CN110069624B

CN110069624B - 文本处理方法及装置

Info

Publication number: CN110069624B
Application number: CN201910349382.1A
Authority: CN
Inventors: 潘晓彤; 刘作鹏
Original assignee: Beijing Xiaomi Intelligent Technology Co Ltd
Current assignee: Beijing Xiaomi Intelligent Technology Co Ltd
Priority date: 2019-04-28
Filing date: 2019-04-28
Publication date: 2021-05-04
Anticipated expiration: 2039-04-28
Also published as: US20200342173A1; CN110069624A; EP3734472A1; US11551008B2

Abstract

本公开关于一种文本处理方法及装置。所述方法包括：对待处理的第一文本进行分词处理，确定第一文本的多个词语；从第一文本中去除一个词语，获得一个第二文本；逐个在第一文本中去除每个词语，获得第二文本集合；对第一文本和所述第二文本集合中每个第二文本分别进行分析，获得第一文本的第一树形结构和每个第二文本的第二树形结构；根据第一树形结构和第二树形结构，确定第一文本的摘要文本。根据本公开的实施例的文本处理方法，通过删除第一文本中的各词语，可获得分别与各词语对应的第二文本，减少忽略关键信息的概率。并获得由词语组成的树形结构，可包含第一文本和第二文本的语序和句法结构，获得的摘要文本语义通顺。

Description

文本处理方法及装置

技术领域

本公开涉及计算机技术领域，尤其涉及一种文本处理方法及装置。

背景技术

在相关技术中，通常使用图排序和深度学习等方法，从文本中提取出能表达文本主旨信息，且长度要求小于原始文本信息长度的摘要文本。图排序方法可利用常用的停用词、前后缀或词性等信息，过滤掉冗余文本，但图排序方法容易忽略关键信息，且未考虑语序和句法结构等信息，获得的摘要文本可能不通顺，具有一定的局限性。深度学习方法需要利用大量的标注数据来训练深度学习模型，并基于上下文中的标注确定词语的统计信息，确定摘要文本，该种方法同样未考虑语序和句法结构等信息。

发明内容

为克服相关技术中存在的问题，本公开提供一种文本处理方法及装置。

根据本公开实施例的第一方面，提供一种文本处理方法，所述方法包括：

对待处理的第一文本进行分词处理，确定第一文本的多个词语；

从所述第一文本中去除所述第一文本的多个词语中的一个词语，获得一个第二文本；

逐个在所述第一文本中去除每个词语后，获得第二文本集合；

对第一文本和所述第二文本集合中每个第二文本分别进行分析，获得第一文本的第一树形结构和每个第二文本的第二树形结构，其中，所述第一文本中的每个词语分别是所述第一树形结构中的节点，所述第二文本中的每个词语分别是所述第二树形结构的节点；

根据所述第一树形结构和所述第二树形结构，确定所述第一文本的摘要文本。

在一种可能的实现方式中，对第一文本和所述第二文本集合中每个第二文本分别进行分析，获得第一文本的第一树形结构和每个第二文本的第二树形结构，包括：

对第一文本和每个第二文本分别进行依存句法分析处理，分别获得第一文本的各词语之间的依存关系以及每个第二文本的各词语之间的依存关系；

根据第一文本的各词语之间的依存关系以及每个第二文本的各词语之间的依存关系，分别获得第一文本的第一树形结构和第二文本的第二树形结构。

在一种可能的实现方式中，根据所述第一树形结构和所述第二树形结构，确定所述待处理文本的摘要，包括：

根据所述第一树形结构和所述第二树形结构，分别确定多个第二树形结构与第一树形结构的结构匹配分数；

根据所述第二树形结构的结构匹配分数，从第二树形结构中确定目标树形结构；

从所述第一文本中删除目标词语，获得所述第一文本的摘要文本，其中，所述目标词语为与所述目标树形结构对应的第二文本相对于所述第一文本缺失的词语。

在一种可能的实现方式中，根据所述第一树形结构和所述第二树形结构，分别确定多个第二树形结构与第一树形结构的结构匹配分数，包括：

根据所述第一树形结构的第一目标节点、第一目标节点的子节点、第二树形结构的第二目标节点以及第二目标节点的子节点，确定第一目标节点与第二目标节点的节点匹配分数，其中，第一目标节点为第一树形结构中的任一词语，第二目标节点为与第一目标节点相同的词语；

