CN114781399A - 文本处理方法、装置、电子设备和存储介质 - Google Patents
文本处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114781399A CN114781399A CN202210531617.0A CN202210531617A CN114781399A CN 114781399 A CN114781399 A CN 114781399A CN 202210531617 A CN202210531617 A CN 202210531617A CN 114781399 A CN114781399 A CN 114781399A
- Authority
- CN
- China
- Prior art keywords
- text
- probability value
- sub
- preset
- determining
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- 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
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了一种文本处理方法,涉及人工智能技术领域,尤其涉及自然语言处理技术领域。具体实现方案为:对待处理文本进行划分,得到文本集,其中,文本集包括至少一个子文本;确定与目标文本相关的至少一个预设概率值,其中,目标文本是与子文本匹配的文本,预设概率值用于表征目标文本与其它文本进行组合的概率;根据至少一个预设概率值,确定概率值,其中,概率值用于表征目标文本为子文本的语义复原文本的概率;以及根据概率值,确定待处理文本的语义复原文本。本公开还提供了一种文本处理装置、电子设备和存储介质。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及自然语言处理技术领域。更具体地,本公开提供了一种文本处理方法、装置、电子设备和存储介质。
背景技术
随着人工智能技术的发展,人工智能技术广泛地应用于自然语言处理等场景。
发明内容
本公开提供了一种文本处理方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种文本处理方法,该方法包括:对待处理文本进行划分,得到文本集,其中,文本集包括至少一个子文本;确定与目标文本相关的至少一个预设概率值,其中,目标文本是与子文本匹配的文本,预设概率值用于表征目标文本与其它文本进行组合的概率;根据至少一个预设概率值,确定概率值,其中,概率值用于表征目标文本为子文本的语义复原文本的概率;以及根据概率值,确定待处理文本的语义复原文本。
根据本公开的另一方面,提供了一种文本处理装置,该装置包括:划分模块,用于对待处理文本进行划分,得到文本集,其中,文本集包括至少一个子文本;第一确定模块,用于确定与目标文本相关的至少一个预设概率值,其中,目标文本是与子文本匹配的文本,预设概率值用于表征目标文本与其它文本进行组合的概率;第二确定模块,用于根据至少一个预设概率值,确定概率值,其中,概率值用于表征目标文本为子文本的语义复原文本的概率;以及第三确定模块,用于根据概率值,确定待处理文本的语义复原文本。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据本公开提供的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行根据本公开提供的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现根据本公开提供的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开的一个实施例的可以应用文本处理方法和装置的示例性系统架构示意图;
图2是根据本公开的一个实施例的文本处理方法的流程图;
图3是根据本公开的一个实施例的文本处理方法的流程图;
图4是根据本公开的一个实施例的文本处理方法的原理图;
图5是根据本公开的一个实施例的文本处理装置的框图;以及
图6是根据本公开的一个实施例的可以应用文本处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
语义缺损文本的语义信息无法直接获取。在进行数据记录的过程中,为了简洁,可能会对原文本进行了缩写或简写处理。由此产生了语义缺损文本。语义缺损文本也可以被称为语义缺省文本。
语义缺损文本例如可以包括缩写文本。
