一种文本处理方法、装置以及相关设备制造方法及图纸

本发明专利技术实施例公开了一种文本处理方法、装置以及相关设备，方法包括：获取目标文本以及知识图谱；知识图谱包括多个实体对应的实体字符串和多个谓词对应的谓词字符串；在所有实体字符串中，查找属于目标文本的实体字符串，作为目标实体字符串，并在所有谓词字符串中，查找属于目标文本的谓词字符串，作为目标谓词字符串；将目标实体字符串和目标谓词字符串组合为目标查询文本，在知识库中查找与目标查询文本对应的查询结果，作为目标查询结果，并输出目标查询结果。采用本发明专利技术，可以识别用户的查询意图，进而提高向用户推送问题回答的正确率。率。率。

【技术实现步骤摘要】
一种文本处理方法、装置以及相关设备
[0001]本申请为在2018年8月13日提交中国专利局、申请号为201810915717.7、申请名称为“一种文本处理方法、装置以及相关设备”的中国专利申请的分案申请，其全部内容通过引用结合在本申请中。


[0002]本专利技术涉及计算机
，尤其涉及一种文本处理方法、装置以及相关设备。

技术介绍

[0003]自动问答系统，又称为人机对话系统，用户以自然语言形式描述问题，自动问答系统从大量的数据中查找除准确、简洁、人性化的回答并反馈给用户。自动问答系统是自然语言处理领域的一个重要方向，旨在让用户直接用自然语言提问并获得答案。例如，用户询问：上海交大在哪，问答系统回答：上海市闵行去东川路800号。相比传统搜索引擎是根据关键词返回大量的文档集合，自动问答系统不需要用户亲自查找相关资料，就可以快速获取到问题的答案。
[0004]由于用户是直接用自然语言的方式语音输入，因此语音信号中就可能包括一些与提问不想关的信息，例如，用户语音输入：你能告诉我上海交大在哪里么，或者用户语音输入：你知不知道上海交大具体在哪里，如果将上述语音信号转换为查询文本后，查询文本中就包括一些和问题无关的字符。当自动问答系统对查询文本进行识别时，多余的字符会干扰问答系统对查询文本所对应的查询意图的识别，使得系统识别查询意图的准确率下降，进而降低向用户推送问题回答的正确率。