根据多个节点的节点匹配分数，确定第二树形结构与第一树形结构的结构匹配分数。

在一种可能的实现方式中，所述结构匹配分数包括结构全匹配分数和结构部分匹配分数。

根据本公开实施例的第二方面，提供一种文本处理装置，所述装置包括：

分词模块，用于对待处理的第一文本进行分词处理，确定第一文本的多个词语；

去除模块，从所述第一文本中去除所述第一文本的多个词语中的一个词语，获得一个第二文本；

获得模块，用于逐个在所述第一文本中去除每个词语后，获得第二文本集合；

分析模块，用于对第一文本和所述第二文本集合中每个第二文本分别进行分析，获得第一文本的第一树形结构和每个第二文本的第二树形结构，其中，所述第一文本中的每个词语分别是所述第一树形结构中的节点，所述第二文本中的每个词语分别是所述第二树形结构的节点；

确定模块，用于根据所述第一树形结构和所述第二树形结构，确定所述第一文本的摘要文本。

在一种可能的实现方式中，所述分析模块包括：

依存关系获得子模块，用于对第一文本和每个第二文本分别进行依存句法分析处理，分别获得第一文本的各词语之间的依存关系以及每个第二文本的各词语之间的依存关系；

树形结构获得子模块，用于根据第一文本的各词语之间的依存关系以及每个第二文本的各词语之间的依存关系，分别获得第一文本的第一树形结构和第二文本的第二树形结构。

在一种可能的实现方式中，所述确定模块包括：

分数确定子模块，用于根据所述第一树形结构和所述第二树形结构，分别确定多个第二树形结构与第一树形结构的结构匹配分数；

树形结构确定子模块，用于根据所述第二树形结构的结构匹配分数，从第二树形结构中确定目标树形结构；

摘要文本获得子模块，用于从所述第一文本中删除目标词语，获得所述第一文本的摘要文本，其中，所述目标词语为与所述目标树形结构对应的第二文本相对于所述第一文本缺失的词语。

在一种可能的实现方式中，所述分数确定子模块进一步用于：

根据本公开实施例的第三方面，提供一种文本处理装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行上述文本处理方法。

根据本公开实施例的第四方面，一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行上述文本处理方法。

本公开的实施例提供的技术方案可以包括以下有益效果：通过删除第一文本中的各词语以获得多个第二文本，减少忽略关键信息的概率；对第一文本和每个第二文本进行分析，获得由词语组成的树形结构，包含第一文本和第二文本的语序和句法结构，使得获得的摘要文本语义通顺。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据本公开的示例性实施例示出的文本处理方法的流程图；

图2是根据本公开的示例性实施例示出的文本处理方法的步骤S13的流程图；

图3是根据本公开的示例性实施例示出的第一文本的各词语之间的依存关系示意图；

图4是根据本公开的示例性实施例示出的第二文本的各词语之间的依存关系示意图；

图5是根据本公开的示例性实施例示出的第一树形结构的示意图；

图6是根据本公开的示例性实施例示出的第二树形结构的示意图；

图7是根据本公开的示例性实施例示出的文本处理方法的步骤S14的流程图；

图8是根据本公开的示例性实施例示出的结构匹配分数的示意图；

图9是根据本公开的示例性实施例示出的文本处理方法的应用示意图；

图10是根据本公开的示例性实施例示出的文本处理装置的框图；

图11是根据本公开的示例性实施例示出的文本处理装置的框图；

图12是根据本公开的示例性实施例示出的文本处理装置的框图；

图13是根据本公开的示例性实施例示出的文本处理装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据本公开的示例性实施例示出的文本处理方法的流程图，如图1所示，所述方法包括：

在步骤S11中，对待处理的第一文本进行分词处理，确定第一文本的多个词语；

在步骤S12中，从所述第一文本中去除所述第一文本的多个词语中的一个词语，获得一个第二文本；

在步骤S13中，逐个在所述第一文本中去除每个词语后，获得第二文本集合；

在步骤S14中，对第一文本和所述第二文本集合中每个第二文本分别进行分析，获得第一文本的第一树形结构和每个第二文本的第二树形结构，其中，所述第一文本中的每个词语分别是所述第一树形结构中的节点，所述第二文本中的每个词语分别是所述第二树形结构的节点；