例如,对于汉语文本,可以获取组成该汉语文本的每个汉字。根据每个汉字的拼音首字母,确定该汉语文本的缩写文本。例如,汉语文本例如可以为“患者信息”,其缩写文本例如可以是“HZXX”。该缩写文本的语序信息可以表征该文本的语序为从左至右。
又例如,对于外语文本,可以获取组成该外语文本的每个单词。以英语为例,根据每个英语单词的首字母,确定该英语文本的缩写文本。
可以利用人工语义复原的方式,确定语义缺损文本的语义复原文本。例如,利用人工的方式,依次对语义缺损文本的多个字符进行复原。但是,人工语义复原所需的人力成本较高。此外,进行语义复原的人员需要具有较高的专业水平。
图1是根据本公开一个实施例的可以应用文本处理方法和装置的示例性系统架构示意图。
需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的文本处理方法一般可以由服务器105执行。相应地,本公开实施例所提供的文本处理装置一般可以设置于服务器105中。本公开实施例所提供的文本处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的文本处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
图2是根据本公开的一个实施例的文本处理方法的流程图。
如图2所示,该方法200可以包括操作S210至操作S240。
在操作S210,对待处理文本进行划分,得到文本集。
在本公开实施例中,待处理文本例如可以是语义缺损文本。
例如,待处理文本例如可以是“HZXX”。
例如,可以利用各种方式对待处理文本进行一次或多次划分。
例如,文本集包括至少一个子文本。
例如,文本集A_1例如可以包括:子文本“HZ”和子文本“XX”。
在操作S220,确定与目标文本相关的至少一个预设概率值。
例如,目标文本是与子文本匹配的文本。
例如,与子文本“HZ”匹配的目标文本例如可以是“患者”、“孩子”、“汉子”等等。
又例如,与子文本“XX”匹配的目标文本例如可以是“信息”、“消息”、“学习”等等。
例如,可以确定与目标文本相关的至少一个文本组合。与目标文本“患者”相关的至少一个文本组合例如可以包括:“患者信息”、“患者消息”和“患者学习”。与目标文本“信息”相关的至少一个文本组合例如可以包括:“患者信息”、“孩子信息”和“汉子信息”。
又例如,每个文本组合可以与一个预设概率值对应,该预设概率值用于表征目标文本与其它文本进行组合的概率。
在一个示例中,文本组合“患者信息”对应的预设概率值可以表征目标文本“患者”与其它文本“信息”进行组合的概率。
在一个示例中,文本组合“患者信息”对应的预设概率值也可以表征目标文本“信息”与其它文本“患者”进行组合的概率。
在操作S230,根据至少一个预设概率值,确定概率值。
例如,概率值用于表征目标文本为子文本的语义复原文本的概率。
例如,根据至少一个预设概率值,可以确定第一子概率值。根据第一子概率值,确定概率值。
在一个示例中,与目标文本“患者”相关的多个文本组合中,文本组合“患者信息”对应的预设概率值为PreP_1,文本组合“患者消息”对应的预设概率值为PreP_2,文本组合“患者学习”对应的预设概率值为PreP_3。以PreP_1>PreP_2>PreP_3为示例,文本组合“患者信息”对应的预设概率值最大。可以将文本组合“患者信息”对应的预设概率值PreP_1,作为第一子概率值P1_HZ1。根据第一子概率值P1_HZ1,可以确定概率值P_HZ1。概率值P_HZ1可以表征目标文本“患者”为子文本“HZ”的语义复原文本的概率。
在另一个示例中,在与目标文本“信息”对应的多个文本组合中,文本组合“患者信息”对应的预设概率为PreP_1,文本组合“孩子信息”对应的预设概率为PreP_4,文本组合“汉子信息”对应的预设概率为PreP_5。以PreP_1>Prep_4>PreP_5为示例,文本组合“患者信息”对应的预设概率值最大。可以将文本组合“患者信息”对应的预设概率值Pre_P1,作为第一子概率值P1_XX1。根据第一子概率值P1_XX1,可以确定概率值P_XX1。概率值P_XX1可以表征目标文本“信息”为子文本“XX”的语义复原文本的概率。
在操作S240,根据概率值,确定待处理文本的语义复原文本。
例如,对于子文本“HZ”,可以分别确定多个概率值,每个概率值可以表征一个目标文本为子文本“HZ”的语义复原文本的概率。在一个示例中,可以分别确定概率值P_HZ1、概率值P_HZ2和概率值P_HZ3。概率值P_HZ2可以表征目标文本“孩子”为子文本“HZ”的语义复原文本的概率。概率值P_HZ3可以表征目标文本“汉子”为子文本“HZ”的语义复原文本的概率。在多个概率值中,若概率值P_HZ1最大,可以确定目标文本“患者”为子文本“HZ”的语义复原文本。
