[发明专利]一种文本信息的预处理方法及装置

权利要求书

1.一种文本信息的预处理方法，其特征在于，所述方法包括：

获取待处理文本信息和所述待处理文本信息对应的替换文件路径；

根据所述替换文件路径，调取所述替换文件路径对应的替换文件，其中，所述替换文件包括多个替换表达式，所述替换表达式为用户预先录入的替换表达式或通过业务词典获得的替换表达式，每个所述替换表达式均包括匹配表达式、替换信息和匹配粒度，所述匹配粒度为全信息匹配或拆句匹配；

根据第一替换表达式的匹配粒度，利用所述第一替换表达式的匹配表达式与所述待处理文本信息进行匹配；如果匹配成功，则根据匹配文本信息和对应的位置，将所述匹配文本信息替换为所述替换信息，所述第一替换表达式为所述替换文件中的任意一个替换表达式；

将所述替换文件中的另一替换表达式作为第一替换表达式，重复执行所述根据第一替换表达式的匹配粒度，利用所述第一替换表达式的匹配表达式与所述待处理文本信息进行匹配的步骤，直至遍历所述替换文件中所有的替换表达式为止；

其中，生成所述通过业务词典获得的替换表达式的步骤如下：

获取所述待处理文本信息对应的业务词典；

利用所述业务词典中的每个词语，生成对应的正则表达式；

根据每个所述词语对应的正则表达式，生成所述词语对应的替换表达式，所述词语对应的替换表达式的匹配粒度为全信息匹配，替换信息为所述词语，匹配表达式为所述词语对应的正则表达式。

2.如权利要求1所述的方法，其特征在于，每个所述替换表达式还包括匹配表达式类型，所述匹配表达式类型为文本类型或规则表达式类型，当所述匹配粒度为拆句匹配、所述匹配表达式为正则表达式且所述匹配表达式类型为规则表达式类型时，所述根据第一替换表达式的匹配粒度，利用所述第一替换表达式的匹配表达式与所述待处理文本信息进行匹配包括：

将所述待处理文本信息进行断句处理，得到子句集；

将所述正则表达与所述子句集内的每个句子逐一进行模式匹配。

3.如权利要求1所述的方法，其特征在于，每个所述替换表达式还包括匹配表达式类型，所述匹配表达式类型为文本类型或规则表达式类型，当所述匹配粒度为拆句匹配、所述匹配表达式为关键信息且所述匹配表达式类型为文本类型时，所述根据第一替换表达式的匹配粒度，利用所述第一替换表达式的匹配表达式与所述待处理文本信息进行匹配包括：

将所述待处理文本信息进行断句处理，得到子句集；

将所述关键信息与所述子句集内的每个句子逐一进行字符匹配。

4.如权利要求1所述的方法，其特征在于，每个所述替换表达式还包括匹配表达式类型，所述匹配表达式类型为文本类型或规则表达式类型，当所述匹配粒度为全信息匹配、所述匹配表达式为正则表达式且所述匹配表达式类型为规则表达式类型时，所述根据第一替换表达式的匹配粒度，利用所述第一替换表达式的匹配表达式与所述待处理文本信息进行匹配包括：

将所述正则表达式与所述待处理文本信息进行模式匹配。

5.如权利要求1所述的方法，其特征在于，每个所述替换表达式还包括匹配表达式类型，所述匹配表达式类型为文本类型或规则表达式类型，当所述匹配粒度为全信息匹配、所述匹配表达式为关键信息且所述匹配表达式类型为文本类型时，所述根据第一替换表达式的匹配粒度，利用所述第一替换表达式的匹配表达式与所述待处理文本信息进行匹配包括：

将所述关键信息与所述待处理文本信息进行字符匹配。