在步骤S14中，根据所述第一树形结构和所述第二树形结构，确定所述第一文本的摘要文本。

根据本公开的实施例的文本处理方法，通过删除第一文本中的各词语，可获得分别与第一文本的每个词语对应的第二文本，减少忽略关键信息的概率。对第一文本和每个第二文本进行分析，获得由词语组成的树形结构，可包含第一文本和第二文本的语序和句法结构，获得的摘要文本语义通顺。

在一种可能的实现方式中，所述文本处理方法可以由终端设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可由终端设备获取第一文本，并将第一文本发送至服务器，从而通过服务器执行所述方法。

在一种可能的实现方式中，在步骤S11中，待处理的第一文本可以是段落、句子、词组、短语等由多个词语组成的结构，可根据第一文本的语义以及第一文本的各词语的语义，对第一文本进行分词处理，确定第一文本的多个词语。例如，可使用最大匹配算法、最小匹配算法、回溯法和基于深度学习的分词算法等分词方法，对第一文本进行分词处理，确定第一文本的多个词语。

在示例中，第一文本可以是一个句子，例如，“今天北京故宫的天气很好，人很多”。可对该句子使用上述分词方法中的任意一种，以确定该句子的多个词语。在示例中，可使用任意分词方法，并基于该句子的各词语的语义，将该句子的多个词语分开，可获得“今天/北京/故宫/的/天气/很好/，/人/很多”，即，该句子的多个词语分别为“今天”、“北京”、“故宫”、“的”、“天气”、“很好”、“，”、“人”、“很多”。

在一种可能的实现方式中，在步骤S12中，可从第一文本中去除一个词语，获得一个第二文本，获得的第二文本可与去除的词语对应。例如，第一文本由n(n为正整数)个词语组成，可将第一文本中的第k(1≤k≤n)个词语去除，第一文本中剩余的n-1个词语可组成与第k个词语对应的第二文本，其中，第一文本中剩余的n-1个词语的前后顺序不发生变化。例如，第一文本经分词处理后为“今天/北京/故宫/的/天气/很好/，/人/很多”，可将“今天”去除，获得一个第二文本“北京/故宫/的/天气/很好/，/人/很多”。

在一种可能的实现方式中，在步骤S13中，可逐个去除第一文本中的每个词语，获得第二文本集合，例如，可将第一文本的第1个词语去除，获得与第1个词语对应的第二文本，可将第一文本的第2个词语去除，获得与第2个词语对应的第二文本…可将第一文本的第n个词语去除，获得与第n个词语对应的第二文本。第一文本中包含n个词语，可获得n个第二文本，所述n个第二文本为所述第二文本集合。

在示例中，第一文本为“今天北京故宫的天气很好，人很多”。经过分词处理后，可分别去除每个词语，获得多个第二文本。例如，将“今天”去除，获得第二文本“北京/故宫/的/天气/很好/，/人/很多”；将“北京”去除，获得第二文本“今天/故宫/的/天气/很好/，/人/很多”；将“故宫”去除，获得第二文本“今天/北京/的/天气/很好/，/人/很多”；将“的”去除，获得第二文本“今天/北京/故宫/天气/很好/，/人/很多”；将“天气”去除，获得第二文本“今天/北京/故宫/的/很好/，/人/很多”；将“很好”去除，获得第二文本“今天/北京/故宫/的/天气/，/人/很多”；将“，”去除，获得第二文本“今天/北京/故宫/的/天气/很好/人/很多”；将“人”去除，获得第二文本“今天/北京/故宫/的/天气/很好/，/很多”；将“很多”去除，获得第二文本“今天/北京/故宫/的/天气/很好/，/人”，上述多个第二文本组成所述第二文本集合。

在一种可能的实现方式中，在步骤S14中，可对第一文本和多个第二文本分别进行分析，例如，根据第一文本和第二文本的语义及其包含的词语的语义进行分析，可获得第一文本的第一树形结构和每个第二文本的第二树形结构，其中，第一文本中的每个词语分别是第一树形结构中的节点，第二文本中的每个词语分别是第二树形结构的节点。