例如,对于子文本“XX”,可以分别确定多个概率值,每个概率值可以表征一个目标文本为子文本“XX”的语义复原文本的概率。在一个示例中,可以分别确定概率值P_XX1、概率值P_XX2和概率值P_XX3。概率值P_XX2可以表征目标文本“消息”为子文本“XX”的语义复原文本的概率。概率值P_XX3可以表征目标文本“学习”为子文本“XX”的语义复原文本的概率。在多个概率值中,若概率值P_XX1最大,可以确定目标文本“信息”为子文本“XX”的语义复原文本。
又例如,根据子文本“HZ”的语义复原文本和子文本“XX”的语义复原文本,可以确定待处理文本“HZXX”的语义复原文本。在一个示例中,待处理文本“HZXX”的语义复原文本例如可以为“患者信息”。
通过本公开实施例,利用了目标文本与其它文本进行组合的概率,可以高效自动地进行缺损语义复原,有效降低人工处理成本。
图3是根据本公开的另一个实施例的确文本处理方法的流程图。
如图3所示,该方法320可以包括操作S321至操作S324。
在操作S321,将至少一个子文本与多个预设文本进行匹配,得到至少一个复原文本集。
例如,复原文本集包括与子文本匹配的至少一个预设文本。
例如,至少一个子文本可以来自于上文所述的文本集A_1。至少一个子文本例如可以包括:子文本“HZ”和子文本“XX”。
例如,多个预设文本例如可以包括:“患者”、“孩子”、“汉子”、“信息”、“消息”、“学习”、“示例”等等。
例如,可以根据预设文本的拼音首字母进行匹配。
例如,将至少一个子文本与多个预设文本进行匹配,得到的至少一个复原文本集例如可以包括:复原文本集ReA1_1和复原文本集ReA1_2。复原文本集ReA1_1包括与子文本“HZ”匹配的至少一个预设文本。复原文本集ReA1_2包括与子文本“XX”匹配的至少一个预设文本。在一个示例中,复原文本集ReA1_1包括:“患者”、“孩子”、“汉子”。复原文本集ReA1_2包括:“信息”、“消息”、“学习”。
在操作S322,将至少一个复原文本集之间的预设文本进行组合,得到多个文本组合。
例如,文本组合与一个预设概率值对应。
例如,将复原文本集ReA1_1和复原文本集ReA1_2之间的预设文本进行组合。例如,可以将预设文本“患者”分别与预设文本“信息”、预设文本“消息”、预设文本“学习”进行组合,得到文本组合“患者信息”、文本组合“患者消息”、文本组合“患者学习”。
又例如,多个文本组合例如可以包括:“患者信息”、“患者消息”、“患者学习”、“孩子信息”、“孩子消息”、“孩子学习”、“汉子信息”、“汉子消息”、“汉子学习”。每个文本组合与一个预设概率值对应。
在操作S323,将复原文本集中的预设文本确定为目标文本。
例如,可以将复原文本集ReA1_1中的一个预设文本确定为目标文本。可以理解,可以依次将复原文本集ReA1_1中的各个预设文本分别确定为目标文本。
在操作S324,根据多个文本组合,确定与目标文本相关的至少一个预设概率值。
例如,与目标文本“患者”相关的文本组合例如可以包括:“患者信息”、“患者消息”、“患者学习”。根据这些文本组合对应的预设概率值,可以确定与目标文本“患者”相关的至少一个(例如3个)预设概率值。
在一些实施例中,多个预设文本来自于预设语料库。
例如,预设语料库与一个行业对应。
例如,上文所述的多个预设文本来自于对应医疗行业的预设语料库。
例如,不同预设语料库可以包括相同的预设文本。
又例如,在预设文本来自于不同的预设语料库的情况下,同一文本组合对应的预设概率值可以不同。在一个示例中,在预设文本来自于医疗行业的预设语料库的情况下,文本组合“患者信息”对应的预设概率值大于文本组合“孩子学习”对应的预设概率值。在预设文本来自于教育行业的预设语料库的情况下,文本组合“患者信息”对应的预设概率值小于文本组合“孩子学习”对应的预设概率值。
可以理解,预设概率值可以为0。
在一些实施例中,根据至少一个预设概率值,确定概率值包括:根据至少一个预设概率值,确定第一子概率值;根据目标文本在预设语料库中的词频,确定第二子概率值;以及根据第一子概率值和第二子概率值,确定概率值。
例如,第一子概率值例如可以为上文所述的第一子概率值P1_HZ1。
例如,预设语料库中还可以包括:预设文本的词频。根据预设文本的词频,可以确定目标文本的词频。词频可以表征文本出现的频率。词频越高,第二子概率值可以越大。可以理解,根据词频,可以基于各种方式确定第二子概率值。在一个示例中,目标文本“患者”的词频为Fre_1。可以将预设语料库中全部文本的词频Fre_Sum作为除数,将目标文本“患者”的词频Fre_1作为被除数,进行除法运算。可以将运算结果作为第二子概率值P2_HZ1。可以理解,该示例是根据词频确定第二子概率值的一种方式,但本公开不限于此,还可以基于其他方式根据词频确定第二子概率值。
