CN114065739A - 文本分词方法、装置、电子设备和计算机可读介质 - Google Patents
文本分词方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN114065739A CN114065739A CN202111341192.9A CN202111341192A CN114065739A CN 114065739 A CN114065739 A CN 114065739A CN 202111341192 A CN202111341192 A CN 202111341192A CN 114065739 A CN114065739 A CN 114065739A
- Authority
- CN
- China
- Prior art keywords
- word
- information
- instance
- target
- thesaurus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims description 36
- 230000004044 response Effects 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本公开的实施例公开了文本分词方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:创建第一初始词库实例;对于目标任务信息所对应的每个目标文本,执行词库实例信息替换步骤:获取类目信息序列对应的词库实例信息序列,其中,该类目信息序列中各个类目信息为该目标文本所对应的类目信息;根据该词库实例信息序列中各个词库实例信息的顺序,依次替换第一初始词库实例的词库实例信息,来对该目标文本进行分词。该实施方式可以快捷、高效地对文本进行分词。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及文本分词方法、装置、电子设备和计算机可读介质。
背景技术
在自然语言领域中,文本分词可以是将一个句子或者一篇文章拆分成一个一个的词。由于各个行业领域存在较多的行业专有词汇,为了分词更为精准,往往需要维护多个词库。对于利用多个词库来对目标文本进行分词,通常采用的方式为:在扫描目标文本的过程中,针对目标文本中的不同阶段,加载对应的词库来进行分词。
然而,当采用上述方式来对目标文本进行分词,经常会存在如下技术问题:
第一,当使用词库来进行分词时,往往需要将词库加载至内存。由于中文词库一般都比较大,且目标文本分词往往需要加载多个词库,导致存在加载时间较长的问题,目标文本分词的效率较低。
第二,加载多个词库也占用了大量的内存资源。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了文本分词方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种文本分词方法,包括:创建第一初始词库实例;对于目标任务信息所对应的每个目标文本,执行词库实例信息替换步骤:获取类目信息序列对应的词库实例信息序列,其中,上述类目信息序列中各个类目信息为上述目标文本所对应的类目信息;根据上述词库实例信息序列中各个词库实例信息的顺序,依次替换上述第一初始词库实例的词库实例信息,来对上述目标文本进行分词。
可选地,在上述对于目标任务信息所对应的每个目标文本,执行文本分词步骤之前,上述方法还包括:确定预先获取的目标文本集中是否存在待分词处理的目标文本;响应于确定上述目标文本集中存在待分词处理的目标文本,从上述目标文本集中筛选出待分词处理的至少一个目标文本。
可选地,上述方法还包括:对上述至少一个目标文本进行数据分组处理,得到至少一个目标文本组;建立与上述至少一个目标文本组中的每个目标文本组相对应的任务信息,得到任务信息集。
可选地,上述从上述目标文本集中筛选出待分词处理的至少一个目标文本,包括:获取目标时间段内已分词的历史文本集;确定上述目标文本集与上述历史文本集之间相同的文本,得到至少一个相同文本;从上述目标文本集中去除上述至少一个相同文本,得到去除后目标文本集,作为上述至少一个目标文本。
可选地,上述根据上述词库实例信息序列中各个词库实例信息的顺序,依次替换上述第一初始词库实例的词库实例信息,来对上述目标文本进行分词,包括:对于上述词库实例信息序列中的每个词库实例信息,执行以下目标文本分词步骤:将当前第一初始词库实例的词库实例信息更改为上述词库实例信息,得到更改后的第一初始词库实例;对上述更改后的第一初始词库实例进行初始化处理;利用初始化后的第一初始词库实例,对上述目标文本中对应的子文本的进行分词。
可选地,上述获取类目信息序列对应的词库实例信息序列,包括:从目标变量中获取类目信息序列对应的词库实例信息序列,其中,上述目标变量是词库实例处理端发送的变量,上述目标变量以第一预设键值对格式存储词库实例信息集,上述词库实例信息集中每个词库实例信息存在对应的类目信息。
可选地,上述目标变量中词库实例信息集是通过以下步骤生成:创建初始词库实例;将预先获取的至少一个通用词库中的各个词加载至上述第二初始词库实例,得到第一次加载后词库实例;根据上述第一次加载后词库实例,将至少一个待加载类目词库中的各个词加载至目标容器中对应的词库实例,得到各个第二次加载后词库实例,其中,上述目标容器以第二预设键值对格式存储各个词库实例;确定上述各个第二次加载后词库实例的词库实例信息,得到上述词库实例信息集。