图2是根据本公开的示例性实施例示出的文本处理方法的步骤S14的流程图，如图2所示，步骤S14包括：

在步骤S141中，对第一文本和每个第二文本分别进行依存句法分析处理，分别获得第一文本的各词语之间的依存关系以及每个第二文本的各词语之间的依存关系；

在步骤S142中，根据第一文本的各词语之间的依存关系以及每个第二文本的各词语之间的依存关系，分别获得第一文本的第一树形结构和第二文本的第二树形结构。

在一种可能的实现方式中，在步骤S141中，可对第一文本和每个第二文本分别进行依存句法分析处理，获得第一文本的各词语之间的依存关系以及每个第二文本的各词语之间的依存关系。

在示例中，可对第一文本进行依存句法分析处理，可获得第一文本的各词语之间的依存关系。

图3是根据本公开的示例性实施例示出的第一文本的各词语之间的依存关系示意图，如图3所示，root可表示依存关系中的根节点，根节点指向词语“很好”，HED表示词语“很好”为第一文本的核心。“很好”分别指向“今天”、“天气”、“，”“很多”，ADV表示“很好”与“今天”之间的依存关系为状中关系，SBV表示“很好”与“天气”之间的依存关系为主谓关系，WP表示“，”为“很好”之后的标点符号，COO表示“很多”与“很好”之间的依存关系为并列关系。“天气”指向“故宫”，ATT表示“天气”和“故宫”之间的关系为定中关系。“故宫”分别指向“北京”和“的”，ATT表示“故宫”和“北京”之间的依存关系为定中关系，RAD表示“故宫”和“的”之间的关系为右附加关系。“很多”指向“人”，SBV表示“很多”和“人”之间的关系为主谓关系。

在示例中，可对多个第二文本分别进行依存句法分析处理，可获得每个第二文本的各词语之间的依存关系。例如，可对“今天”对应的第二文本“北京/故宫/的/天气/很好/，/人/很多”进行依存句法分析处理，获得该第二文本的各词语之间的依存关系。

图4是根据本公开的示例性实施例示出的第二文本的各词语之间的依存关系示意图，如图4所示，root可表示依存关系中的根节点，根节点指向词语“很好”，HED表示词语“很好”为第一文本的核心词语。“很好”分别指向“天气”、“，”“很多”，SBV表示“很好”与“天气”之间的依存关系为主谓关系，WP表示“，”为“很好”之后的标点符号，COO表示“很多”与“很好”之间的依存关系为并列关系。“天气”指向“故宫”，ATT表示“天气”和“故宫”之间的关系为定中关系。“故宫”分别指向“北京”和“的”，ATT表示“故宫”和“北京”之间的依存关系为定中关系，RAD表示“故宫”和“的”之间的关系为右附加关系。“很多”指向“人”，SBV表示“很多”和“人”之间的关系为主谓关系。

在示例中，通过依存句法分析处理，还可获得“故宫”对应的第二文本“今天/北京/的/天气/很好/，/人/很多”的各词语之间的依存关系；“的”对应的第二文本“今天/北京/故宫/天气/很好/，/人/很多”的各词语之间的依存关系；“天气”对应的第二文本“今天/北京/故宫/的/很好/，/人/很多”的各词语之间的依存关系；“很好”对应的第二文本“今天/北京/故宫/的/天气/，/人/很多”的各词语之间的依存关系；“，”对应的第二文本“今天/北京/故宫/的/天气/很好/人/很多”的各词语之间的依存关系；“人”对应的第二文本“今天/北京/故宫/的/天气/很好/，/很多”的各词语之间的依存关系；“很多”对应的第二文本“今天/北京/故宫/的/天气/很好/，/人”的各词语之间的依存关系。

在一种可能的实现方式中，在步骤S142中，可根据第一文本的各词语之间的依存关系获得第一文本的第一树形结构，并分别根据各第二文本的各词语之间的依存关系获得各第二文本的第二树形结构。

