标签是否一致；
当所述最大公共子序列在所述待匹配短语链的第一词性标签和在所述初始短语链中的第二词性标签相同时，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中。
可选的，文本处理模块440，还用于：
当所述待匹配短语链与所述初始短语链未匹配到公共子序列时，将所述待匹配短语链中的第一个节点与所述预设公共起始节点建立连接；
将所述待匹配短语中的最后一个节点与所述预设公共终止节点建立连接。
可选的，公共序列匹配模块410还用于：
去除所述最大公共子序列中的虚词。
可选的，文本链生成装置还包括：
短语构造模块，用于遍历所述最终短语链，构造并筛选出目标短语。
进一步的，短语构造模块具体用于：
从所述公共起始节点开始，沿着所述最终短语链的各个分支节点顺序，以移动窗口的方式选取与所述窗口长度对应数量的节点构造短语，其中，所述窗口长度在不同的遍历过程中数值不同；在构造出的短语中，筛选出短语长度符合所述预设长度的短语；
在符合所述预设长度的短语中，筛选出短语中各词的词序与词序标签一致的短语作为目标短语。
本公开实施例提供的文本链生成装置，与上述实施例提供的文本链生成方法属于同一发明构思，未在本公开实施例中详尽描述的技术细节可参见上述实施例，并且本公开实施例与上述实施例具有相同的有益效果。
实施例五
下面参考图6，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置606加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置604；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置606；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置606被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是，但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定所述待匹配短语链与初始短语链间的最大公共子序列，其中，所述短语链是指将至少一个短语中的各个词作为节点，按照短语语序连接形成的文本链；以所述最大公共子序列作为公共节点，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，形成所述初始短语链的分支，以更新所述初始短语链；将所述更新后的短语链作为初始短语链，重复执行上述步骤直到遍历所述短语链集合中所有短语链，得到更新后短语链；将所述更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，将所述更新后短语链的各个分支中右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终短语链。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，【示例一】提供了一种文本链生成方法包括：
在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定所述待匹配短语链与初始短语链间的最大公共子序列，其中，所述短语链是指将至少一个短语中的各个词作为节点，按照短语语序连接形成的文本链；
以所述最大公共子序列作为公共节点，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，形成所述初始短语链的分支，以更新所述初始短语链；
将所述更新后的短语链作为初始短语链，重复执行上述步骤直到遍历所述短语链集合中所有短语链，得到更新后短语链；
将所述更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，将所述更新后短语链的各个分支中右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终短语链。
根据本公开的一个或多个实施例，【示例二】提供了示例一的方法，还包括：
在待匹配短语链与初始短语链进行匹配之前，所述方法还包括：
在文本数据库中筛选符合预设长度的短语，生成短语链集合；
为所述短语链集合中每个短语链中的词添加词性标签和/或词序标签。
根据本公开的一个或多个实施例，【示例三】提供了示例二的方法，还包括：
所述以所述最大公共子序列作为公共节点，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，包括：
判断所述最大公共子序列分别在所述待匹配短语链和所述初始短语链中的词性标签是否一致；
当所述最大公共子序列在所述待匹配短语链的第一词性标签和在所述初始短语链中的第二词性标签相同时，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中。
根据本公开的一个或多个实施例，【示例四】提供了示例一的方法，还包括：
当所述待匹配短语链与所述初始短语链未匹配到公共子序列时，所述方法还包括：
将所述待匹配短语链中的第一个节点与所述预设公共起始节点建立连接；
将所述待匹配短语中的最后一个节点与所述预设公共终止节点建立连接。
根据本公开的一个或多个实施例，【示例五】提供了示例四的方法，还包括：
去除所述最大公共子序列中的虚词。
根据本公开的一个或多个实施例，【示例六】提供了示例二的方法，还包括：
遍历所述最终短语链，构造并筛选出目标短语。
根据本公开的一个或多个实施例，【示例七】提供了示例六的方法，还包括：
所述遍历所述最终短语链，构造并筛选出目标短语，包括：
从所述公共起始节点开始，沿着所述最终短语链的各个分支节点顺序，以移动窗口的方式选取与所述窗口长度对应数量的节点构造短语，其中，所述窗口长度在不同的遍历过程中数值不同；在构造出的短语中，筛选出短语长度符合所述预设长度的短语；
在符合所述预设长度的短语中，筛选出短语中各词的词序与词序标签一致的短语作为目标短语。
根据本公开的一个或多个实施例，【示例八】提供了一种文本链生成装置，包括：
公共序列匹配模块，用于在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定所述待匹配短语链与初始短语链间的最大公共子序列，其中，所述短语链是指将至少一个短语中的各个词作为节点，按照短语语序连接形成的文本链；
