[发明专利]一种文本匹配方法、终端设备及存储介质

说明书

本发明涉及一种文本匹配方法、终端设备及存储介质，该方法中包括：S1：根据文本匹配所需要的规则构建规则表达式集合，并定义和加载规则表达式集合中的规则表达式匹配时所需的外部资源；S2：将规则表达式集合解析为树结构，当树结构中的节点中存储的规则表达式需要与外部资源进行匹配时，该节点中还包含对应的外部资源接口，通过外部资源接口在进行规则表达式匹配时读取外部资源；S3：通过树结构对待匹配文本进行文本匹配。本发明用于自然语言处理相关任务中进行规则标注，具有很高的实用性，相比传统的采用正则表达式的方式，功能更为强大、效率更高。

技术领域

本发明涉及文本匹配领域，尤其涉及一种文本匹配方法、终端设备及存储介质。

背景技术

目前基于规则的文本匹配通常使用正则表达式，但是使用正则表达式进行匹配存在两个比较大的问题：1、正则表达式只能定义基于文本字符本身的一些匹配规则，无法引入外部知识。在自然语言处理相关的标注任务中，往往需要在标注规则中引入一些词表、统计信息、外部知识等，才能基于规则达到较好的标注效果。2、如果存在大量的表达式，使用正则表达式需要一个个表达式去匹配文本，效率非常低。在实际的文本标注中往往要定义非常多的表达式对文本进行匹配，这时候在大量表达式中进行高效匹配就很重要了。

发明内容

为了解决上述问题，本发明提出了一种文本匹配方法、终端设备及存储介质。

具体方案如下：

一种文本匹配方法，包括以下步骤：

S1：根据文本匹配所需要的规则构建规则表达式集合，并定义和加载规则表达式集合中的规则表达式匹配时所需的外部资源；

S2：将规则表达式集合解析为树结构，当树结构中的节点中存储的规则表达式需要与外部资源进行匹配时，该节点中还包含对应的外部资源接口，通过外部资源接口在进行规则表达式匹配时读取外部资源；

S3：通过树结构对待匹配文本进行文本匹配。

进一步的，当外部资源的匹配需要通过至少两个规则表达式进行匹配时，将用于该外部资源匹配的规则表达式集合解析为树结构进行存储，解析后的树结构的节点在需要与外部资源进行匹配时包含用于连接外部资源的外部资源接口。

进一步的，树结构为前缀树、AC自动机和有限状态机中的一种。

进一步的，外部资源包括外部统计信息、词表和知识库。

进一步的，当待匹配文本有多个句子组成时，先将待匹配文本切分为句子后，将每个句子与分别与树结构进行匹配，并对匹配后的结果进行去重处理。

一种文本匹配终端设备，包括处理器、存储器以及存储在所述存储器中并可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本发明实施例上述的方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。

本发明采用如上技术方案，定义了类似正则表达式形式的语法规则，采用树结构进行规则存储，并定义可扩展的规则匹配逻辑，从而具有了类似正则表达式语法的灵活便捷、树结构匹配的高效率(尤其是匹配大量规则时)、可灵活进行功能扩展等优点。用于自然语言处理相关任务中进行规则标注，具有很高的实用性，相比传统的采用正则表达式的方式，功能更为强大、效率更高。

附图说明

图1所示为本发明实施例一的流程图。

图2所示为该实施例中姓名标注对应的树结构示意图。

图3所示为该实施例中详细地址标注对应的树结构示意图。

图4所示为该实施例中姓名和详细地址标注对应的树结构示意图。