[发明专利]处理短语数据的方法以及装置

权利要求书

1.一种处理短语数据的方法，其特征在于，包括：

步骤1，获取第一短语和第二短语，以及所述第一短语和所述第二短语的语义类型，所述第一短语的语义类型和所述第二短语的语义类型相同；

步骤2，根据所述语义类型，查找所述语义类型对应的拆分模板，所述拆分模板包含：至少两个字段类型以及所述字段类型的顺序关系；

步骤3，根据所述拆分模板，分别将所述第一短语和第二短语拆分成字段，并根据所述顺序关系，标识拆分后的所述字段对应的字段类型；

步骤4，分别获取所述第一短语的字段与所述第二短语的字段之间的字段间相似度，所述第一短语的字段的字段类型与所述第二短语的字段的字段类型相同；

步骤5，根据所述字段间相似度，计算所述第一短语和所述第二短语之间的语义相似度；

步骤6，根据所述语义相似度，对所述第一短语和所述第二短语进行处理。

2.根据权利要求1所述的处理短语数据的方法，其特征在于，所述步骤5之前，还包括：分别获取所述字段类型的权重；

所述步骤5具体为：根据所述字段间相似度以及所述字段类型的权重，计算所述第一短语和所述第二短语之间的语义相似度。

3.根据权利要求2所述的处理短语数据的方法，其特征在于，所述根据所述字段间相似度以及所述字段类型的权重，计算所述第一短语和所述第二短语之间的语义相似度的步骤具体为：

其中，S₁为所述第一短语，S₂为所述第二短语，S_1i为所述第一短语的第i个字段，S_2i为所述第二短语的第i个字段，Sim(S₁，S₂)为所述第一短语和所述第二短语之间的语义相似度，W_i是第i个字段类型的权重，Sim(S_1i，S_2i)是所述第一短语的第i个字段与第二短语的第i个字段之间的字段间相似度，m为所述拆分模板的字段类型的数量，1≤i≤m。

4.根据权利要求2所述的处理短语数据的方法，其特征在于，所述分别获取所述字段类型的权重的步骤之前，还包括：

通过训练算法，生成所述字段类型的权重。

5.根据权利要求1所述的处理短语数据的方法，其特征在于，所述步骤4具体为：

判断预先设置的语义关系数据库中，是否保存有所述第一短语的字段与所述第二短语的字段对应的语义关系；

如果有，则获取所述语义关系；并根据所述语义关系，获取所述第一短语的字段与所述第二短语的字段之间的字段间相似度；

如果没有，则计算所述第一短语的字段和所述第二短语的字段之间的字段间相似度。

6.根据权利要求5所述的处理短语数据的方法，其特征在于，所述根据所述语义关系获取第一短语的字段与第二短语的字段之间的字段间相似度的步骤具体为：

当所述第一短语的字段与所述第二短语的字段对应的语义关系为省略语关系时，字段间相似度为1；

当所述第一短语的字段与所述第二短语的字段对应的语义关系为同义词时，字段间相似度为1；

当所述第一短语的字段与所述第二短语的字段对应的语义关系为近义词时，字段间相似度为0.8-0.95之间的值；

当所述第一短语的字段与所述第二短语的字段对应的语义关系为相关词时，字段间相似度为0.7-08之间的值。

7.一种处理短语数据的装置，其特征在于，包括：

短语获取单元，用于获取第一短语和第二短语，以及所述第一短语和所述第二短语的语义类型，所述第一短语的语义类型和所述第二短语的语义类型相同；

查找单元，用于根据所述语义类型，查找所述语义类型对应的拆分模板，所述拆分模板包含：至少两个字段类型以及所述字段类型的顺序关系；

拆分单元，用于根据所述拆分模板，分别将所述第一短语和第二短语拆分成字段，并根据所述顺序关系，标识拆分后的所述字段对应的字段类型；

字段相似度获取单元，用于分别获取第一短语的字段与第二短语的字段之间的字段间相似度，所述第一短语的字段的字段类型与所述第二短语的字段的字段类型相同；

计算单元，用于根据所述字段间相似度，计算所述第一短语和所述第二短语之间的语义相似度；

处理单元，根据所述语义相似度，对所述第一短语和所述第二短语进行处理。