可选地,上述根据上述第一次加载后词库实例,将至少一个待加载类目词库中的各个词加载至目标容器中对应的词库实例,得到各个第二次加载后词库实例,包括:对于上述至少一个待加载类目词库中各个词中的每个词,执行以下词加载步骤:确定上述词的类目信息;确定上述目标容器中是否存在以上述类目信息为键的词库实例;响应于确定上述目标容器中存在以上述类目信息为键的词库实例,将上述词加载至上述目标容器中目标词库实例,其中,上述目标词库实例为以上述类目信息为键的词库实例;将加载后的各个词库实例确定为上述各个第二次加载后词库实例。
可选地,在上述确定上述目标容器中是否存在以上述类目信息为键的词库实例之后,上述方法还包括:响应于确定上述目标容器中不存在以上述类目信息为键的词库实例,在上述目标容器中新建以上述类目信息为键、上述第一次加载后词库实例为值的键值内容;将上述词加载至上述键值内容中上述第一次加载后词库实例。
可选地,上述词库实例信息为以类目信息为键、目标二元组为值的信息,其中,上述目标二元组包括:词列表信息和词频列表信息。
第二方面,本公开的一些实施例提供了一种文本分词装置,包括:创建单元,被配置成创建第一初始词库实例;创建单元,被配置成创建第一初始词库实例;执行单元,被配置成对于目标任务信息所对应的每个目标文本,执行文本分词步骤:对于目标任务信息所对应的每个目标文本,执行词库实例信息替换步骤:获取类目信息序列对应的词库实例信息序列,其中,上述类目信息序列中各个类目信息为上述目标文本所对应的类目信息;根据上述词库实例信息序列中各个词库实例信息的顺序,依次替换第一初始词库实例的词库实例信息,来对上述目标文本进行分词。
可选地,上述装置还包括:确定预先获取的目标文本集中是否存在待分词处理的目标文本;响应于确定上述目标文本集中存在待分词处理的目标文本,从上述目标文本集中筛选出待分词处理的至少一个目标文本。
可选地,上述装置还包括:对上述至少一个目标文本进行数据分组处理,得到至少一个目标文本组;建立与上述至少一个目标文本组中的每个目标文本组相对应的任务信息,得到任务信息集。
可选地,上述装置还包括:获取目标时间段内已分词的历史文本集;确定上述目标文本集与上述历史文本集之间相同的文本,得到至少一个相同文本;从上述目标文本集中去除上述至少一个相同文本,得到去除后目标文本集,作为上述至少一个目标文本。
可选地,执行单元可以被配置成:从目标变量中获取类目信息序列对应的词库实例信息序列,其中,上述目标变量是词库实例处理端发送的变量,上述目标变量以第一预设键值对格式存储词库实例信息集,上述词库实例信息集中每个词库实例信息存在对应的类目信息。
可选地,执行单元可以被配置成:对于上述词库实例信息序列中的每个词库实例信息,执行以下目标文本分词步骤:将当前第一初始词库实例的词库实例信息更改为上述词库实例信息,得到更改后的第一初始词库实例;对上述更改后的第一初始词库实例进行初始化处理;利用初始化后的第一初始词库实例,对上述目标文本中对应的子文本的进行分词。
可选地,上述目标变量中词库实例信息集是通过以下步骤生成:创建初始词库实例;将预先获取的至少一个通用词库中的各个词加载至上述第二初始词库实例,得到第一次加载后词库实例;根据上述第一次加载后词库实例,将至少一个待加载类目词库中的各个词加载至目标容器中对应的词库实例,得到各个第二次加载后词库实例,其中,上述目标容器以第二预设键值对格式存储各个词库实例;确定上述各个第二次加载后词库实例的词库实例信息,得到上述词库实例信息集。
可选地,加载单元被配置成:对于上述至少一个待加载类目词库中各个词中的每个词,执行以下词加载步骤:确定上述词的类目信息;确定上述目标容器中是否存在以上述类目信息为键的词库实例;响应于确定上述目标容器中存在以上述类目信息为键的词库实例,将上述词加载至上述目标容器中目标词库实例,其中,上述目标词库实例为以上述类目信息为键的词库实例;将加载后的各个词库实例确定为上述各个第二次加载后词库实例。
可选地,上述装置还包括:响应于确定上述目标容器中不存在以上述类目信息为键的词库实例,在上述目标容器中新建以上述类目信息为键、上述第一次加载后词库实例为值的键值内容;将上述词加载至上述键值内容中上述第一次加载后词库实例。
可选地,上述词库实例信息包括:词库实例对应词列表信息和词库实例对应词频列表信息。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的上述各个实施例中具有如下有益效果:本公开的一些实施例的文本分词方法可以快捷、高效地对目标文本进行分词。具体来说,造成不能高效的对目标文本进行分词的原因在于:中文词库一般都比较大,且目标文本分词往往需要加载多个词库,导致存在加载时间较长的问题,目标文本分词的效率较低。除此之外,加载多个词库也占用了大量的内存资源,导致后续分词效率较低。基于此,本公开的一些实施例的文本分词方法可以首先创建第一初始词库实例,作为基础词库实例,以用于后续更改后第一初始词库实例的生成。接着,对于目标任务信息所对应的每个目标文本,执行词库实例信息替换步骤:获取类目信息序列对应的词库实例信息序列,以用于后续替换第一初始词库实例的词库实例信息。其中,上述类目信息序列中各个类目信息为上述目标文本所对应的类目信息。根据上述词库实例信息序列中各个词库实例信息的顺序,依次替换第一初始词库实例的词库实例信息,来对上述目标文本进行分词。在这里,通过更改词库实例信息可以使得第一初始词库实例变换为对应类目信息的词库实例,在不加载各个类目信息对应词库实例的情况下,只需要变换第一初始词库实例的词库实例信息,就可以使用对应的词库实例来后续进行分词,解决了加载多个词库导致加载时间较长的问题。侧面也解决了加载多个词库也占用了大量的内存资源的问题。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的文本分词方法的一个应用场景的示意图;
