[发明专利]用于处理文档的方法、装置、设备和存储介质

说明书

本公开涉及用于处理文档的方法、装置、设备和存储介质。根据一个示例性实现方式，提供了一种文档处理方法。在该方法中，确定一组文档中包括一组词语。基于一组文档生成一组伪文档，一组伪文档中的伪文档描述一组词语中的词语与一组词语中的其他词语之间的关联关系。基于指定一组文档的目标方面的关键字以及一组伪文档，确定一组词语中的各个词语与关键字之间的关联的概率分布。基于概率分布，确定一组文档所涉及的与目标方面相关联的至少一个主题。采用上述实现方式，可以以更为准确的方式确定由关键字指定的目标方面下的至少一个主题。

技术领域

本公开内容的实现方式概括地涉及文档处理，并且更具体地，涉及用于确定一组文档在指定方面下的主题的方法、装置、设备和计算机存储介质。

背景技术

随着计算机技术的发展，目前已经出现了越来越多类型的文档。尤其是，随着社交网络、电子商务网络进入人们的生活，这使得人们可以经由这些网络平台来编辑文档、发布自己的评论等。面临来自网络或者其他媒体的海量文档，如何以更为准确的方式从海量文档中挖掘文档所涉及的主题成为一个技术难题。

发明内容

根据本公开内容的示例实现方式，提供了一种用于文档处理的方案。

在本公开内容的第一方面中，提供了一种文档处理方法。在该方法中，获取一组文档中包括一组词语。基于一组文档生成一组伪文档，一组伪文档中的伪文档描述一组词语中的词语与一组词语中的其他词语之间的关联关系。基于指定一组文档的目标方面的关键字以及一组伪文档，确定一组词语中的各个词语与关键字之间的关联的概率分布。基于概率分布，确定一组文档所涉及的与目标方面相关联的至少一个主题。

在本公开内容的第二方面中，提供了一种文档处理装置。该装置包括：获取模块，配置用于获取一组文档中包括一组词语；生成模块，配置用于基于一组文档生成一组伪文档，一组伪文档中的伪文档描述一组词语中的词语与一组词语中的其他词语之间的关联关系；确定模块，配置用于基于指定一组文档的目标方面的关键字以及一组伪文档，确定一组词语中的各个词语与关键字之间的关联的概率分布；以及主题模块，配置用于基于概率分布，确定一组文档所涉及的与目标方面相关联的至少一个主题。

在本公开内容的第三方面中，提供了一种设备。该设备包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开内容的第一方面的方法。

在本公开内容的第四方面中，提供了一种其上存储有计算机程序的计算机可读介质，该程序在被处理器执行时实现根据本公开内容的第一方面的方法。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开内容的实现方式的关键或重要特征，亦非用于限制本公开内容的范围。本公开内容的其他特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开内容的各实现方式的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示意性示出了文档、词语和主题之间的关系的示意图；

图2示意性示出了特定文档、该特定文档所包括的词语和主题之间的关系的示意图；

图3示意性示出了根据本公开内容的示例性实现方式的用于文档处理的技术方案的框图；

图4示意性示出了根据本公开内容的示例性实现方式的用于文档处理的方法的流程图；

图5A和图5B分别示意性示出了根据本公开内容的示例性实现方式的基于滑动窗口来确定词语的共同出现的框图；

图6示意性示出了根据本公开内容的示例性实现方式的伪文档的格式的框图；