短语链更新模块，用于以所述最大公共子序列作为公共节点，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，形成所述初始短语链的分支，以更新所述初始短语链；
匹配链更新模块，用于将所述更新后的短语链作为初始短语链，调用所述公共序列匹配模块和所述短语链更新模块，重复执行上述步骤直到遍历所述短语链集合中所有短语链，得到更新后短语链；
文本处理模块，用于将所述更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，将所述更新后短语链的各个分支中右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终短语链。
根据本公开的一个或多个实施例，【示例九】提供了示例八的装置，还包括：
所述装置还包括文本预处理模块，用于：
在待匹配短语链与初始短语链进行匹配之前，在文本数据库中筛选符合预设长度的短语，生成短语链集合；
为所述短语链集合中每个短语链中的词添加词性标签和/或词序标签。
根据本公开的一个或多个实施例，【示例十】提供了示例九的装置，还包括：
所述短语链更新模块具体用于：
判断所述最大公共子序列分别在所述待匹配短语链和所述初始短语链中的词性标签是否一致；
当所述最大公共子序列在所述待匹配短语链的第一词性标签和在所述初始短语链中的第二词性标签相同时，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中。
根据本公开的一个或多个实施例，【示例十一】提供了示例八的装置，还包括：
文本处理模块，还用于：
当所述待匹配短语链与所述初始短语链未匹配到公共子序列时，将所述待匹配短语链中的第一个节点与所述预设公共起始节点建立连接；
将所述待匹配短语中的最后一个节点与所述预设公共终止节点建立连接。
根据本公开的一个或多个实施例，【示例十二】提供了示例十一的装置，还包括：
公共序列匹配模块还用于：
去除所述最大公共子序列中的虚词。
根据本公开的一个或多个实施例，【示例十三】提供了示例八的装置，还包括：
短语构造模块，用于遍历所述最终短语链，构造并筛选出目标短语。
根据本公开的一个或多个实施例，【示例十四】提供了示例十三的装置，还包括：
短语构造模块具体用于：
从所述公共起始节点开始，沿着所述最终短语链的各个分支节点顺序，以移动窗口的方式选取与所述窗口长度对应数量的节点构造短语，其中，所述窗口长度在不同的遍历过程中数值不同；在构造出的短语中，筛选出短语长度符合所述预设长度的短语；
在符合所述预设长度的短语中，筛选出短语中各词的词序与词序标签一致的短语作为目标短语。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种文本链生成方法，其特征在于，包括：
在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定所述待匹配短语链与初始短语链间的最大公共子序列，其中，所述短语链是指将至少一个短语中的各个词作为节点，按照短语语序连接形成的文本链；
以所述最大公共子序列作为公共节点，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，形成所述初始短语链的分支，以更新所述初始短语链；
将所述更新后的短语链作为初始短语链，重复执行上述步骤直到遍历所述短语链集合中所有短语链，得到更新后短语链；
将所述更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，将所述更新后短语链的各个分支中右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终短语链。
2.根据权利要求1所述的方法，其特征在于，在待匹配短语链与初始短语链进行匹配之前，所述方法还包括：
在文本数据库中筛选符合预设长度的短语，生成短语链集合；
为所述短语链集合中每个短语链中的词添加词性标签和或词序标签。
3.根据权利要求2所述的方法，其特征在于，所述以所述最大公共子序列作为公共节点，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，包括：
判断所述最大公共子序列分别在所述待匹配短语链和所述初始短语链中的词性标签是否一致；
当所述最大公共子序列在所述待匹配短语链的第一词性标签和在所述初始短语链中的第二词性标签相同时，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中。
4.根据权利要求1-3中任一所述的方法，其特征在于，当所述待匹配短语链与所述初始短语链未匹配到公共子序列时，所述方法还包括：
将所述待匹配短语链中的第一个节点与所述预设公共起始节点建立连接；
将所述待匹配短语中的最后一个节点与所述预设公共终止节点建立连接。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
去除所述最大公共子序列中的虚词。
6.根据权利要求2所述的方法，其特征在于，所述方法还包括：
遍历所述最终短语链，构造并筛选出目标短语。
7.根据权利要求6所述的方法，其特征在于，所述遍历所述最终短语链，构造并筛选出目标短语，包括：
从所述公共起始节点开始，沿着所述最终短语链的各个分支节点顺序，以移动窗口的方式选取与所述窗口长度对应数量的节点构造短语，其中，所述窗口长度在不同的遍历过程中数值不同；在构造出的短语中，筛选出短语长度符合所述预设长度的短语；
在符合所述预设长度的短语中，筛选出短语中各词的词序与词序标签一致的短语作为目标短语。
8.一种文本链生成装置，其特征在于，包括：
公共序列匹配模块，用于在短语链集合中选择待匹配短语链与初始短语链进行匹配，确定所述待匹配短语链与初始短语链间的最大公共子序列，其中，所述短语链是指将至少一个短语中的各个词作为节点，按照短语语序连接形成的文本链；
短语链更新模块，用于以所述最大公共子序列作为公共节点，将所述待匹配短语链中除所述最大公共子序列以外的词添加到所述初始短语链中，形成所述初始短语链的分支，以更新所述初始短语链；
匹配链更新模块，用于将所述更新后的短语链作为初始短语链，调用所述公共序列匹配模块和所述短语链更新模块，重复执行上述步骤直到遍历所述短语链集合中所有短语链，得到更新后短语链；