在另一个示例中,也可以利用一个权重对该运算结果进行缩放,将缩放结果作为第二子概率值。
可以理解,基于各种方式,根据第一子概率值和第二子概率值,可以确定概率值。各种方式例如包括:求和、加权求和等等。
在一些实施例中,根据至少一个预设概率值,确定概率值包括:根据至少一个预设概率值,确定第一子概率值;根据目标文本的词性,确定第三子概率值;以及根据第一子概率值和第三子概率值,确定概率值。
例如,第一子概率值例如可以为上文所述的第一子概率值P1_HZ1。
例如,词性可以表征文本为名词、动词、副词等类型的词语。名词对应的类型概率值大于副词对应的类型概率值。在一个示例中,词性与类型概率值之间的对应关系可以是预设的。名词对应的类型概率值可以为PreP_noun。副词对应的类型概率值可以为PreP_adv。针对目标文本“患者”,其词性为名词,可以将名词对应的类型概率值PreP_noun作为第三子概率值P3_HZ1。
可以理解,基于各种方式,根据第一子概率值和第三子概率值,可以确定概率值。各种方式例如包括:求和、加权求和等等。
在一些实施例中,根据第一子概率值、第二子概率值和第三子概率值,可以确定概率值。
例如,根据上文所述的第一子概率值P1_HZ1、第二子概率值P2_HZ1和第三子概率值P3_HZ1,进行求和运算,可以得到概率值P_HZ1。
通过本公开实施例,可以根据目标文本与其它文本进行组合的概率、目标文本的词性、目标文本的词频,确定概率值,该概率值可以表征目标文本为子文本的语义复原文本的概率。可以进一步提高缺损语义复原的效率,进一步降低人工处理成本
在一些实施例中,对待处理文本进行划分,得到文本集包括:根据待处理文本的语序信息,对待处理文本进行至少一次划分,得到至少一个文本集。
例如,以待处理文本是“HZXX”为示例,可以获取待处理文本“HZXX”的语序信息。在一个示例中,待处理文本“HZXX”的语序信息可以表征待处理文本的语序是从左至右的。可以对待处理文本进行两次划分,得到文本集A_1和文本集A_2。文本集A_1例如可以包括:子文本“HZ”和子文本“XX”。文本集A_2例如可以包括:子文本“HZX”和子文本“X”。
可以理解,在一些实施例中,待处理文本的语序信息与待处理文本的语种相关。例如,汉语的语序可以是从左至右的。
可以理解,在一些实施例中,待处理文本的语种可以是汉语、英语、德语、阿拉伯语等语种中的一个。以待处理文本的语种是阿拉伯语为示例,待处理文本的语序信息可以表征待处理文本的语序是从右至左的。
在一些实施例中,目标文本为多个,根据概率值,确定待处理文本的语义复原文本包括:根据多个概率值,从多个目标文本中确定子文本的语义复原文本;以及根据子文本的语义复原文本,确定待处理文本的语义复原文本。下面将结合图4进行详细说明。
图4是根据本公开的另一个实施例的文本处理方法的原理图。
如图4所示,对待处理文本“HZXX”401进行一次划分,可以得到一个文本集。该文本集可以包括:子文本“HZ”402和子文本“XX”403。
将子文本“HZ”402与预设语料库404中的多个预设文本进行匹配,可以得到复原文本集405。复原文本集405例如可以包括多个预设文本,以及每个预设文本的词频和词性。例如,复原文本集405中的多个预设文本包括:“患者”、“孩子”、“汉子”。预设文本“患者”的词频为Fre_1。预设文本“患者”的词性为名词(noun)。预设文本“孩子”的词频为Fre_2。预设文本“孩子”的词性为名词(noun)。预设文本“汉子”的词频为Fre_3。预设文本“汉子”的词性为名词(noun)。
将子文本“XX”403与预设语料库404中的多个预设文本进行匹配,可以得到复原文本集406。复原文本集406例如可以包括多个预设文本,以及每个预设文本的词频和词性。例如,复原文本集406中的多个预设文本包括:“信息”、“消息”、“学习”。预设文本“信息”的词频为Fre_4。预设文本“信息”的词性为名词(noun)。预设文本“学习”的词频为Fre_5。预设文本“学习”的词性为名词(noun)。预设文本“消息”的词频为Fre_6。预设文本“消息”的词性为名词(noun)。
复原文本集405中的预设文本与复原文本集406中的预设文本进行组合,可以得到多个文本组合。多个文本组合例如可以包括:“患者信息”、“患者消息”、“患者学习”、“孩子信息”、“孩子消息”、“孩子学习”、“汉子信息”、“汉子消息”、“汉子学习”、“汉子信息”。每个文本组合与一个预设概率值对应。