在示例中，可根据第一文本的各词语之间的依存关系，确定第一树形结构，即，将第一文本的各词语作为节点，根据所述依存关系中的各词语的指向，确定第一树形结构。

图5是根据本公开的示例性实施例示出的第一树形结构的示意图，如图5所示，以root指向的核心词语“很好”为第一个节点，“很好”节点具有4个子节点，即，第一文本的依存关系中“很好”指向的4个词语“今天”、“天气”、“，”和“很多”，“今天”和“，”不具有子节点，“天气”具有“故宫”一个子节点，“故宫”具有“北京”和“的”两个子节点，“很多”具有“人”一个子节点。

在示例中，可根据第二文本的各词语之间的依存关系，确定第二树形结构，即，将第二文本的各词语作为节点，根据所述依存关系中的各词语的指向，确定第二树形结构。

图6是根据本公开的示例性实施例示出的第二树形结构的示意图，如图6所示，以根据“北京/故宫/的/天气/很好/，/人/很多”的各词语之间的依存关系确定的第二树形关系为例，以root指向的核心词语“很好”为第一个节点，“很好”节点具有3个子节点，即，第二文本的依存关系中“很好”指向的3个词语“天气”、“，”和“很多”，“，”不具有子节点，“天气”具有“故宫”一个子节点，“故宫”具有“北京”和“的”两个子节点，“很多”具有“人”一个子节点。

在示例中，通过各第二文本的各词语之间的依存关系，还可获得“今天/北京/的/天气/很好/，/人/很多”的第二树形结构；“今天/北京/故宫/天气/很好/，/人/很多”的第二树形结构；“今天/北京/故宫/的/很好/，/人/很多”的第二树形结构；“今天/北京/故宫/的/天气/，/人/很多”的第二树形结构；“今天/北京/故宫/的/天气/很好/人/很多”的第二树形结构；“今天/北京/故宫/的/天气/很好/，/很多”的第二树形结构；“今天/北京/故宫/的/天气/很好/，/人”的第二树形结构。

通过这种方式，可通过依存句法分析处理确定第一文本的第一树形结构和第二文本的第二树形结构，在树形结构中可保留语序和句法结构等信息，使得通过第一树形结构和第二树形结构获得的摘要文本语义通顺。

在一种可能的实现方式中，在步骤S15中，可根据第一树形结构和多个第二树形结构，从第一文本的多个词语中确定并删除冗余词语(即，删除后对语义影响较小的词语)，剩余词语可组成第一文本的摘要文本。

图7是根据本公开的示例性实施例示出的文本处理方法的步骤S15的流程图，如图7所示，步骤S15包括：

在步骤S151中，根据所述第一树形结构和所述第二树形结构，分别确定多个第二树形结构与第一树形结构的结构匹配分数；

在步骤S152中，根据所述第二树形结构的结构匹配分数，从第二树形结构中确定目标树形结构；

在步骤S153中，从所述第一文本中删除目标词语，获得所述第一文本的摘要文本，其中，所述目标词语为与所述目标树形结构对应的第二文本相对于所述第一文本缺失的词语。

在一种可能的实现方式中，在步骤S151中，可分别确定第一树形结构与多个第二树形结构的结构匹配分数。在示例中，所述结构匹配分数可包括结构全匹配(full match)分数和结构部分匹配(part match)分数。

在一种可能的实现方式中，步骤S151可包括：根据所述第一树形结构的第一目标节点、第一目标节点的子节点、第二树形结构的第二目标节点以及第二目标节点的子节点，确定第一目标节点与第二目标节点的节点匹配分数，其中，第一目标节点为第一树形结构中的任一词语，第二目标节点为与第一目标节点相同的词语；根据多个节点的节点匹配分数，确定第二树形结构与第一树形结构的结构匹配分数。

在示例中，可分别确定第一树形结构和第二树形结构中的相同词语的节点匹配分数。其中，所述节点匹配分数可包括节点全匹配分数和节点部分匹配分数。

图8是根据本公开的示例性实施例示出的结构匹配分数的示意图。如图8所示，第一文本为“今天/北京/故宫/的/天气/很好/，/人/很多”，以将“今天”去除获得的“北京/故宫/的/天气/很好/，/人/很多”的第二文本为例，可分别确定每个相同词语的节点匹配分数，即，确定每个相同词语的节点全匹配分数和节点部分匹配分数。在示例中，节点部分匹配分数可包括杰卡德距离(jaccard distance)分数和分级折扣(hierarchical discount)分数。

