[发明专利]文本处理方法及装置

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：

获取至少一个领域类别的术语；

获取所述术语的关联内容；

根据所述术语的关联内容以及所述术语所属领域类别的识别数据集合，确定所述术语与所述术语所属领域类别之间的匹配度。

2.根据权利要求1所述的方法，其特征在于，所述根据所述术语的关联内容以及所述术语所属领域类别的识别数据集合，确定所述术语与所述术语所属领域类别之间的匹配度，包括：

对所述关联内容按预设结构化解析规则进行解析，获取所述关联内容中的待分析结构化术语和/或待分析文本段落；所述待分析结构化术语包括：在页面中以结构化形式展示的术语；

根据所述待分析结构化术语和/或待分析文本段落，以及所述术语所属领域类别的识别数据集合，确定所述术语与所述术语所属领域类别之间的匹配度。

3.根据权利要求2所述的方法，其特征在于，在所述关联内容为网页数据的情况下，所述对所述关联内容按预设结构化解析规则进行解析，获取所述关联内容中的待分析结构化术语和/或待分析文本段落，包括：

根据所述网页数据对应的结构化解析模板，从所述网页数据中获取所述待分析结构化术语和/或待分析文本段落。

4.根据权利要求2所述的方法，其特征在于，所述识别数据集合包括：预置的参考词间N元关系特征；

所述根据所述待分析结构化术语和/或待分析文本段落，以及所述术语所属领域类别的识别数据集合，确定所述术语与所述术语所属领域类别之间的匹配度，包括：

在所述关联内容包括至少一段待分析文本段落的情况下，根据所述待分析文本段落，获取待分析词间N元关系特征；

将所述待分析词间N元关系特征与所述参考词间N元关系特征进行匹配，确定所述术语与所述术语所属领域类别之间的匹配度。

5.根据权利要求2所述的方法，其特征在于，所述识别数据集合包括：机器学习模型；

所述根据所述待分析结构化术语和/或待分析文本段落，以及所述术语所属领域类别的识别数据集合，确定所述术语与所述术语所属领域类别之间的匹配度，包括：

在所述关联内容包括至少一段待分析文本段落的情况下，根据所述待分析文本段落，获取输入特征；

将所述输入特征输入所述机器学习模型，确定所述术语与所述术语所属领域类别之间的匹配度。

6.根据权利要求2所述的方法，其特征在于，所述识别数据集合包括：预置的参考结构化术语；

所述根据所述待分析结构化术语和/或待分析文本段落，以及所述术语所属领域类别的识别数据集合，确定所述术语与所述术语所属领域类别之间的匹配度，包括：

在所述关联内容包括至少一个待分析结构化术语的情况下，将所述待分析结构化术语与所述参考结构化术语进行匹配，确定确定所述术语与所述术语所属领域类别之间的匹配度。

7.根据权利要求1-6任一项所述的方法，其特征在于，还包括：

获取属于所述领域类别的样本文本；

根据所述样本文本，构建所述领域类别的识别数据集合。

8.根据权利要1-6任一项所述的方法，其特征在于，所述获取所述术语的关联内容，包括：

根据所述术语，获取关联的网页数据作为关联内容。

9.根据权利要求8所述的方法，其特征在于，所述根据所述术语，获取关联的网页数据作为关联内容，包括：

根据所述术语，从目标知识网站获取所述网页数据作为所述关联内容；

和/或，根据所述术语，从目标搜索引擎获取所述网页数据作为所述关联内容。

10.根据权利要求9所述的方法，其特征在于，根据所述术语，从目标知识网站获取所述网页数据作为所述关联内容，包括：

在至少一个目标知识网站中，以所述术语为查询词条，获取所述术语对应的词条页面。