图2是根据本公开的文本分词方法的一些实施例的流程图;
图3是根据本公开的文本分词方法的另一些实施例的流程图;
图4是根据本公开的文本分词方法的一些实施例中的对至少一个目标文本分组的示意图;
图5是根据本公开的文本分词装置的一些实施例的结构示意图;
图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的文本分词方法的一个应用场景的示意图。
在图1的应用场景中,电子设备101可以首先创建第一初始词库实例102。然后,对于目标任务信息103所对应的每个目标文本,执行词库实例信息替换步骤:第一步,获取类目信息序列105对应的词库实例信息序列106。其中,上述类目信息序列105中各个类目信息为上述目标文本1041所对应的类目信息。在本应用场景中,上述目标任务信息103对应的文本集104包括:目标文本1041、目标文本1042、目标文本1043。上述类目信息序列105包括:类目信息1051、类目信息1052、类目信息1053。词库实例信息序列106包括:词库实例信息1061、词库实例信息1062、词库实例信息1063。第二步,根据上述词库实例信息序列106中各个词库实例信息的顺序,依次替换第一初始词库实例的词库实例信息,来对上述目标文本1041进行分词。在本应用场景中,将第一初始词库实例102的词库实例信息替换为词库实例信息1061,得到第一初始词库实例107。将第一初始词库实例107的词库实例信息1061替换为词库实例信息1062,得到第一初始词库实例108。将第一初始词库实例108的词库实例信息1062替换为词库实例信息1063,得到第一初始词库实例109。根据第一初始词库实例107、第一初始词库实例108和第一初始词库实例109,对上述目标文本1041进行分词。
需要说明的是,上述电子设备101可以是硬件,也可以是软件。当电子设备为硬件时,可以实现成多个服务端或终端设备组成的分布式集群,也可以实现成单个服务端或单个终端设备。当电子设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
在这里,电子设备101还可以是计算引擎Spark中的任务执行端(Excuter端)。其中,Spark可以是专为大规模数据处理而设计的快速通用的计算引擎。
应该理解,图1中的电子设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的电子设备。
继续参考图2,示出了根据本公开的文本分词方法的一些实施例的流程200。该文本分词方法,包括以下步骤:
步骤201,创建第一初始词库实例。
在一些实施例中,上述文本分词方法的执行主体(例如图1所示的电子设备)可以创建第一初始词库实例。其中,词库实例可以是字典树(Trie树)。例如,上述第一初始化词库实例可以是结巴(jieba)词库实例。
作为示例,上述执行主体可以调用目标接口来创建结巴词库实例。
步骤202,对于目标任务信息所对应的每个目标文本,执行词库实例信息替换步骤:
其中,目标任务信息可以是表征目标任务的信息。例如,目标任务信息可以为目标任务的标识信息。上述目标任务信息对应着多个目标文本。目标任务信息对应给的目标任务为对多个目标文本进行分词处理的任务。作为示例,上述目标文本可以是物品的标题信息。
步骤2021,获取类目信息序列对应的词库实例信息序列。
在一些实施例中,上述执行主体可以通过有线方式或无线方式来获取类目信息序列对应的词库实例信息序列。其中,上述类目信息序列中各个类目信息为上述目标文本所对应的类目信息。类目信息序列中每个类目信息都存在一一对应的词库实例信息,所以类目信息序列存在对应的词库实例信息序列。其中,类目信息可以三级类目信息。词库实例信息可以是词库实例的关键信息。例如,词库实例的词库标识信息。
在这里,对于类目信息序列中的每个类目信息,分别建立对应的词库实例信息,使得后续目标文本分词更为精准、高效。
作为示例,如下表所示:
第一类目信息 | 第一词库实例信息 |
第二类目信息 | 第二词库实例信息 |
第三类目信息 | 第三词库实例信息 |
需要说明的是,上述目标文本中存在至少一个物品信息。上述至少一个物品信息在目标文本出现的顺序是不同。根据上述至少一个物品信息在目标文本出现的顺序,对至少一个物品信息进行排序,得到物品信息序列。由于每个物品信息存在对应的类目信息,所以物品信息序列存在对应的类目信息序列。
在一些实施例的一些可选的实现方式中,上述执行主体可以从目标变量中获取类目信息序列对应的词库实例信息序列。其中,上述目标变量是词库实例处理端发送的变量。上述目标变量以第一预设键值对格式存储词库实例信息集。上述词库实例信息集中每个词库实例信息存在对应的类目信息。