在示例中，可逐个针对每个节点(即，词语)，确定节点匹配分数，例如，可根据每个节点的子节点，确定节点匹配分数。例如，第一目标节点和第二目标节点为“今天”，第一树形结构具有“今天”节点，第二树形结构不具有“今天”节点，可不计算“今天”节点的节点匹配分数或将节点匹配分数确定为0。第一目标节点和第二目标节点为“北京”，在第一树形结构和第二树形结构中，“北京”节点均不具有子节点，可不计算“北京”节点的节点匹配分数或将节点匹配分数确定为0。第一目标节点和第二目标节点为“故宫”，在第一树形结构中和第二树形结构中，“故宫”节点的子节点均为“北京”和“的”，因此，在第一树形结构和第二树形结构中，由“故宫”的子节点组成的集合相同，即，在第一树形结构中，“故宫”的子节点组成的集合为{“北京”、“的”}，元素有2个，在第二树形结构中，“故宫”的子节点组成的集合为{“北京”、“的”}，元素有2个。通过全匹配算法计算两个集合的节点全匹配分数，则节点全匹配分数为1(子节点完全相同，节点全匹配分数为1，不完全相同则为0)，在计算节点部分匹配分数时，可计算两个集合的杰卡德距离，获得所述杰卡德距离分数为1，并可计算两个集合的分级折扣分数为1(可将折扣率设置为0.5，即，子节点相同则分级折扣分数为1，子节点不同但子节点的子节点相同，则分级折扣分数为0.5，如果子节点的子节点不同，则分级折扣分数再乘以0.5)。通过上述计算方式，“的”、“，”、“人”的节点匹配分数均可确定为0，“天气”和“很多”的节点匹配分数均可确定为1。“很好”在第一树形结构中具有4个子节点，即，“今天”、“天气”、“，”和“很多”，在第一树形结构中，“很好”的子节点组成的集合为{“今天”、“天气”、“，”、“很多”}，元素有4个，“很好”在第二树形结构中具有3个子节点，即，“天气”、“，”和“很多”，在第二树形结构中，“很好”的子节点组成的集合为{“天气”、“，”、“很多”}，元素有3个，通过全匹配算法计算两个集合的节点全匹配分数，则节点全匹配分数为0，在计算节点部分匹配分数时，可计算两个集合的杰卡德距离，获得所述杰卡德距离分数为0.75，并可计算两个集合的分级折扣分数为0.5。

在一种可能的实现方式中，可根据所有节点的节点匹配分数，确定第一树形结构和第二树形结构的结构匹配分数。在示例中，可将所有节点的节点全匹配分数进行求和，可获得结构全匹配分数，可将所有节点的节点部分匹配分数进行求和，获得结构部分匹配分数。

在示例中，第一文本为“今天/北京/故宫/的/天气/很好/，/人/很多”，第二文本“北京/故宫/的/天气/很好/，/人/很多”，结构全匹配分数为3，在结构部分匹配分数中，杰卡德距离分数的总和为3.75，分级折扣分数的总和为3.5。

