CN114444445A - 文本处理方法、装置、电子设备及存储介质 - Google Patents
文本处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114444445A CN114444445A CN202210123167.1A CN202210123167A CN114444445A CN 114444445 A CN114444445 A CN 114444445A CN 202210123167 A CN202210123167 A CN 202210123167A CN 114444445 A CN114444445 A CN 114444445A
- Authority
- CN
- China
- Prior art keywords
- text
- determining
- processed
- scene type
- scene
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000013145 classification model Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 239000013598 vector Substances 0.000 description 10
- 238000013518 transcription Methods 0.000 description 7
- 230000035897 transcription Effects 0.000 description 7
- 210000004209 hair Anatomy 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/151—Transformation
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种文本处理方法、装置、电子设备及存储介质,涉及人工智能技术领域,尤其涉及深度学习、语音技术等领域。具体实现方案为:确定待处理文本与预定目标文本的匹配结果;确定针对待处理文本的场景类型;以及根据匹配结果和场景类型,确定针对待处理文本的输出结果。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及深度学习、语音技术等领域,更具体地,本公开提供了一种文本处理方法、装置、电子设备、存储介质以及计算机程序产品。
背景技术
在语音识别和图像文字识别领域中,为了方便用户直观阅读和后续处理,需要把识别结果中表示数字的中文文本转换成***数字串。例如将“跑道长度三千米”转换成“跑道长度3000”,将“拨打幺幺零”转换成“拨打110”。
发明内容
本公开提供了一种文本处理方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的一方面,提供了一种文本处理装置,包括匹配结果确定模块,用于确定待处理文本与预定目标文本的匹配结果;场景类型确定模块,用于确定针对所述待处理文本的场景类型;以及输出结果确定模块,用于根据所述匹配结果和所述场景类型,确定针对所述待处理文本的输出结果。
根据本公开的另一方面,提供了一种文本处理装置,包括匹配结果确定模块、场景类型确定模块和输出结果确定模块。匹配结果确定模块用于确定待处理文本与预定目标文本的匹配结果。场景类型确定模块用于确定针对所述待处理文本的场景类型。输出结果确定模块用于根据所述匹配结果和所述场景类型,确定针对所述待处理文本的输出结果。
根据本公开的另一个方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开提供的方法。
根据本公开的另一个方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开提供的方法。
根据本公开的另一个方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本公开提供的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的文本处理方法和装置的应用场景示意图;
图2是根据本公开实施例的文本处理方法的示意流程图;
图3是根据本公开实施例的WFST模块的示意原理图;
图4是根据本公开实施例的分类模型的示意原理图;
图5是根据本公开实施例的文本处理方法的示意原理图;
图6是根据本公开实施例的文本处理装置的示意结构框图;以及
图7是用来实施本公开实施例的文本处理方法的电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在一些实施例中,可以采用规则***对语音识别或图像识别到的结果进行转换。例如,可以预先设定规则是:在确定待处理文本包括表示数字的中文文本的情况下,将表示数字的中文文本转换为***数字。
然而,同一个表示数字的中文文本是否需要进行转换是与文本语义有关的。有些表示数字的中文文本需要转换成***数字,例如,“跑道长度三千米”需要转换成“跑道长度3000”。有些表示数字的中文文本不需要转换成***数字,例如“白发三千丈,缘愁似个长”不需要转换成“白发3000丈,缘愁似个长”。
因此,采用上述技术方案对识别结果进行转换,会出现转换错误的情况。
图1是根据本公开实施例的文本处理方法和装置的应用场景示意图。
需要注意的是,图1所示仅为可以应用本公开实施例的***架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、***、环境或场景。
如图1所示,根据该实施例的***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户语音生成的转写结果等)反馈给终端设备。
需要说明的是,本公开实施例所提供的文本处理方法一般可以由服务器105执行。相应地,本公开实施例所提供的文本处理装置一般可以设置于服务器105中。本公开实施例所提供的文本处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的文本处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器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终端设备、网络和服务器。
图2是根据本公开实施例的文本处理方法的示意流程图。
如图2所示,该文本处理方法200可以包括操作S210~操作S230。
在操作S210,确定待处理文本与预定目标文本的匹配结果。
预定目标文本可以包括表示数字的中文文本,例如“幺幺零”、“幺二零”等。
相应地,匹配结果可以包括数字匹配结果,数字匹配结果分为成功和失败两种情况。例如,待处理文本包括表示数字的中文文本,则确定数字匹配结果是匹配成功。待处理文本不包括表示数字的中文文本,则确定数字匹配结果是匹配失败。
预定目标文本可以包括针对中文文本的预定上下文,预定上下文可以包括位于表示数字的中文文本前方的预定前缀和位于表示数字的中文文本后方的预定后缀中的至少一个。预定前缀可以包括“拨打”、“呼叫”、“长度是”、“长度约为”、“宽度是”“面积约”等文本。预定后缀可以包括度量单位,例如“米”、“平方米”、“年”、“月”、“日”、“元”等。
相应地,匹配结果可以包括上下文匹配结果,上下文匹配结果分为成功和失败两种情况。确定上下文匹配结果是匹配成功的条件可以包括以下中的至少一个:表示数字的中文文本的前缀与预定前缀中的至少一个相同,中文文本的后缀与预定后缀中的至少一个相同,中文文本的前缀与预定前缀之间的相似度大于第一阈值,中文文本的后缀与预定后缀中之间的相似度大于第二阈值。确定上下文匹配结果是匹配失败的条件可以包括:中文文本的前缀与预定前缀不同且中文文本的后缀与预定后缀不同。
需要说明的是,相比于通过相似度确定上下文匹配结果的方式,通过比较前缀与预定前缀是否相同,以及比较后缀与预定后缀是否相同的方式,可以更简单且准确地确定匹配结果。
需要说明的是,预定前缀、预定后缀与中文文本之间可以无其他文本,也可以存在多个文本。例如,待处理文本是“第二个跑道的长度是前一个跑道的两倍,也就是四百”,在该识别结果中,预定前缀“长度是”与中文文本“四百”之间有若干个文本,上下文匹配结果是匹配成功。
在操作S220,确定针对待处理文本的场景类型。
场景类型可以包括诗词、日期、货币、地名、人名等。例如,“白发三千丈,缘愁似个长”的场景类型是诗词,“二零二二年一月一日”的场景类型是日期,“我钱包里的零钱大概有二十”的场景类型是货币。
在一种示例中,可以预先设定识别词和与识别词对应的场景类型,例如,预定识别词包括“零钱”、“转账”、“汇款”等,场景类型是货币。然后将待处理文本与预定识别词进行比较,在待处理文本中包括预定识别词的情况下,将识别词的场景类型确定为针对待处理文本的场景类型。
在另一种示例中,可以确定待处理文本与多个预定场景文本中的每个预定场景文本之间的相似度,得到多个相似度,每个预定场景文本对应有指示真实场景类型的类型信息。然后将与最大相似度相对应的类型信息,确定为针对待处理文本的场景类型。应当理解,某个预定场景文本a对应有类型信息b,当待处理文本与预定场景文本a之间的相似度是最大相似度时,类型信息b与最大相似度相对应。
例如,预先收集一些样本,样本中可以包括表示数字的中文文本,然后为样本设置指示真实场景类型的类型信息的标签。可以对样本进行清洗,例如删除文本中的标点符号、生僻字和停用词等。然后利用样本对分类模型进行训练,得到训练好的分类模型。然后可以将待处理文本输入分类模型中,分类模型提取待处理文本的文本向量,文本向量可以表征待处理文本的句意。可以利用例如BERT(Bidirectional Encoder Representations fromTransformers)来实现分类模型。
然后可以计算文本向量和预先提取的样本的特征向量之间的相似度。相似度可以表示待处理文本属于各个预定场景类型的概率。然后从得到的多个概率选择概率值最高的预定场景类型作为待处理文本的场景类型。
在另一种示例中,可以在确定多个相似度中的最大相似度大于或等于相似度阈值的情况下,将与最大相似度相对应的类型信息,确定为针对待处理文本的场景类型。由于设置有相似度阈值,如果最大相似度小于相似度阈值,表示训练分类模型使用的样本的场景类型未能覆盖待处理文本的场景类型。此时分类模型无法准确确定待处理文本的场景类型,因此可以不对待处理文本进行转换处理。
在操作S230,根据匹配结果和场景类型,确定针对待处理文本的输出结果。
在一种示例中,在数字匹配结果是匹配失败的情况下,表示待处理文本中不包括表示数字的中文文本,可以不对中文文本进行转换操作。
在另一种示例中,载数字匹配结果是匹配成功,且上下文匹配结果是匹配成功的情况下,可以将中文文本转换为数字文本,并将数字文本确定为输出结果。数字文本包括***字符。
在另一种示例中,在数字匹配结果是匹配成功,且上下文匹配结果是匹配失败,以及场景类型是多个预定场景类型之一的情况下,将中文文本转换为数字文本,并将数字文本确定为输出结果。预定场景类型可以包括日期、货币等。本示例结合场景信息确定待处理文本的转写结果,可以提高转写的准确性。
在另一种示例中,在数字匹配结果是匹配成功,且上下文匹配结果是匹配失败,以及场景类型不是多个预定场景类型中任意一个的情况下,将中文文本确定为输出结果。例如,场景类型是诗词、地名、人名中的任意一种,上述场景类型不属于预定场景类型,可以不对中文文本进行转换操作。本示例结合场景信息确定待处理文本的转写结果,可以提高转写的准确性。
根据本公开提供的实施例,对于上下文匹配结果是匹配成功的情况,可以快速确定待处理文本需要转换。对于上下文匹配结果是匹配失败的情况,表示预定上下文无法覆盖待处理文本的上下文,可以结合场景类型对待处理文本进行处理,进而提高输出结果的准确性,避免将无需转写的文本转写为数字文本,例如避免将“白发三千丈”转写为“白发3000丈”。此外,当使用分类模型确定场景类型时,可以简单地获取大量用于训练分类模型的样本,分类任务简单,复杂度低,且普适性好。
需要说明的是,本公开实施例对操作S210和操作S220执行的先后顺序不做限定。
在一种示例中,可以并行执行操作S210和操作S220。
在另一种示例中,可以先执行操作S220,然后操作S210。
在另一种示例中,可以先执行操作S210。然后在匹配结果指示了待处理文本包括表示数字的中文文本且针对中文文本的上下文与预定上下文匹配失败的情况下,再执行操作S220。在匹配结果指示了待处理文本不包括表示数字的中文文本的情况下,或者匹配结果指示了待处理文本包括表示数字的中文文本且针对中文文本的上下文与预定上下文匹配成功的情况下,可以无需确定待处理文本的场景信息。
采用上述示例中的技术方案,可以预先将不需要确定场景类型的待处理文本过滤掉,从而减少确定场景类型所需的计算资源,例如减少计算相似度所需的计算资源,提高处理效率。
根据本公开提供的另一实施例,可以利用规则***来确定待处理文本与预定目标文本的匹配结果。
在一种示例中,规则***可以使用WFST(Weighted Finite State Transducer,加权有限状态转换器)模块来实现。将待处理文本输入WFST模块,WFST模块确定待处理文本的匹配结果。WFST模块还可以将待处理文本中的表示数字的中文文本转换为数字文本,并输出数字文本。
图3是根据本公开实施例的WFST模块的示意原理图。
如图3所示,图中示出了“0”至“7”共8个节点,两个节点通过边连接,边上的文字表示输入和输出,例如“幺:110”表示输入是“幺”,输出是“110”,图中“<eps>”表示输出结果是空。
8个节点构成4条路径。第一条路径依次经过节点0、1、2、3,其中,节点1和节点2之间经由边301相连。因此,当待处理文本包括“幺幺零”时,待处理文本与第一条路径匹配,WFST模块可以将“幺幺零”转写为“110”。第二条路径经过节点0、1、2、3,其中,节点1和节点2之间经由边302相连。因此,当待处理文本包括“幺二零”时,待处理文本与第二条路径匹配,WFST模块可以将“幺二零”转写为“120”。第三条路径经过节点0、4、5、6、7,其中,节点5和节点6之间经由边303相连。因此,当待处理文本包括“一百一十”时,待处理文本与第三条路径匹配,WFST模块可以将“一百一十”转写为“110”。第四条路径经过节点0、4、5、6、7,其中,节点5和节点6之间经由边304相连。因此,当待处理文本包括“一百二十”时,待处理文本与第四条路径匹配,WFST模块可以将“一百二十”转写为“120”。
在其他示例中,规则***也可以使用预先编写的若干个正则表达式来实现。
图4是根据本公开实施例的分类模型的示意原理图。
本实施例400中,可以预先利用样本对分类模型401进行训练,得到训练好的分类模型401。可以预先使用分类模型401提取属于预定场景类型的样本的特征向量440,并存储样本的特征向量440。
可以对待处理文本410进行清洗,例如删除文本中的标点符号、生僻字和停用词等,得到清洗后文本420。然后可以将清洗后文本420输入分类模型401,分类模型401提取清洗后文本420的文本向量430。可以调用样本的特征向量440,并计算样本的特征向量440和清洗后文本420的文本向量430之间的相似度,得到多个相似度450。然后在确定多个相似度450中的最大相似度大于或等于相似度阈值的情况下,将与最大相似度相对应的类型信息,确定为针对待处理文本410的场景类型460。可以根据需要来设置相似度阈值,例如可以将相似度阈值设置为0.75。
图5是根据本公开实施例的文本处理方法的示意原理图。
本实施例500中,可以利用规则***501确定待处理文本510的匹配结果,匹配结果可以包括上文所述的数字匹配结果和上下文匹配结果。规则***可以输出权重值来表示确定出的匹配结果。
例如,规则***501输出的权重值是空,表示数字匹配结果是匹配失败,可以不对待处理文本510进行转写处理,将待处理文本510的原始文本520a作为输出结果。
例如,规则***501输出的权重值是1,表示数字匹配结果是匹配成功,且上下文匹配结果是匹配成功,可以将待处理文本510中包括的中文文本转换为数字文本520b,并将数字文本520b作为输出结果。
例如,规则***输出权重值是0,表示数字匹配结果是匹配成功,且上下文匹配结果是匹配失败。可以将待处理文本510中包括的中文文本转换为数字文本520c。此外,还可以将待处理文本510输入分类模型502,确定待处理文本510的场景类型530。当场景类型530是多个预定场景类型之一时,可以将预先确定的数字文本520c作为输出结果。当场景类型530不是多个预定场景类型中任意一个时,可以不对待处理文本510进行转写处理,将待处理文本510的原始文本520d作为输出结果。
在一种示例中,规则***可以使用上文所述的WFST模块来实现,当然本公开实施例并不局限于此。
图6是根据本公开实施例的文本处理装置的示意结构框图。
如图6所示,该文本处理装置600可以包括匹配结果确定模块610、场景类型确定模块620和输出结果确定模块630。
匹配结果确定模块610用于确定待处理文本与预定目标文本的匹配结果。
场景类型确定模块620用于确定针对待处理文本的场景类型。
输出结果确定模块630用于根据匹配结果和场景类型,确定针对待处理文本的输出结果。
根据本公开另一实施例,输出结果确定模块包括转换子模块和第一输出结果确定子模块。转换子模块用于在匹配结果指示了待处理文本包括表示数字的中文文本且针对中文文本的上下文与预定上下文匹配失败,以及场景类型是多个预定场景类型之一的情况下,将中文文本转换为数字文本。第一输出结果确定子模块用于将数字文本确定为输出结果。
根据本公开另一实施例,输出结果确定模块包括第二输出结果确定子模块,用于在匹配结果指示了待处理文本包括表示数字的中文文本且针对中文文本的上下文与预定上下文匹配失败,以及场景类型不是多个预定场景类型中任意一个的情况下,将中文文本确定为输出结果。
根据本公开另一实施例,场景类型确定模块包括相似度确定子模块和场景类型确定子模块。相似度确定子模块用于确定待处理文本与多个预定场景文本中的每个预定场景文本之间的相似度,得到多个相似度;其中,每个预定场景文本对应指示真实场景类型的类型信息。场景类型确定子模块用于在确定多个相似度中的最大相似度大于或等于相似度阈值的情况下,将与最大相似度相对应的类型信息,确定为针对待处理文本的场景类型。
根据本公开另一实施例,场景类型确定模块还用于在匹配结果指示了待处理文本包括表示数字的中文文本且针对中文文本的上下文与预定上下文匹配失败的情况下,确定针对待处理文本的场景类型。
根据本公开另一实施例,确定针对中文文本的上下文与预定上下文匹配成功的条件包括以下中的至少一个:中文文本的前缀与预定前缀相同;以及中文文本的后缀与预定后缀相同。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如文本处理方法。例如,在一些实施例中,文本处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的文本处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行文本处理方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种文本处理方法,包括:
确定待处理文本与预定目标文本的匹配结果;
确定针对所述待处理文本的场景类型;以及
根据所述匹配结果和所述场景类型,确定针对所述待处理文本的输出结果。
2.根据权利要求1所述的方法,其中,所述根据所述匹配结果和所述场景类型,确定针对所述待处理文本的输出结果包括:
在所述匹配结果指示了所述待处理文本包括表示数字的中文文本且针对所述中文文本的上下文与预定上下文匹配失败,以及所述场景类型是多个预定场景类型之一的情况下,将所述中文文本转换为数字文本;以及
将所述数字文本确定为所述输出结果。
3.根据权利要求1所述的方法,其中,所述根据所述匹配结果和所述场景类型,确定针对所述待处理文本的输出结果包括:
在所述匹配结果指示了所述待处理文本包括表示数字的中文文本且针对所述中文文本的上下文与预定上下文匹配失败,以及所述场景类型不是多个预定场景类型中任意一个的情况下,将所述中文文本确定为所述输出结果。
4.根据权利要求1所述的方法,其中,所述确定针对所述待处理文本的场景类型包括:
确定所述待处理文本与多个预定场景文本中的每个预定场景文本之间的相似度,得到多个相似度;其中,所述每个预定场景文本对应指示真实场景类型的类型信息;以及
在确定所述多个相似度中的最大相似度大于或等于相似度阈值的情况下,将与所述最大相似度相对应的类型信息,确定为针对所述待处理文本的场景类型。
5.根据权利要求1至4中任意一项所述的方法,其中,所述确定针对所述待处理文本的场景类型包括:
在所述匹配结果指示了所述待处理文本包括表示数字的中文文本且针对所述中文文本的上下文与预定上下文匹配失败的情况下,确定针对所述待处理文本的场景类型。
6.根据权利要求2或3所述的方法,其中,确定针对所述中文文本的上下文与所述预定上下文匹配成功的条件包括以下中的至少一个:
所述中文文本的前缀与预定前缀相同;以及
所述中文文本的后缀与预定后缀相同。
7.一种文本处理装置,包括:
匹配结果确定模块,用于确定待处理文本与预定目标文本的匹配结果;
场景类型确定模块,用于确定针对所述待处理文本的场景类型;以及
输出结果确定模块,用于根据所述匹配结果和所述场景类型,确定针对所述待处理文本的输出结果。
8.根据权利要求7所述的装置,其中,所述输出结果确定模块包括:
转换子模块,用于在所述匹配结果指示了所述待处理文本包括表示数字的中文文本且针对所述中文文本的上下文与预定上下文匹配失败,以及所述场景类型是多个预定场景类型之一的情况下,将所述中文文本转换为数字文本;以及
第一输出结果确定子模块,用于将所述数字文本确定为所述输出结果。
9.根据权利要求7所述的装置,其中,所述输出结果确定模块包括:
第二输出结果确定子模块,用于在所述匹配结果指示了所述待处理文本包括表示数字的中文文本且针对所述中文文本的上下文与预定上下文匹配失败,以及所述场景类型不是多个预定场景类型中任意一个的情况下,将所述中文文本确定为所述输出结果。
10.根据权利要求7所述的装置,其中,所述场景类型确定模块包括:
相似度确定子模块,用于确定所述待处理文本与多个预定场景文本中的每个预定场景文本之间的相似度,得到多个相似度;其中,所述每个预定场景文本对应指示真实场景类型的类型信息;以及
场景类型确定子模块,用于在确定所述多个相似度中的最大相似度大于或等于相似度阈值的情况下,将与所述最大相似度相对应的类型信息,确定为针对所述待处理文本的场景类型。
11.根据权利要求7至10中任意一项所述的装置,其中,所述场景类型确定模块还用于:
在所述匹配结果指示了所述待处理文本包括表示数字的中文文本且针对所述中文文本的上下文与预定上下文匹配失败的情况下,确定针对所述待处理文本的场景类型。
12.根据权利要求8或9所述的装置,其中,确定针对所述中文文本的上下文与所述预定上下文匹配成功的条件包括以下中的至少一个:
所述中文文本的前缀与预定前缀相同;以及
所述中文文本的后缀与预定后缀相同。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210123167.1A CN114444445A (zh) | 2022-02-07 | 2022-02-07 | 文本处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210123167.1A CN114444445A (zh) | 2022-02-07 | 2022-02-07 | 文本处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114444445A true CN114444445A (zh) | 2022-05-06 |
Family
ID=81370854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210123167.1A Pending CN114444445A (zh) | 2022-02-07 | 2022-02-07 | 文本处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114444445A (zh) |
-
2022
- 2022-02-07 CN CN202210123167.1A patent/CN114444445A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110941951B (zh) | 文本相似度计算方法、装置、介质及电子设备 | |
CN114861889B (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
US11954173B2 (en) | Data processing method, electronic device and computer program product | |
CN114021548A (zh) | 敏感信息检测方法、训练方法、装置、设备以及存储介质 | |
CN113407610A (zh) | 信息抽取方法、装置、电子设备和可读存储介质 | |
CN113657088A (zh) | 接口文档解析方法、装置、电子设备以及存储介质 | |
CN113836316B (zh) | 三元组数据的处理方法、训练方法、装置、设备及介质 | |
CN112906368B (zh) | 行业文本增量方法、相关装置及计算机程序产品 | |
CN110929499B (zh) | 文本相似度获取方法、装置、介质及电子设备 | |
US20230004715A1 (en) | Method and apparatus for constructing object relationship network, and electronic device | |
US20230052623A1 (en) | Word mining method and apparatus, electronic device and readable storage medium | |
CN114818736A (zh) | 文本处理方法、用于短文本的链指方法、装置及存储介质 | |
US20210342379A1 (en) | Method and device for processing sentence, and storage medium | |
CN114647727A (zh) | 应用于实体信息识别的模型训练方法、装置和设备 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN115146070A (zh) | 键值生成方法、知识图谱生成方法、装置、设备及介质 | |
CN114444445A (zh) | 文本处理方法、装置、电子设备及存储介质 | |
CN114417862A (zh) | 文本匹配方法、文本匹配模型的训练方法和装置 | |
CN113221035A (zh) | 用于确定异常网页的方法、装置、设备、介质和程序产品 | |
CN113239273A (zh) | 用于生成文本的方法、装置、设备以及存储介质 | |
CN113377904A (zh) | 行业动作识别方法、装置、电子设备及存储介质 | |
CN111753548A (zh) | 信息获取方法及装置、计算机存储介质、电子设备 | |
CN111767918A (zh) | 一种图片识别方法和装置 | |
CN114898754B (zh) | 解码图生成、语音识别方法、装置、电子设备及存储介质 |
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 |