[发明专利]文本处理方法、装置、设备以及存储介质

权利要求书

1.一种文本处理方法，其特征在于，所述方法包括：

获取待评估文本集合，以及用于进行文本评估的多个文本评估特征，所述待评估文本集合包括多个待评估文本；

对所述多个待评估文本进行分类，得到多个文本集合；

基于每个所述文本集合所包含的待评估文本的数量，确定所述多个文本集合中的目标文本集合；

对于所述目标文本集合中的每个待评估文本，基于该待评估文本与所述多个文本评估特征的匹配度，确定该待评估文本的评估结果。

2.根据权利要求1所述的方法，其特征在于，对于所述目标文本集合中的每个待评估文本，所述基于该待评估文本与所述多个文本评估特征的匹配度，确定该待评估文本的评估结果，包括：

获取该待评估文本与各文本评估特征的匹配度对应的评估权重；

基于该待评估文本与所述多个文本评估特征的匹配度和对应的评估权重，确定该待评估文本的评估结果。

3.根据权利要求1或2所述的方法，其特征在于，所述文本评估特征包括以下至少一项：

至少一个信息类别；

文本格式；

关键词库，所述关键词库中包括多个评估关键词。

4.根据权利要求3所述的方法，其特征在于，所述文本评估特征包括多个信息类别，对于所述目标文本集合中的每个待评估文本，所述方法还包括:

确定该待评估文本在所述多个信息类别中所命中的信息类别；

基于该待评估文本所命中的信息类别，确定该待评估文本与所述多个信息类别的匹配度。

5.根据权利要求3所述的方法，其特征在于，所述文本评估特征包括关键词库，所述关键词库中包括多个评估关键词，对于所述目标文本集合中的每个待评估文本，所述方法还包括:

确定该待评估文本在所述关键词库中所命中的评估关键词；

基于该待评估文本所命中的评估关键词，确定该待评估文本与所述多个评估关键词的匹配度。

6.根据权利要求3所述的方法，其特征在于，所述关键词库中的至少部分评估关键词是通过以下方式确定：

获取样本文本集，所述样本文本集包括多个样本文本；

基于所述多个样本文本中所包含的各候选词在所述多个样本文本中的出现情况，从所述各候选词中确定出评估关键词。

7.根据权利要求1所述的方法，其特征在于，所述对所述多个待评估文本进行分类，得到多个文本集合，包括：

确定各所述待评估文本的文本特征；

基于各所述待评估文本的文本特征，对所述多个待评估文本的文本特征进行聚类，基于聚类结果得到多个文本集合。

8.根据权利要求7所述的方法，其特征在于，所述确定各所述待评估文本的文本特征，包括：

对于每一待评估文本，对该待评估文本中的各词进行编码得到该待评估文本中各词的编码特征；

基于该待评估文本中各词的编码特征确定该待评估文本中各所述词的词向量；

基于该待评估文本中各所述词的词向量，确定该待评估文本的文本特征。

9.根据权利要求7所述的方法，其特征在于，对于每一待评估文本，所述基于该待评估文本中各词的编码特征确定该待评估文本中各词的词向量是通过向量提取模型实现的；

其中，所述向量提取模型是通过以下方式训练得到的：

获取训练数据集，所述训练数据集包括多个训练文本；

对各所述训练文本中的各词进行编码得到各所述训练文本中各词的编码特征；

将各所述训练文本中的各词的编码特征输入神经网络模型，对于每一词，通过所述神经网络模型，基于与该词相邻的词的编码特征，确定所述相邻的词的词向量；

基于所述相邻的词的词向量确定该词对应的词向量分布，基于所述词向量分布确定该词对应的预测词；

基于各所述训练文本中各词和相对应的预测词，确定训练损失值，根据所述训练损失值和所述训练数据集对所述神经网络模型进行迭代训练，直至所述训练损失值满足预设的训练结束条件，将训练结束后的模型确定为所述向量提取模型。