例如,可以将复原文本集405中的每个预设文本作为一个目标文本。例如,与目标文本“患者”相关的文本组合包括:“患者信息”、“患者消息”、“患者学习”。将这些文本组合对应的预设概率值作为与目标文本“患者”相关的预设概率值,可以得到与目标文本“患者”相关的至少一个预设概率值。根据该至少一个预设概率值,可以确定一个概率值。该概率值可以表征目标文本“患者”是子文本“HZ”的语义复原文本的概率。来自于复原文本集405的目标文本的数量为3个,共可以确定3个概率值。根据3个概率值,可以从来自于复原文本集405的多个目标文本中确定子文本“HZ”402的语义复原文本。在一个示例中,子文本“HZ”402的语义复原文本可以为“患者”。
例如,可以将复原文本集406中的每个预设文本作为一个目标文本。例如,与目标文本“信息”相关的文本组合包括:“患者信息”、“孩子信息”、“汉子信息”。将这些文本组合对应的预设概率值作为与目标文本“信息”相关的预设概率值,可以得到与目标文本“信息”相关的至少一个预设概率值。根据该至少一个预设概率值,可以确定一个概率值。该概率值可以表征目标文本“信息”是子文本“XX”的语义复原文本的概率。来自于复原文本集406的目标文本的数量为3个,共可以确定3个概率值。根据3个概率值,可以从来自于复原文本集406的多个目标文本中确定子文本“XX”的语义复原文本。在一个示例中,子文本“XX”403的语义复原文本可以为“信息”。
根据子文本“HZ”402的语义复原文本和子文本“XX”403的语义复原文本,可以确定待处理文本“HZXX”401的语义复原文本。在一个示例中,待处理文本“HZXX”401的语义复原文本407可以为“患者信息”。
在一些实施例中,根据待处理文本的语义复原文本与待处理文本的标签之间的差异,调整预设语料库中的多个预设文本。
例如,待处理文本的标签可以是人工确定的。
例如,可以增加预设语料库中预设文本的数量,以调整预设语料库。
例如,可以删除预设语料库中的一些预设文本,以调整预设语料库。
在一些实施例中,根据待处理文本的语义复原文本与待处理文本的标签之间的差异,还可以调整预设概率值。
例如,可以调整一个或多个文本组合对应的预设概率值。
图5是根据本公开的一个实施例的文本处理装置的框图。
如图5所示,该装置500可以包括划分模块510、第一确定模块520、第二确定模块530和第三确定模块540。
划分模块510,用于对待处理文本进行划分,得到文本集。例如,文本集包括至少一个子文本。
第一确定模块520,用于确定与目标文本相关的至少一个预设概率值。例如,目标文本是与子文本匹配的文本,预设概率值用于表征目标文本与其它文本进行组合的概率。
第二确定模块530,用于根据至少一个预设概率值,确定概率值。例如,概率值用于表征目标文本为子文本的语义复原文本的概率。
第三确定模块540,用于根据概率值,确定待处理文本的语义复原文本。
在一些实施例中,第一确定模块包括:匹配单元,用于将至少一个子文本与多个预设文本进行匹配,得到至少一个复原文本集,其中,复原文本集包括与子文本匹配的至少一个预设文本;组合单元,用于将至少一个复原文本集之间的预设文本进行组合,得到多个文本组合,其中,文本组合与一个预设概率值对应;第一确定单元,用于将复原文本集中的预设文本确定为目标文本;以及第二确定单元,用于根据多个文本组合,确定与目标文本相关的至少一个预设概率值。
在一些实施例中,多个预设文本来自于预设语料库,第二确定模块包括:第三确定单元,用于根据至少一个预设概率值,确定第一子概率值;第四确定单元,用于根据目标文本在预设语料库中的词频,确定第二子概率值;以及第五确定单元,用于根据第一子概率值和第二子概率值,确定概率值。
在一些实施例中,第二确定模块包括:第六确定单元,用于根据至少一个预设概率值,确定第一子概率值;第七确定单元,用于根据目标文本的词性,确定第三子概率值;以及第八确定单元,用于根据第一子概率值和第三子概率值,确定概率值。
在一些实施例中,划分模块包括:划分单元,用于根据待处理文本的语序信息,对待处理文本进行至少一次划分,得到至少一个文本集。
在一些实施例中,目标文本为多个,第三确定模块包括:第九确定单元,用于根据多个概率值,从多个目标文本中确定子文本的语义复原文本;以及第十确定单元,用于根据子文本的语义复原文本,确定待处理文本的语义复原文本
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元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。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如文本处理方法。例如,在一些实施例中,文本处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的文本处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行文本处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种文本处理方法,包括:
对待处理文本进行划分,得到文本集,其中,所述文本集包括至少一个子文本;
确定与目标文本相关的至少一个预设概率值,其中,所述目标文本是与所述子文本匹配的文本,所述预设概率值用于表征所述目标文本与其它文本进行组合的概率;
根据所述至少一个预设概率值,确定概率值,其中,所述概率值用于表征所述目标文本为所述子文本的语义复原文本的概率;以及
根据所述概率值,确定所述待处理文本的语义复原文本。
2.根据权利要求1所述的方法,其中,所述确定与目标文本相关的至少一个预设概率值包括:
将所述至少一个子文本与多个预设文本进行匹配,得到至少一个复原文本集,其中,所述复原文本集包括与所述子文本匹配的至少一个预设文本;
将所述至少一个复原文本集之间的预设文本进行组合,得到多个文本组合,其中,所述文本组合与一个预设概率值对应;
将所述复原文本集中的预设文本确定为所述目标文本;以及
根据所述多个文本组合,确定与所述目标文本相关的至少一个预设概率值。
3.根据权利要求2所述的方法,其中,所述多个预设文本来自于预设语料库,
所述根据所述至少一个预设概率值,确定概率值包括:
根据所述至少一个预设概率值,确定第一子概率值;
根据所述目标文本在所述预设语料库中的词频,确定第二子概率值;以及
根据所述第一子概率值和所述第二子概率值,确定所述概率值。
4.根据权利要求2所述的方法,其中,所述根据所述至少一个预设概率值,确定概率值包括:
根据所述至少一个预设概率值,确定第一子概率值;
根据所述目标文本的词性,确定第三子概率值;以及
根据所述第一子概率值和所述第三子概率值,确定所述概率值。
5.根据权利要求1所述的方法,其中,所述对待处理文本进行划分,得到文本集包括:
根据所述待处理文本的语序信息,对所述待处理文本进行至少一次划分,得到所述至少一个文本集。
6.根据权利要求1所述的方法,其中,所述目标文本为多个,
所述根据所述概率值,确定所述待处理文本的语义复原文本包括:
根据多个概率值,从所述多个目标文本中确定所述子文本的语义复原文本;以及
根据所述子文本的语义复原文本,确定所述待处理文本的语义复原文本。
7.一种文本处理装置,包括:
划分模块,用于对待处理文本进行划分,得到文本集,其中,所述文本集包括至少一个子文本;
第一确定模块,用于确定与目标文本相关的至少一个预设概率值,其中,所述目标文本是与所述子文本匹配的文本,所述预设概率值用于表征所述目标文本与其它文本进行组合的概率;
第二确定模块,用于根据所述至少一个预设概率值,确定概率值,其中,所述概率值用于表征所述目标文本为所述子文本的语义复原文本的概率;以及
第三确定模块,用于根据所述概率值,确定所述待处理文本的语义复原文本。
8.根据权利要求7所述的装置,其中,所述第一确定模块包括:
匹配单元,用于将所述至少一个子文本与多个预设文本进行匹配,得到至少一个复原文本集,其中,所述复原文本集包括与所述子文本匹配的至少一个预设文本;
组合单元,用于将所述至少一个复原文本集之间的预设文本进行组合,得到多个文本组合,其中,所述文本组合与一个预设概率值对应;
第一确定单元,用于将所述复原文本集中的预设文本确定为所述目标文本;以及
第二确定单元,用于根据所述多个文本组合,确定与所述目标文本相关的至少一个预设概率值。
9.根据权利要求8所述的装置,其中,所述多个预设文本来自于预设语料库,
所述第二确定模块包括:
第三确定单元,用于根据所述至少一个预设概率值,确定第一子概率值;
第四确定单元,用于根据所述目标文本在所述预设语料库中的词频,确定第二子概率值;以及
第五确定单元,用于根据所述第一子概率值和所述第二子概率值,确定所述概率值。
10.根据权利要求8所述的装置,其中,所述第二确定模块包括:
第六确定单元,用于根据所述至少一个预设概率值,确定第一子概率值;
第七确定单元,用于根据所述目标文本的词性,确定第三子概率值;以及
第八确定单元,用于根据所述第一子概率值和所述第三子概率值,确定所述概率值。
11.根据权利要求7所述的装置,其中,所述划分模块包括:
划分单元,用于根据所述待处理文本的语序信息,对所述待处理文本进行至少一次划分,得到所述至少一个文本集。
12.根据权利要求7所述的装置,其中,所述目标文本为多个,
所述第三确定模块包括:
第九确定单元,用于根据多个概率值,从所述多个目标文本中确定所述子文本的语义复原文本;以及
