[发明专利]一种文本处理方法、装置、设备及介质

权利要求书

1.一种文本处理方法，其特征在于，包括：

获取预设文本数据库中的文本，并在每一个文本中提取出至少一个关键词，其中，所述预设文本数据库中每一个文本分别对应一个短语集合，所述短语集合中的短语元素是与对应文本建立有映射关系的短语；

基于提取出的各关键词建立关键词表，其中，各关键词与其所在的文本对应的短语集合中短语元素的映射关系，与其所在文本与对应的短语集合中短语元素的映射关系相同；

确定所述关键词表中具有关联关系的关键词对，更新所述关键词对中各关键词对应的短语集合中的短语元素，并根据各关键词与更新后的短语集合中的短语元素的映射关系建立关键词与短语的关系图表；

其中，所述确定所述关键词表中具有关联关系的关键词对，更新所述关键词对中各关键词对应的短语集合中的短语元素，包括：

匹配所述关键词表中相同的关键词和语义相似度满足预设条件的关键词，获取具有关联关系的关键词对；

将所述关键词对中，各关键词对应的短语集合中的短语元素，更新为与所述关键词对中的所有关键词能够映射到的短语元素；

其中，所述根据各关键词与更新后的短语集合中的短语元素的映射关系建立关键词与短语的关系图表，包括：

根据各关键词与更新后的短语集合中的短语元素的映射关系，建立各关键词与每一个短语元素间的连线，形成所述关系图表。

2.根据权利要求1所述的方法，其特征在于，在更新所述关键词对中各关键词对应的短语集合中的短语元素之前，所述方法还包括：

删除所述关键词表中词频大于预设词频的关键词，和/或，删除所述关键词表中应用领域数量大于预设数量的关键词。

3.根据权利要求1所述的方法，其特征在于，方法还包括：

删除所述关系图表中，关键词与短语元素间连线的数量小于预设数值的关键词与短语元素的映射组合。

4.根据权利要求1所述的方法，其特征在于，所述在每一个文本中提取出至少一个关键词，包括：

将所述文本进行分词，并分别计算分词结果中每一个词在所述预设文本数据库中所有文本中的第一逆向文本频率系数，与每一个词在其所在文本对应的分类领域内文本中的第二逆向文本频率系数；

根据每一个词在其所在文本中的词频、第一逆向文本频率系数与第二逆向文本频率系数确定每一个词的重要性参数；

对所述重要性参数进行排序，按照排序结果选取预设数量词作为关键词。

5.根据权利要求4所述的方法，其特征在于，所述根据每一个词在其所在文本中的词频、第一逆向文本频率系数与第二逆向文本频率系数确定每一个词的重要性参数，包括：

将每一个词在其所在文本中的词频、第一逆向文本频率系数与第二逆向文本频率系数的乘积作为每一个词的重要性参数。

6.一种文本处理装置，其特征在于，包括：

关键词提取模块，用于获取预设文本数据库中的文本，并在每一个文本中提取出至少一个关键词，其中，所述预设文本数据库中每一个文本分别对应一个短语集合，所述短语集合中的短语元素是与对应文本建立有映射关系的短语；

词表建立模块，用于基于提取出的各关键词建立关键词表，其中，各关键词与其所在的文本对应的短语集合中短语元素的映射关系，与其所在文本与对应的短语集合中短语元素的映射关系相同；

词语关系表建立模块，用于确定所述关键词表中具有关联关系的关键词对，更新所述关键词对中各关键词对应的短语集合中的短语元素，并根据各关键词与更新后的短语集合中的短语元素的映射关系建立关键词与短语的关系图表；

其中，所述词语关系表建立模块，用于：

匹配所述关键词表中相同的关键词和语义相似度满足预设条件的关键词，获取具有关联关系的关键词对；

将所述关键词对中，各关键词对应的短语集合中的短语元素，更新为与所述关键词对中的所有关键词能够映射到的短语元素；

其中，所述词语关系表建立模块，还用于：

根据各关键词与更新后的短语集合中的短语元素的映射关系，建立各关键词与每一个短语元素间的连线，形成所述关系图表。