[发明专利]文本处理方法、装置、电子设备和介质

说明书

本公开提供了一种文本处理方法、装置、设备、存储介质和程序产品，涉及计算机技术领域，可以应用于金融技术领域。该方法包括：基于第一目标文档的文本信息，确定多个用于表示第一目标文档的文本信息的第一词序列；基于多个第二目标文档的文本信息，确定用于表示第二目标文档的多个第二词序列；基于多个第二词序列，确定多个第二目标文档对应的数据结构；以及基于多个第二目标文档对应的数据结构，根据第一词序列与多个第二词序列之间的相似度，确定多个第二目标文档中的至少一个第二目标文档。

技术领域

本公开涉及计算机技术领域，可以应用于金融技术领域，更具体地涉及一种文本处理方法、装置、设备、介质和程序产品。

背景技术

以文得文是一种文本推荐的常用方法。现有技术在进行文本推荐时，一般采用向量化的方式，例如一个文书文档的向量是A，历史文书文档向量是B1、B2、B3、...、Bn，通过分别计算A与B1、B2、B3、...、Bn的相似度，进行文本推荐。

然而，采用向量化的方式需要依赖较多的计算资源以及较大的内存，无法支持亿级文档的文本推荐，因为，若将上亿级的文档进行向量化处理，需要非常大的计算资源。在计算资源不足的情况下，容易导致无法完整实施，或响应时间较长。

发明内容

鉴于上述问题，本公开提供了文本处理方法、装置、设备、介质和程序产品，根据词序列进行文档推荐，可以支持上亿级文档的推荐，且需要的计算资源和内存相对较少。

根据本公开的第一个方面，提供了一种文本处理方法，包括：基于第一目标文档的文本信息，确定多个用于表示所述第一目标文档的文本信息的第一词序列；基于多个第二目标文档的文本信息，确定用于表示所述第二目标文档的多个第二词序列；基于所述多个第二词序列，确定所述多个第二目标文档对应的数据结构；以及基于所述多个第二目标文档对应的数据结构，根据所述第一词序列与所述多个第二词序列之间的相似度，确定多个第二目标文档中的至少一个第二目标文档。

根据本公开实施例，所述基于所述多个第二词序列，确定所述多个第二目标文档对应的数据结构，包括：采用倒排索引法将所述多个第二词序列作为属性值，确定所述多个第二目标文档对应的数据结构。

根据本公开实施例，所述基于多个第二目标文档的文本信息，确定用于表示所述第二目标文档的多个第二词序列，包括：基于多个第二目标文档的文本信息进行计算词的关键值处理、命名实体识别处理以及预设文本集合匹配处理中的一种或多种，确定用于表示所述第二目标文档的多个第二词序列。

根据本公开实施例，所述方法还包括：针对所述多个用于表示所述第一目标文档的文本信息的第一词序列分别分配权重系数，得到多个与所述第一词序列对应的权重系数。

根据本公开实施例，所述基于所述多个第二目标文档对应的数据结构，根据所述第一词序列与所述多个第二词序列之间的相似度，确定多个第二目标文档中的至少一个第二目标文档，包括：基于所述多个第二目标文档对应的数据结构和所述多个与所述第一词序列对应的权重系数，确定所述第一词序列与所述多个第二词序列之间的相似度；以及根据所述第一词序列与所述多个第二词序列之间的相似度，确定多个第二目标文档中的至少一个第二目标文档。

本公开的第二方面提供了一种文本处理装置，包括：第一确定模块，用于基于第一目标文档的文本信息，确定多个用于表示所述第一目标文档的文本信息的第一词序列；第二确定模块，用于基于多个第二目标文档的文本信息，确定用于表示所述第二目标文档的多个第二词序列；第三确定模块，用于基于所述多个第二词序列，确定所述多个第二目标文档对应的数据结构；以及第四确定模块，用于基于所述多个第二目标文档对应的数据结构，根据所述第一词序列与所述多个第二词序列之间的相似度，确定多个第二目标文档中的至少一个第二目标文档。

本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述文本处理方法。