[发明专利]文本数据处理方法、装置、存储介质及计算机设备

权利要求书

1.一种文本数据处理方法，其特征在于，所述方法包括：

获取第一文本数据的第一语种信息以及第二文本数据的第二语种信息；

将所述第一文本数据按所述第一语种信息的词单元进行分词，得到第一分词信息；

将所述第二文本数据按所述第二语种信息的词单元进行分词，得到第二分词信息；

从互联网中获取所述第一分词信息中每一分词信息的多个读音数据对应的多个第一使用频率，根据所述第一使用频率确定所述第一分词信息中每个分词的第一目标读音，得到第一读音数据；

从互联网中获取所述第二分词信息中每一分词信息的多个读音数据对应的多个第二使用频率，根据所述第二使用频率确定所述第二分词信息中每个分词的第二目标读音，得到第二读音数据；

对所述第一读音数据进行音素分析，得到第一音素序列；

对所述第二读音数据进行音素分析，得到第二音素序列；

计算所述第一音素序列与所述第二音素序列的第一音素相似度；

根据所述第一音素相似度确定所述第一文本数据与所述第二文本数据的相似度。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述第一文本数据翻译成所述第二语种信息对应的第三文本数据；

确定所述第三文本数据的第三读音数据；

对所述第三读音数据进行音素分析，得到第三音素序列；

计算所述第三音素序列与所述第二音素序列的第二音素相似度；

所述根据所述第一音素相似度确定所述第一文本数据与所述第二文本数据的相似度，包括：

根据所述第一音素相似度与所述第二音素相似度确定所述第一文本数据与所述第二文本数据的相似度。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一音素相似度与所述第二音素相似度确定所述第一文本数据与所述第二文本数据的相似度，包括：

确定所述第一音素相似度对应的第一权重系数以及确定所述第二音素相似度对应的第二权重系数；

根据所述第一权重系数、所述第二权重系数分别对所述第一音素相似度与所述第二音素相似度进行加权计算，得到所述第一文本数据与所述第二文本数据的相似度。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述计算所述第一音素序列与所述第二音素序列的第一音素相似度，包括：

获取所述第一音素序列对应的第一向量以及所述第二音素序列对应的第二向量；

计算所述第一向量与所述第二向量的余弦相似度，确定所述余弦相似度为所述第一音素序列与所述第二音素序列的第一音素相似度。

5.一种文本数据处理装置，其特征在于，所述装置包括：

获取单元，用于获取第一文本数据的第一语种信息以及第二文本数据的第二语种信息；

第一确定单元，用于将所述第一文本数据按所述第一语种信息的词单元进行分词，得到第一分词信息；将所述第二文本数据按所述第二语种信息的词单元进行分词，得到第二分词信息；从互联网中获取所述第一分词信息中每一分词信息的多个读音数据对应的多个第一使用频率，根据所述第一使用频率确定所述第一分词信息中每个分词的第一目标读音，得到第一读音数据；从互联网中获取所述第二分词信息中每一分词信息的多个读音数据对应的多个第二使用频率，根据所述第二使用频率确定所述第二分词信息中每个分词的第二目标读音，得到第二读音数据；

第一分析单元，用于对所述第一读音数据进行音素分析，得到第一音素序列；

第二分析单元，用于对所述第二读音数据进行音素分析，得到第二音素序列；

计算单元，用于计算所述第一音素序列与所述第二音素序列的第一音素相似度；

第二确定单元，用于根据所述第一音素相似度确定所述第一文本数据与所述第二文本数据的相似度。

6.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至4中任一项所述的文本数据处理方法中的步骤。

7.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可以在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的文本数据处理方法。