[发明专利]用于获取中文文本要义的方法和装置

说明书

本发明实施例提供一种用于获取中文文本要义的方法和装置，属于数据处理领域。所述用于获取中文文本要义的方法包括：对所述中文文本进行实体识别处理，以确定具有特定意义的实体名称；对所述中文文本进行关键短语提取；确定每一所述关键短语之后最近的一个修饰词语；以及按照实体名称、关键短语和修饰词语的顺序输出针对所述中文文本的要义信息。采用本发明实施例提供的技术方案对中文文本进行处理和分析，可以确定中文文本中的关键信息和信息主体，还可以对关键信息做出进一步的判断，从而能够获得完整、清晰且准确的中文文本的要义信息。

技术领域

本发明涉及数据处理领域，具体地涉及一种用于获取中文文本要义的方法和装置。

背景技术

目前，想要从大规模的中文文本中获悉文本要义，最常用的方式就是通过进行分词处理、提取有效关键词，再基于词频统计的结果来获悉热点要义。但是通过这种方式获得的信息有限，没有关联到热点信息的主体，也没有对热点信息作进一步的判断，因而不能完整的确定原文文本的要义。

本申请发明人还发现，采用现有技术方法获得的有关文本的数据都是零散的，例如通过现有技术能够获得文本中的关键词或者情感判断词，但是没有将文本中的关键词和情感判断词相关联来获得文本的完整要义的方法，因此根据所获得的关键词或情感判断词，对原文中的信息的读取是有限的，也无法根据所获得的关键词或情感判断词对原文文本做进一步的规划和整理。

发明内容

本发明实施例的目的是提供一种用于获取中文文本要义的方法和装置，用于解决上述技术问题中的一者或多者。

为了实现上述目的，本发明实施例提供一种用于获取中文文本要义的方法，所述方法包括：对所述中文文本进行实体识别处理，以确定具有特定意义的实体名称；对所述中文文本进行关键短语提取；确定每一所述关键短语之后最近的一个修饰词语；以及按照实体名称、关键短语和修饰词语的顺序输出针对所述中文文本的要义信息。

可选的，在确定出每一关键短语之后最近的一个修饰词语后、输出所述中文文本的要义信息之前，判断所述修饰词语的情感；所述输出针对所述中文文本的要义信息包括：按照实体名称、关键短语、修饰词语和修饰词语的情感的顺序输出针对所述中文文本的要义信息。

可选的，所述具有特定意义的实体名称为职业名称、机构名称、人名、地名、商品名称、专有名词中的至少一种；和/或所述修饰词语为副词或形容词。

可选的，所述方法还包括：对所述实体名称进行频次统计，确定每个所述实体名称的频数；对所述关键短语进行频次统计，确定每个所述关键短语的频数；对同一个关键短语之后最近的修饰词语进行频次统计，确定每一修饰词语的频数；以及所述按照实体名称、关键短语和修饰词语的顺序输出针对所述中文文本的要义信息包括：根据实体名称的频数、关键短语的频数和修饰词语的频数，按照实体名称、关键短语和修饰词语的顺序输出针对所述中文文本的要义信息。

可选的，所述根据实体名称的频数、关键短语的频数和修饰词语的频数，按照实体名称、关键短语和修饰词语的顺序输出针对所述中文文本的要义信息包括：按照实体名称、关键短语和修饰词语的顺序，输出最高频数的实体名称、最高频数的关键短语和针对所述最高频数的关键短语的最高频数的修饰词语。

可选的，所述方法还包括：对所述中文文本进行聚类处理，以获得一个或多个子文本库；以及获取每个所述子文本库的要义信息，以得到所述中文文本的要义信息。

相应的，本发明实施例还提供了一种用于获取中文文本要义的装置，所述装置包括：实体识别模块，用于对所述中文文本进行实体识别处理，以确定具有特定意义的实体名称；提取模块，用于对所述中文文本进行关键短语提取；感情识别模块，用于确定每一所述关键短语之后最近的一个修饰词语；以及输出模块，用于按照实体名称、关键短语和修饰词语的顺出输出针对所述中文文本的要义信息。