文本处理模块，用于将所述更新后短语链的各个分支中左侧未与任意节点连接的节点与预设公共起始节点建立连接，将所述更新后短语链的各个分支中右侧未与任意节点连接的节点与预设公共终止节点建立连接，得到最终短语链。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的文本链生成方法。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的文本链生成方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110090507.0A CN112819513B (zh) | 2021-01-22 | 2021-01-22 | 一种文本链生成方法、装置、设备及介质 |
| US18/262,508 US20240078387A1 (en) | 2021-01-22 | 2022-01-24 | Text chain generation method and apparatus, device, and medium |
| PCT/CN2022/073402 WO2022156794A1 (zh) | 2021-01-22 | 2022-01-24 | 文本链生成方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110090507.0A CN112819513B (zh) | 2021-01-22 | 2021-01-22 | 一种文本链生成方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112819513A true CN112819513A (zh) | 2021-05-18 |
| CN112819513B CN112819513B (zh) | 2023-07-25 |
Family
ID=75858968
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110090507.0A Active CN112819513B (zh) | 2021-01-22 | 2021-01-22 | 一种文本链生成方法、装置、设备及介质 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20240078387A1 (zh) |
| CN (1) | CN112819513B (zh) |
| WO (1) | WO2022156794A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022156794A1 (zh) * | 2021-01-22 | 2022-07-28 | 北京有竹居网络技术有限公司 | 文本链生成方法、装置、设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5668988A (en) * | 1995-09-08 | 1997-09-16 | International Business Machines Corporation | Method for mining path traversal patterns in a web environment by converting an original log sequence into a set of traversal sub-sequences |
| US20100138213A1 (en) * | 2008-12-03 | 2010-06-03 | Xerox Corporation | Dynamic translation memory using statistical machine translation |
| US20110161311A1 (en) * | 2009-12-28 | 2011-06-30 | Yahoo! Inc. | Search suggestion clustering and presentation |
| CN103250129A (zh) * | 2010-09-24 | 2013-08-14 | 国际商业机器公司 | 使用具有受限结构的文本提供具有延迟类型评估的问答 |
| CN104268148A (zh) * | 2014-08-27 | 2015-01-07 | 中国科学院计算技术研究所 | 一种基于时间串的论坛页面信息自动抽取方法及系统 |
| CN109740165A (zh) * | 2019-01-09 | 2019-05-10 | 网易（杭州）网络有限公司 | 字典树构建方法、语句搜索方法、装置、设备及存储介质 |
| CN111753888A (zh) * | 2020-06-10 | 2020-10-09 | 重庆市规划和自然资源信息中心 | 智能环境下多粒度时空事件相似度匹配工作方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8001136B1 (en) * | 2007-07-10 | 2011-08-16 | Google Inc. | Longest-common-subsequence detection for common synonyms |
| US10496707B2 (en) * | 2017-05-05 | 2019-12-03 | Microsoft Technology Licensing, Llc | Determining enhanced longest common subsequences |
| CN109284352B (zh) * | 2018-09-30 | 2022-02-08 | 哈尔滨工业大学 | 一种基于倒排索引的评估类文档不定长词句的查询方法 |
| CN112132601B (zh) * | 2019-06-25 | 2023-07-25 | 百度在线网络技术（北京）有限公司 | 广告标题改写方法、装置和存储介质 |
| CN110362670A (zh) * | 2019-07-19 | 2019-10-22 | 中国联合网络通信集团有限公司 | 商品属性抽取方法及系统 |
| CN112819513B (zh) * | 2021-01-22 | 2023-07-25 | 北京有竹居网络技术有限公司 | 一种文本链生成方法、装置、设备及介质 |
-
2021