在一种可能的实现方式中，可通过上述方式，分别确定第一树形结构与每个第二树形结构的结构全匹配分数和结构部分匹配分数。

在一种可能的实现方式中，在步骤S152中，可根据多个第二树形结构的结构匹配分数，确定目标树形结构。在示例中，可对第一树形结构和第二树形结构的结构匹配分数进行降序排列，在排列过程中，可首先按照结构全匹配分数进行排列，如果两个或多个第二树形结构与第一树形结构的结构全匹配分数相同，再按照结构部分匹配分数排列所述两个或多个第二树形结构，在按照结构部分匹配分数排列的过程中，可首先按照杰卡德距离分数进行降序排列，如果杰卡德距离分数相同，则按照分级折扣分数进行降序排列。例如，词语A对应的第二树形结构的结构全匹配分数为3，词语B对应的第二树形结构的结构全匹配分数为2，则词语A对应的第二树形结构排在词语B对应的第二树形结构之前。又例如，词语A对应的第二树形结构的结构全匹配分数为3，词语B对应的第二树形结构的结构全匹配分数为3，而词语A对应的第二树形结构的杰卡德距离分数为3.75，词语B对应的第二树形结构的杰卡德距离分数为4，则词语B对应的第二树形结构排在词语A对应的第二树形结构之前。又例如，词语A对应的第二树形结构的结构全匹配分数为3，词语B对应的第二树形结构的结构全匹配分数为3，词语A对应的第二树形结构的杰卡德距离分数为3.75，词语B对应的第二树形结构的杰卡德距离分数为3.75，而词语A对应的第二树形结构的分级折扣分数为3.5，词语B对应的第二树形结构的分级折扣分数为3，则词语A对应的第二树形结构排在词语B对应的第二树形结构之前。通过上述方法，可获得多个第二树形结构的排序。

在示例中，可选择前i个第二树形结构作为目标树形结构，其中，i(i＜n)为设定值。前i个第二树形结构与第一树形结构的结构匹配分数较高，即，前i个第二树形结构对应的第二文本与第一文本的语义相似度较高，因此，前i个第二树形结构对应的第二文本相对于第一文本缺失的词语对第一文本的语义影响较小。

在一种可能的实现方式中，在步骤S153中，可将前i个第二树形结构对应的第二文本相对于第一文本缺失的词语(即，目标词语)从第一文本中删除，即可在对第一文本的语义影响较小的情况下，获得与第一文本语义相似度较高的摘要文本。

通过这种方式，可根据第一树形结构和第二树形结构的结构匹配分数确定目标词语，从而获得摘要文本，可在对第一文本的语义影响较小的情况下，去除冗余词语，获得与第一文本语义相似度较高的摘要文本。

图9是根据本公开的示例性实施例示出的文本处理方法的应用示意图，如图9所示，第一文本为“今天北京故宫的天气很好，人很多”分词结果为“今天/北京/故宫/的/天气/很好/，/人/很多”。

在一种可能的实现方式中，可从第一文本中分别去除每个词语，获得9个第二文本，即，“北京/故宫/的/天气/很好/，/人/很多”，“今天/故宫/的/天气/很好/，/人/很多”，“今天/北京/的/天气/很好/，/人/很多”，“今天/北京/故宫/天气/很好/，/人/很多”，“今天/北京/故宫/的/很好/，/人/很多”，“今天/北京/故宫/的/天气/，/人/很多”，“今天/北京/故宫/的/天气/很好/人/很多”，“今天/北京/故宫/的/天气/很好/，/很多”和“今天/北京/故宫/的/天气/很好/，/人”。

在一种可能的实现方式中，可对第一文本和9个第二文本分别进行依存句法分析处理，获得第一文本的各词语之间的依存关系以及每个第二文本的各词语之间的依存关系，并根据各词语之间的依存关系，例如，依存关系中各词语之间的指向，确定第一树形结构和九个第二树形结构。

在一种可能的实现方式中，可分别确定第一树形结构和每个第二树形结构的结构全匹配分数、杰卡德距离分数的总和以及分级折扣分数的总和，并按照全匹配分数、杰卡德距离分数的总和以及分级折扣分数的总和进行降序排列，在示例中，可首先按照全匹配分数进行排列，在全匹配分数相同的情况下，按照杰卡德距离分数的总和进行排列，在照杰卡德距离分数的总和相同的情况下，按照分级折扣分数进行排列。可获得9个第二树形结构的排序。

在一种可能的实现方式中，可将前两个第二树形结构确定为目标树形结构，将前两个第二树形结构对应的词语作为目标词语，所述目标词语为对第一文本的语义影响最小的两个词语。在示例中，目标词语为“的”和“，”，可从第一文本中去除“的”和“，”，获得“今天/北京/故宫/天气/很好/人/很多”，即，第一文本的摘要文本为“今天北京故宫天气很好人很多”。