在这里,上述目标变量可以是Spark中的变量。目标变量可以将词库实例处理端中的数据分发至各个Excuter端。上述词库实例处理端可以是Spark中的driver端。上述第一预设键值对格式可以是以类目信息为键,词库实例信息为值的格式。driver端可以是Spark的驱动器,是执行开发程序中的main方法的进程。
可选地,上述目标变量中词库实例信息集是通过以下步骤生成:
第一步,上述词库实例处理端可以创建第二初始词库实例。其中,上述第二初始化词库实例可以是结巴(jieba)词库实例。
第二步,上述词库实例处理端可以将预先获取的至少一个通用词库中的各个词加载至上述第二初始词库实例,得到第一次加载后词库实例。其中,上述至少一个通用词库中每个通用词库可以是目标领域相关的通用词库。例如,针对电商领域,通用词库中的各个词可以为电商领域中常见的、使用频率较高的词。
第三步,上述词库实例处理端可以根据上述第一次加载后词库实例,通过各种方式来将至少一个待加载类目词库中的各个词加载至目标容器中对应的词库实例,得到各个第二次加载后词库实例。其中,上述目标容器以第二预设键值对格式存储各个词库实例。上述第二预设键值对格式可以是以类目信息为键,词库实例为键的格式。
作为示例,如下表所示:
第一类目信息 | 第一词库实例 |
第二类目信息 | 第二词库实例 |
第三类目信息 | 第三词库实例 |
第四步,上述词库实例处理端可以确定上述各个第二次加载后词库实例的词库实例信息,得到上述词库实例信息集。
作为示例,上述词库实例处理端可以通过查询的方式来确定上述各个第二次加载后词库实例的词库实例信息,得到上述词库实例信息集。
可选地,上述根据上述第一次加载后词库实例,将至少一个待加载类目词库中的各个词加载至目标容器中对应的词库实例,得到各个第二次加载后词库实例,包括:
对于上述至少一个待加载类目词库中各个词中的每个词,执行以下词加载步骤:
第一子步骤,上述词库实例处理端可以确定上述词的类目信息。
作为示例,上述词库实例处理端可以通过查询的方式来确定上述词的类目信息。
第二子步骤,上述词库实例处理端可以确定上述目标容器中是否存在以上述类目信息为键的词库实例。
第三子步骤,响应于确定上述目标容器中存在以上述类目信息为键的词库实例,上述词库实例处理端可以将上述词加载至上述目标容器中目标词库实例。其中,上述目标词库实例为以上述类目信息为键的词库实例。
第四子步骤,上述词库实例处理端可以将加载后的各个词库实例确定为上述各个第二次加载后词库实例。
可选地,在上述确定上述目标容器中是否存在以上述类目信息为键的词库实例之后,步骤还包括:
第一子步骤,响应于确定上述目标容器中不存在以上述类目信息为键的词库实例,上述词库实例处理端可以在上述目标容器中新建以上述类目信息为键、上述第一次加载后词库实例为值的键值内容。
作为示例,上述目标容器存储的内容包括{[第一类目信息,第一词库实例],[第二类目信息,第二词库实例],[第三类目信息,第三词库实例]}。上述类目信息可以是第四类目信息。由于目标中不存在以上述类目信息为键的词库实例,上述词库实例处理端可以在上述目标容器中新建以上述类目信息为键、上述第一次加载后词库实例为值的键值内容。即,可以得到,目标容器存储的内容包括{[第一类目信息,第一词库实例],[第二类目信息,第二词库实例],[第三类目信息,第三词库实例],[第四类目信息,第一次加载后词库实例]}。
第二子步骤,上述词库实例处理端可以将上述词加载至上述键值内容中上述第一次加载后词库实例。
步骤2022,根据上述词库实例信息序列中各个词库实例信息的顺序,依次替换第一初始词库实例的词库实例信息,来对上述目标文本进行分词。
在一些实施例中,上述执行主体可以根据上述词库实例信息序列中各个词库实例信息的顺序,依次替换第一初始词库实例的词库实例信息,来对上述目标文本进行分词。其中,替换词库实例信息后的第一初始词库实例可以对目标文本中的部分内容进行分词。
在一些实施例的一些可选的实现方式中,上述根据上述词库实例信息序列中各个词库实例信息的顺序,依次替换上述第一初始词库实例的词库实例信息,来对上述目标文本进行分词,可以包括以下步骤:
对于上述词库实例信息序列中的每个词库实例信息,上述执行主体可以执行以下目标文本分词步骤:
第一子步骤,上述执行主体可以将当前第一初始词库实例的词库实例信息更改为上述词库实例信息,得到更改后的第一初始词库实例。
第二子步骤,上述执行主体可以对上述更改后的第一初始词库实例进行初始化处理。
作为示例,上述执行主体可以将更改后的第一初始词库实例中的初始化状态(initialized)标记为true。
第三子步骤,上述执行主体可以利用初始化后的第一初始词库实例,对上述目标文本中对应的子文本的进行分词。
需要说明的是,目标文本可以由各个子文本组成的。上述各个子文本可以是依据目标文本中的各个物品信息的出现位置来划分的。
在一些实施例的一些可选的实现方式中,所词库实例信息包括:词库实例对应词列表信息和词库实例对应词频列表信息。其中,词库实例可以是字典树。词库实例对应词列表信息可以是字典树对应的词列表的地址信息。上次词列表存储着与字典树相对应的各个词。词库实例对应词频列表信息可以是字典树对应的词频列表的地址信息。上述词频列表存储着词列表中各个词的使用频率。
本公开的上述各个实施例中具有如下有益效果:本公开的一些实施例的文本分词方法可以快捷、高效地对目标文本进行分词。具体来说,造成不能高效的对目标文本进行分词的原因在于:中文词库一般都比较大,且目标文本分词往往需要加载多个词库,导致存在加载时间较长的问题,目标文本分词的效率较低。除此之外,加载多个词库也占用了大量的内存资源,导致后续分词效率较低。基于此,本公开的一些实施例的文本分词方法可以首先创建第一初始词库实例,作为基础词库实例,以用于后续更改后第一初始词库实例的生成。接着,对于目标任务信息所对应的每个目标文本,执行词库实例信息替换步骤:获取类目信息序列对应的词库实例信息序列,以用于后续替换第一初始词库实例的词库实例信息。其中,上述类目信息序列中各个类目信息为上述目标文本所对应的类目信息。根据上述词库实例信息序列中各个词库实例信息的顺序,依次替换第一初始词库实例的词库实例信息,来对上述目标文本进行分词。在这里,通过更改词库实例信息可以使得第一初始词库实例变换为对应类目信息的词库实例,在不加载各个类目信息对应词库实例的情况下,只需要变换第一初始词库实例的词库实例信息,就可以使用对应的词库实例来后续进行分词,解决了加载多个词库导致加载时间较长的问题。侧面也解决了加载多个词库也占用了大量的内存资源的问题。
进一步参考图3,示出了根据本公开的文本分词方法的另一些实施例的流程300。该文本分词方法,包括以下步骤:
步骤301,确定预先获取的目标文本集中是否存在待分词处理的目标文本。
在一些实施例中,执行主体(例如图1所示的电子设备)可以确定预先获取的目标文本集中是否存在待分词处理的目标文本。
作为示例,上述执行主体可以通过目标文本集中各个目标文本的上传时间点(或上线时间),来确定目标文本集中是否存在待分词处理的目标文本。
响应于确定目标文本集中存在目标文本的上传时间晚于目标时间点,上述执行主体可以确定目标文本集中存在待分词处理的目标文本。
响应于确定目标文本集中存在目标文本的上传时间早于目标时间点,上述执行主体可以确定目标文本集中不存在待分词处理的目标文本。
步骤302,响应于确定上述目标文本集中存在待分词处理的目标文本,从上述目标文本集中筛选出待分词处理的至少一个目标文本。
在一些实施例中,响应于确定上述目标文本集中存在待分词处理的目标文本,上述执行主体可以上述目标文本集中筛选出待分词处理的至少一个目标文本。
作为示例,上述执行主体可以从目标文本集中筛选出上传时间晚于目标时间点的至少一个目标文本,作为待分词的至少一个目标文本。
在一些实施例的一些可选的实现方式中,所述从所述目标文本集中筛选出待分词处理的至少一个目标文本,可以包括以下步骤:
第一步,上述执行主体可以获取目标时间段内已分词的历史文本集。其中,目标时间段可以是目标文本集对应时间之前的时间段。上述目标文本集对应时间可以为执行主体获取目标文本集的时间。
第二步,上述执行主体可以确定所述目标文本集与所述历史文本集之间相同的文本,得到至少一个相同文本;
第三步,上述执行主体可以从所述目标文本集中去除所述至少一个相同文本,得到去除后目标文本集,作为所述至少一个目标文本。
步骤303,对上述至少一个目标文本进行数据分组处理,得到至少一个目标文本组。
在一些实施例中,上述执行主体可以对上述至少一个目标文本进行数据分组处理,得到至少一个目标文本组。
作为示例,上述执行主体可以利用一致性哈希算法来对上述至少一个目标文本进行数据分组处理,得到至少一个目标文本组。
作为又一个示例,上述执行主体可以对至少一个目标文本进行均匀分组,得到至少一个目标文本组。其中,每个目标文本组中的目标文本数目都是一样的。
步骤304,建立与上述至少一个目标文本组中的每个目标文本组相对应的任务信息,得到任务信息集。
在一些实施例中,上述执行主体可以建立与上述至少一个目标文本组中的每个目标文本组相对应的任务信息,得到任务信息集。其中,上述任务信息集中包括上述目标任务信息。即,上述目标任务信息为任务信息集中任一的任务信息。
如图4所示,至少一个目标文本401可以包括:目标文本4011,目标文本4012,目标文本4013,目标文本4014,目标文本4015,目标文本4016。至少一个目标文本组包括:目标文本组402,目标文本组403。目标文本组402包括:目标文本4011,目标文本4012,目标文本4013。目标文本403包括:目标文本4014,目标文本4015,目标文本4016。目标文本组402对应的任务信息可以是第一任务信息404。目标文本组403对应的任务信息可以是第一任务信息405。
步骤305,创建第一初始词库实例。
步骤306,对于目标任务信息所对应的每个目标文本,执行词库实例信息替换步骤:
步骤3061,获取类目信息序列对应的词库实例信息序列。
步骤3062,根据上述词库实例信息序列中各个词库实例信息的顺序,依次替换第一初始词库实例的词库实例信息,来对上述目标文本进行分词。
在一些实施例中,步骤301-306的具体实现及其所带来的技术效果,可以参考图2对应的实施例中的步骤201-202,在此不再赘述。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的文本分词方法的流程300更加突出了筛选出待分词的至少一个目标文本和对至少一个目标文本进行分组的具体步骤。由此,这些实施例描述的方案通过多任务来对待分词的至少一个目标文本进行分词,大大提高了分词效率,减少了计算资源的浪费。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种文本分词装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,一种文本分词装置500包括:创建单元501和执行单元503。其中,创建单元501,被配置成创建第一初始词库实例;执行单元502,被配置成对于目标任务信息所对应的每个目标文本,执行文本分词步骤:对于目标任务信息所对应的每个目标文本,执行词库实例信息替换步骤:获取类目信息序列对应的词库实例信息序列,其中,上述类目信息序列中各个类目信息为上述目标文本所对应的类目信息;根据上述词库实例信息序列中各个词库实例信息的顺序,依次替换第一初始词库实例的词库实例信息,来对上述目标文本进行分词。
在一些实施例的一些可选的实现方式中,上述装置500还包括:确定单元和筛选单元(图中未显示)。其中,上述确定单元可以被配置成:确定预先获取的目标文本集中是否存在待分词处理的目标文本。筛选单元可以被配置成:响应于确定上述目标文本集中存在待分词处理的目标文本,从上述目标文本集中筛选出待分词处理的至少一个目标文本。
在一些实施例的一些可选的实现方式中,上述装置500还包括:分组处理单元和建立单元(图中未显示)。其中,上述分组处理单元可以被配置成:对上述至少一个目标文本进行数据分组处理,得到至少一个目标文本组。建立单元可以被配置成:建立与上述至少一个目标文本组中的每个目标文本组相对应的任务信息,得到任务信息集。
在一些实施例的一些可选的实现方式中,上述装置500中的筛选单元可以进一步被配置成:获取目标时间段内已分词的历史文本集;确定上述目标文本集与上述历史文本集之间相同的文本,得到至少一个相同文本;从上述目标文本集中去除上述至少一个相同文本,得到去除后目标文本集,作为上述至少一个目标文本。
在一些实施例的一些可选的实现方式中,上述装置500中的获取单元可以进一步被配置成:从目标变量中获取类目信息序列对应的词库实例信息序列,其中,上述目标变量是词库实例处理端发送的变量,上述目标变量以第一预设键值对格式存储词库实例信息集,上述词库实例信息集中每个词库实例信息存在对应的类目信息。
在一些实施例的一些可选的实现方式中,上述装置500中的分词单元可以进一步被配置成:对于上述词库实例信息序列中的每个词库实例信息,执行以下目标文本分词步骤:将当前第一初始词库实例的词库实例信息更改为上述词库实例信息,得到更改后的第一初始词库实例;对上述更改后的第一初始词库实例进行初始化处理;利用初始化后的第一初始词库实例,对上述目标文本中对应的子文本的进行分词。
在一些实施例的一些可选的实现方式中,上述目标变量中词库实例信息集是通过以下步骤生成:创建第二初始词库实例;将预先获取的至少一个通用词库中的各个词加载至上述第二初始词库实例,得到第一次加载后词库实例;根据上述第一次加载后词库实例,将至少一个待加载类目词库中的各个词加载至目标容器中对应的词库实例,得到各个第二次加载后词库实例,其中,上述目标容器以第二预设键值对格式存储各个词库实例;确定上述各个第二次加载后词库实例的词库实例信息,得到上述词库实例信息集。
在一些实施例的一些可选的实现方式中,上述装置500中的加载单元可以被配置成:对于上述至少一个待加载类目词库中各个词中的每个词,执行以下词加载步骤:确定上述词的类目信息;确定上述目标容器中是否存在以上述类目信息为键的词库实例;响应于确定上述目标容器中存在以上述类目信息为键的词库实例,将上述词加载至上述目标容器中目标词库实例,其中,上述目标词库实例为以上述类目信息为键的词库实例;将加载后的各个词库实例确定为上述各个第二次加载后词库实例。
在一些实施例的一些可选的实现方式中,上述装置500还包括:键值内容新建单元、词加载单元(图中未显示)。其中,上述键值内容新建单元可以被配置成:响应于确定上述目标容器中不存在以上述类目信息为键的词库实例,在上述目标容器中新建以上述类目信息为键、上述第一次加载后词库实例为值的键值内容。词加载单元可以被配置成:将上述词加载至上述键值内容中上述第一次加载后词库实例。
在一些实施例的一些可选的实现方式中,上述词库实例信息包括:词库实例对应词列表信息和词库实例对应词频列表信息。
在一些实施例的一些可选的实现方式中,上述装置500还包括:信可以理解的是,该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元,在此不再赘述。
下面参考图6,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的电子设备)600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务端可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:创建第一初始词库实例;对于目标任务信息所对应的每个目标文本,执行词库实例信息替换步骤:获取类目信息序列对应的词库实例信息序列,其中,上述类目信息序列中各个类目信息为上述目标文本所对应的类目信息;根据上述词库实例信息序列中各个词库实例信息的顺序,依次替换上述第一初始词库实例的词库实例信息,来对上述目标文本进行分词。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务端上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括创建单元和执行单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,创建单元还可以被描述为“创建第一初始词库实例的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (13)
1.一种文本分词方法,包括:
创建第一初始词库实例;
对于目标任务信息所对应的每个目标文本,执行词库实例信息替换步骤:
获取类目信息序列对应的词库实例信息序列,其中,所述类目信息序列中各个类目信息为所述目标文本所对应的类目信息;
根据所述词库实例信息序列中各个词库实例信息的顺序,依次替换第一初始词库实例的词库实例信息,来对所述目标文本进行分词。
2.根据权利要求1所述的方法,其中,在所述对于目标任务信息所对应的每个目标文本,执行词库实例信息替换之前,所述方法还包括:
确定预先获取的目标文本集中是否存在待分词处理的目标文本;
响应于确定所述目标文本集中存在待分词处理的目标文本,从所述目标文本集中筛选出待分词处理的至少一个目标文本。
3.根据权利要求2所述的方法,其中,所述方法还包括:
对所述至少一个目标文本进行数据分组处理,得到至少一个目标文本组;
建立与所述至少一个目标文本组中的每个目标文本组相对应的任务信息,得到任务信息集。
4.根据权利要求2所述的方法,其中,所述从所述目标文本集中筛选出待分词处理的至少一个目标文本,包括:
获取目标时间段内已分词的历史文本集;
确定所述目标文本集与所述历史文本集之间相同的文本,得到至少一个相同文本;
从所述目标文本集中去除所述至少一个相同文本,得到去除后目标文本集,作为所述至少一个目标文本。
5.根据权利要求1所述的方法,其中,所述获取类目信息序列对应的词库实例信息序列,包括:
从目标变量中获取类目信息序列对应的词库实例信息序列,其中,所述目标变量是词库实例处理端发送的变量,所述目标变量以第一预设键值对格式存储词库实例信息集,所述词库实例信息集中每个词库实例信息存在对应的类目信息。
6.根据权利要求1所述的方法,其中,所述根据所述词库实例信息序列中各个词库实例信息的顺序,依次替换所述第一初始词库实例的词库实例信息,来对所述目标文本进行分词,包括:
对于所述词库实例信息序列中的每个词库实例信息,执行以下目标文本分词步骤:
将当前第一初始词库实例的词库实例信息更改为所述词库实例信息,得到更改后的第一初始词库实例;
对所述更改后的第一初始词库实例进行初始化处理;
利用初始化后的第一初始词库实例,对所述目标文本中对应的子文本的进行分词。
7.根据权利要求5所述的方法,其中,所述目标变量中词库实例信息集是通过以下步骤生成:
创建第二初始词库实例;
将预先获取的至少一个通用词库中的各个词加载至所述第二初始词库实例,得到第一次加载后词库实例;
根据所述第一次加载后词库实例,将至少一个待加载类目词库中的各个词加载至目标容器中对应的词库实例,得到各个第二次加载后词库实例,其中,所述目标容器以第二预设键值对格式存储各个词库实例;
确定所述各个第二次加载后词库实例的词库实例信息,得到所述词库实例信息集。
8.根据权利要求7所述的方法,其中,所述根据所述第一次加载后词库实例,将至少一个待加载类目词库中的各个词加载至目标容器中对应的词库实例,得到各个第二次加载后词库实例,包括:
对于所述至少一个待加载类目词库中各个词中的每个词,执行以下词加载步骤:
确定所述词的类目信息;
确定所述目标容器中是否存在以所述类目信息为键的词库实例;
响应于确定所述目标容器中存在以所述类目信息为键的词库实例,将所述词加载至所述目标容器中目标词库实例,其中,所述目标词库实例为以所述类目信息为键的词库实例;
将加载后的各个词库实例确定为所述各个第二次加载后词库实例。
9.根据权利要求8所述的方法,其中,在所述确定所述目标容器中是否存在以所述类目信息为键的词库实例之后,所述方法还包括:
响应于确定所述目标容器中不存在以所述类目信息为键的词库实例,在所述目标容器中新建以所述类目信息为键、所述第一次加载后词库实例为值的键值内容;
将所述词加载至所述键值内容中所述第一次加载后词库实例。
10.根据权利要求1所述的方法,其中,所述词库实例信息包括:词库实例对应词列表信息和词库实例对应词频列表信息。
11.一种文本分词装置,包括:
创建单元,被配置成创建第一初始词库实例;
执行单元,被配置成对于目标任务信息所对应的每个目标文本,执行文本分词步骤:对于目标任务信息所对应的每个目标文本,执行词库实例信息替换步骤:获取类目信息序列对应的词库实例信息序列,其中,所述类目信息序列中各个类目信息为所述目标文本所对应的类目信息;根据所述词库实例信息序列中各个词库实例信息的顺序,依次替换第一初始词库实例的词库实例信息,来对所述目标文本进行分词。
12.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
13.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111341192.9A CN114065739A (zh) | 2021-11-12 | 2021-11-12 | 文本分词方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111341192.9A CN114065739A (zh) | 2021-11-12 | 2021-11-12 | 文本分词方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114065739A true CN114065739A (zh) | 2022-02-18 |
Family
ID=80271637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111341192.9A Pending CN114065739A (zh) | 2021-11-12 | 2021-11-12 | 文本分词方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114065739A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932218A (zh) * | 2018-06-29 | 2018-12-04 | 北京百度网讯科技有限公司 | 一种实例扩展方法、装置、设备和介质 |
CN109190124A (zh) * | 2018-09-14 | 2019-01-11 | 北京字节跳动网络技术有限公司 | 用于分词的方法和装置 |
CN117033633A (zh) * | 2023-08-08 | 2023-11-10 | 企知道科技有限公司 | 一种文本分类方法、***、介质及设备 |
-
2021
- 2021-11-12 CN CN202111341192.9A patent/CN114065739A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932218A (zh) * | 2018-06-29 | 2018-12-04 | 北京百度网讯科技有限公司 | 一种实例扩展方法、装置、设备和介质 |
CN109190124A (zh) * | 2018-09-14 | 2019-01-11 | 北京字节跳动网络技术有限公司 | 用于分词的方法和装置 |
CN117033633A (zh) * | 2023-08-08 | 2023-11-10 | 企知道科技有限公司 | 一种文本分类方法、***、介质及设备 |
Non-Patent Citations (1)
Title |
---|
李澎林;张献力;李伟;: "基于双字Hash机制的交通信息分词算法研究", 浙江工业大学学报, no. 06, 25 December 2014 (2014-12-25), pages 596 - 600 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846753B (zh) | 用于处理数据的方法和装置 | |
CN110727468A (zh) | 管理算法模型的方法和装置 | |
CN113377653B (zh) | 生成测试用例的方法和装置 | |
CN114035879A (zh) | 页面主题色更换方法、装置、电子设备和计算机可读介质 | |
CN111680799A (zh) | 用于处理模型参数的方法和装置 | |
CN114297278A (zh) | 批量数据快速写入方法、***和装置 | |
CN114461247A (zh) | 热更新方法、装置、电子设备和计算机可读介质 | |
CN111444148A (zh) | 基于MapReduce的数据传输方法和装置 | |
CN114065739A (zh) | 文本分词方法、装置、电子设备和计算机可读介质 | |
CN111125163A (zh) | 用于处理数据的方法和装置 | |
CN115495658A (zh) | 一种数据处理方法和装置 | |
US20190121649A1 (en) | User interface metadata from an application program interface | |
CN113807056A (zh) | 一种文档名称序号纠错方法、装置和设备 | |
CN113760927A (zh) | 数据处理方法、装置、电子设备和计算机可读介质 | |
CN112099841A (zh) | 一种生成配置文件的方法和*** | |
CN113742321A (zh) | 一种数据更新的方法和装置 | |
CN111177183B (zh) | 一种生成数据库访问语句的方法和装置 | |
CN112311833B (zh) | 数据更新方法和装置 | |
CN112560462B (zh) | 事件抽取服务的生成方法、装置、服务器以及介质 | |
CN115374320B (zh) | 文本匹配方法、装置、电子设备、计算机介质 | |
CN117172220B (zh) | 文本相似信息生成方法、装置、设备和计算机可读介质 | |
CN113360494B (zh) | 一种宽表数据的生成方法、更新方法和相关装置 | |
CN111460269B (zh) | 信息推送方法和装置 | |
CN115328811B (zh) | 用于工控网络仿真的程序语句测试方法、装置、电子设备 | |
CN114492413B (zh) | 文本校对方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |