[发明专利]文本处理方法和装置、电子设备以及计算机可读存储介质

权利要求书

1.一种文本处理方法，包括：

获取包含多个句子的原始文本；

根据原始文本中的各个句子之间的相似度将所述多个句子划分为至少两个段落，以生成分段文本；

对于所生成的分段文本结合各个句子在所述分段文本中的位置信息进行话题聚类，并根据话题聚类结果对所述分段文本进行话题分割处理，以生成分话题文本。

2.根据权利要求1所述的文本处理方法，其中，所述方法进一步包括：

获取与所述原始文本对应的话题描述文本，并且，

所述对于所生成的分段文本结合各个句子在所述分段文本中的位置信息进行话题聚类，并根据话题聚类结果对所述分段文本进行话题分割处理，以生成分话题文本包括：

对所述话题描述文本与所述话题聚类结果进行文本匹配处理，并根据所述文本匹配处理结果生成分话题文本。

3.根据权利要求1所述的文本处理方法，其中，在所述根据原始文本中的各个句子之间的相似度将所述多个句子划分为至少两个段落，以生成分段文本之前，所述文本处理方法进一步包括：

计算所述原始文本中各句子的字数；

将字数小于预定字数阈值的句子与在位置上与该句子相邻的句子进行合并，直到合并后的句子中满足预定标准的有效词语的数目大于预定有效词阈值。

4.根据权利要求3所述的文本处理方法，其中，所述有效词语是通过去除句子中的停用词来确定的。

5.根据权利要求1所述的文本处理方法，其中，所述根据原始文本中的各个句子之间的相似度将所述多个句子划分为至少两个段落，以生成分段文本包括：

根据所述各个句子的相似度计算各个句子与该句子在原始文本中位置上相邻的至少两个句子的相似度的峰值之间的差值作为该句子的相对相似度；

根据所述相对相似度来确定对所述原始文本进行段落划分的段落划分点；

基于所述段落划分点来生成分段文本。

6.根据权利要求5所述的文本处理方法，其中，所述根据所述相对相似度来确定对所述原始文本进行段落划分的段落划分点包括：

计算各个句子的相对相似度的平均值和标准差；

计算所述平均值与所述标准差的一半之间的差值作为段落划分阈值；

将相对相似度大于所述段落划分阈值的句子作为所述段落划分点。

7.根据权利要求1所述的文本处理方法，其中，在所述根据原始文本中的各个句子之间的相似度将所述多个句子划分为至少两个段落，以生成分段文本之后，所述文本处理方法进一步包括：

计算所述分段文本中各段落中包含的句子的数目；

对于数目大于预定句子阈值的段落根据预定的关键字对该段落进行进一步段落划分。

8.根据权利要求1所述的文本处理方法，其中，所述对于所生成的分段文本结合各个句子在所述分段文本中的位置信息进行话题聚类，并根据话题聚类结果对所述分段文本进行话题分割处理，以生成分话题文本包括：

计算所述分段文本中各句子在第一预定数目的类别上的话题强度值；

计算所述各句子在每个类别上的话题强度值之间的差值；

将差值小于预定差值阈值的句子作为对应类别话题与相邻话题之间的过渡句子；

根据所述过渡句子对所述分段文本进行话题分割处理，以生成分话题文本。

9.根据权利要求8所述的文本处理方法，其中，所述根据所述过渡句子对所述分段文本进行话题分割处理，以生成分话题文本包括：

分别以各过渡句子作为话题划分句子对所述分段文本进行话题分割处理，以生成多个分话题子文本；

计算每个分话题子文本与预定大纲文本之间的相关度；

将相关度最高的分话题子文本作为所述分话题文本。