根据本公开的实施例的文本处理方法，无需通过人工标注和训练，降低了人工标注的工作量；无需大量的标注数据训练，可扩展使用范围。通过删除第一文本中的各词语，可获得分别与第一文本的每个词语对应的第二文本，减少忽略关键信息的概率。并可通过依存句法分析处理确定第一文本的第一树形结构和第二文本的第二树形结构，在树形结构中可保留语序和句法结构等信息，使得通过第一树形结构和第二树形结构获得的摘要文本语义通顺。进一步地，可根据第一树形结构和第二树形结构的结构匹配分数确定目标词语，从而获得摘要文本，可在对第一文本的语义影响较小的情况下，去除冗余词语，获得与第一文本语义相似度较高的摘要文本。

图10是根据本公开的示例性实施例示出的文本处理装置的框图。如图10所示，所述装置包括：

分词模块11，用于对待处理的第一文本进行分词处理，确定第一文本的多个词语；

去除模块12，从所述第一文本中去除所述第一文本的多个词语中的一个词语，获得一个第二文本；

获得模块13，用于逐个在所述第一文本中去除每个词语后，获得第二文本集合；

分析模块14，用于对第一文本和所述第二文本集合中每个第二文本分别进行分析，获得第一文本的第一树形结构和每个第二文本的第二树形结构，其中，所述第一文本中的每个词语分别是所述第一树形结构中的节点，所述第二文本中的每个词语分别是所述第二树形结构的节点；

确定模块15，用于根据所述第一树形结构和所述第二树形结构，确定所述第一文本的摘要文本。

图11是根据本公开的示例性实施例示出的文本处理装置的框图。如图11所示，分析模块14包括：

依存关系获得子模块141，用于对第一文本和每个第二文本分别进行依存句法分析处理，分别获得第一文本的各词语之间的依存关系以及每个第二文本的各词语之间的依存关系；

树形结构获得子模块142，用于根据第一文本的各词语之间的依存关系以及每个第二文本的各词语之间的依存关系，分别获得第一文本的第一树形结构和第二文本的第二树形结构。

在一种可能的实现方式中，确定模块15包括：

分数确定子模块151，用于根据所述第一树形结构和所述第二树形结构，分别确定多个第二树形结构与第一树形结构的结构匹配分数；

树形结构确定子模块152，用于根据所述第二树形结构的结构匹配分数，从第二树形结构中确定目标树形结构；

摘要文本获得子模块153，用于从所述第一文本中删除目标词语，获得所述第一文本的摘要文本，其中，所述目标词语为与所述目标树形结构对应的第二文本相对于所述第一文本缺失的词语。

在一种可能的实现方式中，分数确定子模块151进一步用于：

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图12是根据本公开的示例性实施例示出的一种文本处理装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图12，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理***，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

图13是根据本公开的示例性实施例示出的一种文本处理装置1900的框图。例如，装置1900可以被提供为一服务器。参照图13，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作***，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1932，上述指令可由装置1900的处理组件1922执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims

1.一种文本处理方法，其特征在于，所述方法包括：

根据所述第一树形结构和所述第二树形结构，确定所述第一文本的摘要文本；

根据所述第一树形结构和所述第二树形结构，确定所述待处理文本的摘要，包括：

2.根据权利要求1所述的方法，其特征在于，对第一文本和所述第二文本集合中每个第二文本分别进行分析，获得第一文本的第一树形结构和每个第二文本的第二树形结构，包括：

3.根据权利要求1所述的方法，其特征在于，根据所述第一树形结构和所述第二树形结构，分别确定多个第二树形结构与第一树形结构的结构匹配分数，包括：

4.根据权利要求1或3所述的方法，其特征在于，所述结构匹配分数包括结构全匹配分数和结构部分匹配分数。

5.一种文本处理装置，其特征在于，所述装置包括：

确定模块，用于根据所述第一树形结构和所述第二树形结构，确定所述第一文本的摘要文本；

所述确定模块包括：

6.根据权利要求5所述的装置，其特征在于，所述分析模块包括：

7.根据权利要求5所述的装置，其特征在于，所述分数确定子模块进一步用于：

8.根据权利要求5或7所述的装置，其特征在于，所述结构匹配分数包括结构全匹配分数和结构部分匹配分数。

9.一种文本处理装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行权利要求1-4中任意一项所述的方法。

10.一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行根据权利要求1-4中任意一项所述的方法。