[发明专利]一种基于领域特征词法组合的文本模板生成方法

权利要求书

1.一种基于领域特征词法组合的文本模板生成方法，其特征在于，包括以下步骤：

步骤1：对大规模待处理原始文本进行预处理，建立领域业务词典，业务操作词典和操作状态词典；

步骤2：使用通用数值正则表达式集合，结合步骤1得到的领域业务词典，业务操作词典和操作状态词典，对任意一条文本生成基于领域特征的标记序列，再根据标记序列使用无监督模板生成算法自动生成相应的文本模板；

步骤3：将步骤2得到的新的文本模板与已有模板进行模板去重，得到最终的文本模板集合。

2.如权利要求1所述的一种基于领域特征词法组合的文本模板生成方法，其特征在于，所述步骤2具体包括：

(2.1)使用步骤1得到的领域业务词典，业务操作词典和操作状态词典，对文本进行匹配和标注，得到初始标注序列；

(2.2)根据领域特征，将初始标注序列进行组合和替换，生成最终标记序列；

(2.3)基于标记序列的无监督模板生成算法，即结合最终标记序列对文本进行替换，生成文本的模板。