[发明专利]数据处理方法、数据处理装置和服务器

权利要求书

1.一种数据处理方法，包括：

确定多个提问信息对应的多个初始词集合和多个补充词集合；所述初始词集合包括至少一个主干词；所述补充词集合包括至少一个补充词；所述确定多个提问信息对应的多个初始词集合和多个补充词集合，包括：针对每个提问信息，从该提问信息中提取主干词作为初始词集合中的主干词，从该提问信息中提取实词作为补充词集合中的补充词；

根据每个提问信息对应的初始词集合和补充词集合，为该提问信息构建至少一个候选词集合；所述候选词集合包括至少一个主干词；

计算每个候选词集合对应的特征值；

根据特征值，从每个提问信息对应的至少一个候选词集合中选取主干词集合。

2.如权利要求1所述的方法，所述主干词包括谓词和疑问词中的至少一种；所述补充词包括实词。

3.如权利要求1所述的方法，所述根据每个提问信息对应的初始词集合和补充词集合，为该提问信息构建至少一个候选词集合，包括：

针对每个提问信息，将该提问信息所对应补充词集合中的每个补充词，作为主干词添加至该提问信息对应的初始词集合，得到基于该补充词构建的候选词集合。

4.如权利要求1或3所述的方法，每个提问信息所对应候选词集合的数量，与该提问信息所对应补充词集合中补充词的数量相同。

5.如权利要求1所述的方法，所述特征值包括以下至少一种：

候选词集合出现的频次；

候选词集合的信息熵；

候选词集合的点互信息。

6.如权利要求5所述的方法，所述从每个提问信息对应的至少一个候选词集合中选取主干词集合，包括：

从每个提问信息对应的至少一个候选词集合中，选取出现频次最大的候选词集合，作为该提问信息对应的主干词集合；

或者，从每个提问信息对应的至少一个候选词集合中，选取出现频次大于或等于第一预设阈值的候选词集合，作为该提问信息对应的主干词集合。

7.如权利要求5所述的方法，所述从每个提问信息对应的至少一个候选词集合中选取主干词集合，包括：

从每个提问信息对应的至少一个候选词集合中，选取信息熵最小的候选词集合，作为该提问信息对应的主干词集合；

或者，从每个提问信息对应的至少一个候选词集合中，选取信息熵小于或等于第二预设阈值的候选词集合，作为该提问信息对应的主干词集合。

8.如权利要求5所述的方法，所述从每个提问信息对应的至少一个候选词集合中选取主干词集合，包括：

从每个提问信息对应的至少一个候选词集合中，选取点互信息最大的候选词集合，作为该提问信息对应的主干词集合；

或者，从每个提问信息对应的至少一个候选词集合中，选取点互信息大于或等于第三预设阈值的候选词集合，作为该提问信息对应的主干词集合。

9.如权利要求1所述的方法，所述主干词集合能够表征提问信息所体现的用户意图。

10.如权利要求1所述的方法，所述方法还包括：

以每个提问信息对应的主干词集合作为新的初始词集合，重复执行构建候选词集合的步骤、计算特征值的步骤、选取主干词集合的步骤、以及以每个提问信息对应的主干词集合作为新的初始词集合的步骤，直至满足迭代终止条件。