- 2021-01-22 CN CN202110090507.0A patent/CN112819513B/zh active Active
-
2022
- 2022-01-24 US US18/262,508 patent/US20240078387A1/en active Pending
- 2022-01-24 WO PCT/CN2022/073402 patent/WO2022156794A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5668988A (en) * | 1995-09-08 | 1997-09-16 | International Business Machines Corporation | Method for mining path traversal patterns in a web environment by converting an original log sequence into a set of traversal sub-sequences |
| US20100138213A1 (en) * | 2008-12-03 | 2010-06-03 | Xerox Corporation | Dynamic translation memory using statistical machine translation |
| US20110161311A1 (en) * | 2009-12-28 | 2011-06-30 | Yahoo! Inc. | Search suggestion clustering and presentation |
| CN103250129A (zh) * | 2010-09-24 | 2013-08-14 | 国际商业机器公司 | 使用具有受限结构的文本提供具有延迟类型评估的问答 |
| CN104268148A (zh) * | 2014-08-27 | 2015-01-07 | 中国科学院计算技术研究所 | 一种基于时间串的论坛页面信息自动抽取方法及系统 |
| CN109740165A (zh) * | 2019-01-09 | 2019-05-10 | 网易（杭州）网络有限公司 | 字典树构建方法、语句搜索方法、装置、设备及存储介质 |
| CN111753888A (zh) * | 2020-06-10 | 2020-10-09 | 重庆市规划和自然资源信息中心 | 智能环境下多粒度时空事件相似度匹配工作方法 |
Non-Patent Citations (1)
| Title |
|---|
| 郗家珍: "一种短正文网页的正文自动化抽取方法", 中文信息学报, vol. 30, no. 1, pages 8 - 15 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022156794A1 (zh) * | 2021-01-22 | 2022-07-28 | 北京有竹居网络技术有限公司 | 文本链生成方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112819513B (zh) | 2023-07-25 |
| WO2022156794A1 (zh) | 2022-07-28 |
| US20240078387A1 (en) | 2024-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109933217B (zh) | 用于推送语句的方法和装置 | |
| WO2022143105A1 (zh) | 文本生成模型生成方法、文本生成方法、装置及设备 | |
| CN110969012A (zh) | 文本纠错方法、装置、存储介质及电子设备 | |
| CN112819512B (zh) | 一种文本处理方法、装置、设备及介质 | |
| CN111667810B (zh) | 多音字语料的获取方法、装置、可读介质和电子设备 | |
| CN111883117B (zh) | 语音唤醒方法及装置 | |
| US11036996B2 (en) | Method and apparatus for determining (raw) video materials for news | |
| CN111767740A (zh) | 音效添加方法和装置、存储介质和电子设备 | |
| CN114118076A (zh) | 文本生成方法、装置、电子设备和计算机可读介质 | |
| CN113190675A (zh) | 文本摘要生成方法、装置、计算机设备和存储介质 | |
| CN113051933B (zh) | 模型训练方法、文本语义相似度确定方法、装置和设备 | |
| CN111078849A (zh) | 用于输出信息的方法和装置 | |
| CN114445754A (zh) | 视频处理方法、装置、可读介质及电子设备 | |
| CN112819513B (zh) | 一种文本链生成方法、装置、设备及介质 | |
| CN110675865B (zh) | 用于训练混合语言识别模型的方法和装置 | |
| CN113591472A (zh) | 歌词生成方法、歌词生成模型训练方法、装置及电子设备 | |
| CN111581347A (zh) | 语句相似度匹配方法及装置 | |
| CN110750994A (zh) | 一种实体关系抽取方法、装置、电子设备及存储介质 | |
| CN112836476B (zh) | 一种纪要生成方法、装置、设备及介质 | |
| CN112820280A (zh) | 规则语言模型的生成方法及装置 | |
| CN110852043B (zh) | 一种文本转写方法、装置、设备及存储介质 | |
| CN114564606A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
| CN114564581A (zh) | 基于深度学习的文本分类展示方法、装置、设备和介质 | |
| CN113609287A (zh) | 一种文本摘要的生成方法、装置、计算机设备和存储介质 | |
| CN112084768A (zh) | 一种多轮交互方法、装置及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |