[发明专利]语句主题获取方法和装置

权利要求书

1.一种语句主题获取方法，包括：

获取语句数据，所述语句数据表示待处理语句；

从所述语句数据生成句式结构数据，所述句式结构数据表示属于预置主题类别的特定句式结构，其中，所述从所述语句数据生成句式结构数据包括：预置多个主题类别，所述主题类别对应至少一个样本语句；基于滑动窗口从所述待处理语句中提取至少一个片段，将所提取的片段按照在所述待处理语句中的位置顺序构成候选句式结构，将所述候选句式结构与所述主题类别对应的样本语句进行匹配，计算所述候选句式结构在所述主题类别中的词频，将所述候选句式结构与所述多个主题类别对应的样本语句进行匹配，计算所述候选句式结构在所述多个主题类别中的逆文档频率，当所述词频和/或所述逆文档频率满足预设条件时，确定所述候选句式结构为属于所述主题类别的特定句式结构；

基于所述特定句式结构确定所述待处理语句的主题。

2.根据权利要求1所述的方法，其中，所述基于滑动窗口从所述待处理语句中提取至少一个片段，将所提取的片段按照在所述待处理语句中的位置顺序构成候选句式结构包括：

利用长度可变的滑动窗口在所述待处理语句上滑动，提取落入所述滑动窗口的片段；

由所提取的任一片段按照在所述待处理语句中的位置顺序构成所述候选句式结构；或者

由所提取的任意多个无重叠的片段按照在所述待处理语句中的位置顺序构成所述候选句式结构。

3.根据权利要求1所述的方法，其中；

在所述基于滑动窗口从所述待处理语句中提取至少一个片段之前，所述方法还包括：对所述待处理语句进行预处理；

所述对所述待处理语句进行预处理包括如下至少一项：

当所述待处理语句中包括数字时，利用第一预设占位符替换所述数字；并且/或者

当所述待处理语句中包括日期时，利用第二预设占位符替换所述日期；并且/或者

当所述待处理语句中包括时间时，利用第三预设占位符替换所述时间；并且/或者

当所述待处理语句包括连续多个相同的词语时，删除其中一个或多个所述词语。

4.根据权利要求1所述的方法，其中，所述当所述词频和/或所述逆文档频率满足预设条件时，确定所述候选句式结构为属于所述主题类别的特定句式结构包括：

当所述词频和所述逆文档频率的乘积大于第一预设阈值时，确定所述候选句式结构为属于所述主题类别的特定句式结构。

5.根据权利要求1所述的方法，还包括：

当所述逆文档频率小于第二预设阈值时，将所述候选句式结构置于黑名单中；

在将所述候选句式结构与所述主题类别对应的样本语句进行匹配以及将所述候选句式结构与所述多个主题类别对应的样本语句进行匹配之前，将所述候选句式结构在黑名单中进行匹配，当匹配成功时，直接确定所述候选句式结构不是特定句式结构。

6.根据权利要求1所述的方法，其中，所述基于所述特定句式结构确定所述待处理语句的主题包括：

当提取出属于一个主题类别的特定句式结构时，将该主题类别作为所述待处理语句的主题；

当提取出属于多个主题类别的特定句式结构时，选取所对应的特定句式结构数量最多的前预设数量个主题类别作为所述待处理语句的主题。

7.根据权利要求1所述的方法，还包括：

当从所述待处理语句中没有提取出属于预置主题类别的特定句式结构时，确定所述待处理语句无对应主题。