技术实现思路

[0005]本专利技术实施例提供一种文本处理方法、装置以及相关设备，可以识别查询意图，进而提高向用户推送问题回答的正确率。
[0006]本专利技术一方面提供了一种文本处理方法，包括：
[0007]获取目标文本以及知识图谱；所述知识图谱包括多个实体对应的实体字符串和多个谓词对应的谓词字符串；
[0008]在所有实体字符串中，查找属于所述目标文本的实体字符串，作为目标实体字符串，并在所有谓词字符串中，查找属于所述目标文本的谓词字符串，作为目标谓词字符串；
[0009]将所述目标实体字符串和所述目标谓词字符串组合为目标查询文本，在知识库中查找与所述目标查询文本对应的查询结果，作为目标查询结果，并输出所述目标查询结果。
[0010]其中，所述将所述目标实体字符串和所述目标谓词字符串组合为目标查询文本，包括：
[0011]将所述目标实体字符串和所述目标谓词字符串组合为第一辅助文本；
[0012]获取所述第一辅助文本中与目标实体字符串对应的目标领域标识，并获取所述第一辅助文本中与目标谓词字符串对应的目标同义词；所述目标领域标识用于表征与所述目
标实体字符串对应的目标实体所在的业务领域；
[0013]若在第一关系库中存在所述目标领域标识和所述目标同义词之间的映射关系，则将所述第一辅助文本确定为所述目标查询文本；所述第一关系库中包括多个领域标识以及与每个领域标识对应的至少一个同义词。
[0014]其中，所述将所述第一辅助文本确定为所述目标查询文本，包括：
[0015]在第二关系库中，提取与所述目标领域标识和所述目标同义词对应的谓词别称，作为样本谓词别称；所述第二关系库中包括多个领域标识、与每个领域标识对应的至少一个同义词、以及与每个同义词对应的至少一个谓词别称；
[0016]若存在一个样本谓词别称和所述目标谓词字符串相同，则将所述第一辅助文本确定为所述目标查询文本。
[0017]其中，所述在所有实体字符串中，查找属于所述目标文本的实体字符串，作为目标实体字符串，包括：
[0018]根据所述所有实体字符串，构建第一字典树；所述第一字典树中的一个节点包括一个实体字符串中的一个字符；
[0019]根据宽度优先搜索，为所述第一字典树中的各节点设置失配指针；
[0020]根据所述第一字典树和所述第一字典树中各节点对应的失配指针，将所述目标文本进行多模式串匹配处理，得到所述目标文本中与所述第一字典树中的实体字符串相匹配的字符串的第一位置信息；
[0021]在所述目标文本中，将所述第一位置信息中的起始位置和终止位置之间的字符串，作为所述目标实体字符串，并从所述第一字典树中获取与所述目标实体字符串对应的目标领域标识。
[0022]其中，还包括：
[0023]提取出具有相同目标领域标识的目标实体字符串；
[0024]根据提取出来的目标实体字符串对应的第一位置信息，保留具有最大第一位置信息的目标实体字符串，并删除在具有相同目标领域标识的所有目标实体字符串中，除所述具有最大第一位置信息的目标实体字符串以外的目标实体字符串；所述具有最大第一位置信息的目标实体字符串是在所有具有相同目标领域标识的目标实体字符串对应的第一位置信息中，具有最大起始位置的目标实体字符串。
[0025]其中，所述在所有谓词字符串中，查找属于所述目标文本的谓词字符串，作为目标谓词字符串，包括：
[0026]根据所述所有谓词字符串，构建第二字典树；所述第二字典树中的一个节点包括一个谓词字符串中的一个字符；
[0027]根据宽度优先搜索，为所述第二字典树中的各节点设置失配指针；
[0028]根据所述第二字典树和所述第二字典树中各节点对应的失配指针，将所述目标文本进行多模式串匹配处理，得到所述目标文本中与所述第二字典树中的谓词字符串相匹配的字符串的第二位置信息；
[0029]在所述目标文本中，将所述第二位置信息中的起始位置和终止位置之间的字符串，作为所述目标谓词字符串，并从所述第二字典树中获取与所述目标谓词字符串对应的目标同义词。
[0030]其中，所述将所述目标实体字符串和所述目标谓词字符串组合为目标查询文本，包括：
[0031]将所述目标实体字符串和所述目标谓词字符串组合为第二辅助文本；
[0032]若所述第二辅助文本所对应的第一位置信息和第二位置信息之间存在重叠位置信息，则将存在重叠位置信息的第二辅助文本删除；所述重叠位置信息中的起始位置和终止位置既处于所述第一位置信息的范围内，也处于所述第二位置信息的范围内；
[0033]将删除后剩余的第二辅助文本确定为所述目标查询文本。
[0034]其中，还包括：
[0035]获取多个待测试文本，为所述多个待测试文本设置轮询优先级；
[0036]根据所述轮询优先级，在所述多个待测试文本中选取用于当前轮询的辅助测试文本；
[0037]在所述所有实体字符串中，查找属于所述辅助测试文本的实体字符串，并在所述所有谓词字符串中，查找属于所述辅助测试文本的谓词字符串；
[0038]将查找到的实体字符串和谓词字符串组合为测试查询文本，在所述知识库中查找与所述测试查询文本对应的查询结果，作为测试查询结果；
[0039]当每个待测试文本均被确定为辅助测试文本时，停止轮询，并统计具有相同测试查询结果的测试查询文本的数量。
[0040]本专利技术另一方面提供了一种文本处理装置，包括：
[0041]获取模块，用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文本处理方法，其特征在于，包括：获取目标文本以及知识图谱；所述知识图谱包括多个实体对应的实体字符串和多个谓词对应的谓词字符串；在所有实体字符串中，查找属于所述目标文本的实体字符串，作为目标实体字符串，并在所有谓词字符串中，查找属于所述目标文本的谓词字符串，作为目标谓词字符串；对所述目标实体字符串和所述目标谓词字符串进行组合，得到组合后的文本；若所述组合后的文本中所述目标实体字符串所对应的第一位置信息和所述组合后的文本中所述目标谓词字符串所对应的第二位置信息之间存在重叠位置信息，则将存在重叠位置信息的所述组合后的文本删除；所述重叠位置信息中的起始位置和终止位置既处于所述第一位置信息的范围内，也处于所述第二位置信息的范围内；所述第一位置信息是指所述目标实体字符串在所述目标文本中的位置信息；所述第二位置信息是指所述目标谓词字符串在所述目标文本中的位置信息；将删除后剩余的组合后的文本确定为目标查询文本，在知识库中查找与所述目标查询文本对应的查询结果，作为目标查询结果，并输出所述目标查询结果。2.根据权利要求1所述的方法，其特征在于，所述在所有实体字符串中，查找属于所述目标文本的实体字符串，作为目标实体字符串，包括：根据所述所有实体字符串，构建第一字典树；所述第一字典树中的一个节点包括一个实体字符串中的一个字符；根据宽度优先搜索，为所述第一字典树中的各节点设置失配指针；根据所述第一字典树和所述第一字典树中各节点对应的失配指针，将所述目标文本进行多模式串匹配处理，得到所述目标文本中与所述第一字典树中的实体字符串相匹配的字符串的第一位置信息；在所述目标文本中，将所述第一位置信息中的起始位置和终止位置之间的字符串，作为所述目标实体字符串，并从所述第一字典树中获取与所述目标实体字符串对应的目标领域标识。3.根据权利要求4所述的方法，其特征在于，还包括：提取出具有相同目标领域标识的目标实体字符串；根据提取出来的目标实体字符串对应的第一位置信息，保留具有最大第一位置信息的目标实体字符串，并删除在具有相同目标领域标识的所有目标实体字符串中，除所述具有最大第一位置信息的目标实体字符串以外的目标实体字符串；所述具有最大第一位置信息的目标实体字符串是在所有具有相同目标领域标识的目标实体字符串对应的第一位置信息中，具有最大起始位置的目标实体字符串。4.根据权利要求1所述的方法，其特征在于，所述在所有谓词字符串中，查找属于所述目标文本的谓词字符串，作为目标谓词字符串，包括：根据所述所有谓词字符串，构建第二字典树；所述第二字典树中的一个节点包括一个谓词字符串中的一个字符；根据宽度优先搜索，为所述第二字典树中的各节点设置失配指针；根据所述第二字典树和所述第二字典树中各节点对应的失配指针，将所述目标文本进行多模式串匹配处理，得到所述目标文本中与所述第二字典树中的谓词字符串相匹配的字
符串的第二位置信息；在所述目标文本中，将所述第二位置信息中的起始位置和终止位置之间的字符串，作为所述目标谓词字符串，并从所述第二字典树中获取与所述目标谓词字符串对应的目标同义词。5.根据权利要求1所述的方法，其特征在于，还包括：获取多个待测试文本，为所述多个待测试文本设置轮询优先级；根据所述轮询优先级，在所述多个待测试文本中选取用于当前轮询的辅助测试文本；在所述所有实体字符串中，查找属于所述辅助测试文本的实体字符串，并在...

【专利技术属性】
技术研发人员：周辉阳，饶孟良，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：