第十确定单元,用于根据所述子文本的语义复原文本,确定所述待处理文本的语义复原文本。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210531617.0A CN114781399A (zh) | 2022-05-13 | 2022-05-13 | 文本处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210531617.0A CN114781399A (zh) | 2022-05-13 | 2022-05-13 | 文本处理方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114781399A true CN114781399A (zh) | 2022-07-22 |
Family
ID=82436387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210531617.0A Pending CN114781399A (zh) | 2022-05-13 | 2022-05-13 | 文本处理方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114781399A (zh) |
-
2022
- 2022-05-13 CN CN202210531617.0A patent/CN114781399A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3885963A1 (en) | Method and apparatus for determining causality, electronic device and storage medium | |
US20190294681A1 (en) | Statistical preparation of data using semantic clustering | |
CN113407850A (zh) | 一种虚拟形象的确定和获取方法、装置以及电子设备 | |
CN115631261A (zh) | 图像生成模型的训练方法、图像生成方法和装置 | |
CN111435406A (zh) | 一种纠正数据库语句拼写错误的方法和装置 | |
CN114428902A (zh) | 信息搜索方法、装置、电子设备及存储介质 | |
CN110852057A (zh) | 一种计算文本相似度的方法和装置 | |
CN113836462A (zh) | 页面描述文件的生成方法、装置、设备及存储介质 | |
CN112926298A (zh) | 新闻内容识别方法、相关装置及计算机程序产品 | |
CN112948584A (zh) | 短文本分类方法、装置、设备以及存储介质 | |
CN110895655A (zh) | 提取文本核心短语的方法和装置 | |
CN114781399A (zh) | 文本处理方法、装置、电子设备和存储介质 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
US20220197484A1 (en) | Technologies for transforming a data display | |
CN113869042A (zh) | 文本标题生成方法、装置、电子设备以及存储介质 | |
CN114385829A (zh) | 知识图谱创建方法、装置、设备以及存储介质 | |
CN112861504A (zh) | 文本交互方法、装置、设备、存储介质及程序产品 | |
CN112148988A (zh) | 用于生成信息的方法、装置、设备以及存储介质 | |
CN116339733B (zh) | 一种应用程序页面生成方法、系统、电子设备及介质 | |
CN114490976B (zh) | 对话摘要训练数据的生成方法、装置、设备及存储介质 | |
CN113239296B (zh) | 小程序的展示方法、装置、设备和介质 | |
CN114492456B (zh) | 文本生成方法、模型的训练方法、装置、电子设备及介质 | |
CN113377923B (zh) | 语义检索方法、装置、设备、存储介质以及计算机程序产品 | |
CN114281981B (zh) | 新闻简报的生成方法、装置和电子设备 | |
CN114841755A (zh) | 文案的生成方法、装置、电子设备和存储介质 |
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 |