[发明专利]用于文本的数据处理方法及其系统

权利要求书

1.一种用于文本的数据处理方法，包括：

获取文本的文字内容，以确定所述文本对应的文本分类信息；

获取所述文本中包含的配图，以确定所述配图对应的配图分类信息；

计算所述配图分类信息与所述文本分类信息的第一相似度；以及

根据计算得到的所述第一相似度，确定所述配图与所述文本的文字内容是否匹配。

2.根据权利要求1所述的方法，其中，所述方法还包括：

获取所述配图的描述信息；

获取所述文本的摘要信息；

计算所述配图的描述信息与所述文本的摘要信息的第二相似度；以及

根据所述第一相似度和所述第二相似度，确定所述配图与所述文本的文字内容是否匹配。

3.根据权利要求2所述的方法，其中，计算所述配图的描述信息与所述文本的摘要信息的第二相似度包括：

对所述描述信息和所述摘要信息分别进行分词处理，得到属于所述描述信息的一个或多个词语以及属于所述摘要信息的一个或多个词语；

根据分词处理结果，确定所述描述信息中包含的每个词语的重复次数以及所述摘要信息中包含的每个词语的重复次数；

根据确定出的所述描述信息中包含的每个词语的重复次数，确定所述描述信息的第一词频向量；

根据确定出的所述摘要信息中包含的每个词语的重复次数，确定所述摘要信息的第二词频向量；以及

根据所述第一词频向量和所述第二词频向量，计算所述第二相似度。

4.根据权利要求2所述的方法，其中，根据所述第一相似度和所述第二相似度，确定所述配图与所述文本的文字内容是否匹配包括：

预先设定所述第一相似度的权重为第一权重；

预先设定所述第二相似度的权重为第二权重；

按照预设算法基于所述第一相似度、所述第一权重、所述第二相似度和所述第二权重进行计算，得到对应的相似度计算值；以及

若所述相似度计算值大于相似度阈值，则确定所述配图与所述文本的文字内容匹配。

5.根据权利要求1所述的方法，其中，获取文本的文字内容，以确定所述文本对应的文本分类信息包括：

获取所述文本的正文；

对所述正文进行分析，得到所述正文的一个或多个主题；

对所述一个或多个主题进行分类；以及

根据所述一个或多个主题的分类结果，确定所述文本对应的文本分类信息。

6.根据权利要求1所述的方法，其中，所述配图所属的类别包括多个，所述文本所属的类别也包括多个，计算所述配图分类信息与所述文本分类信息的第一相似度包括：

确定所述配图属于每个类别的概率，其中，所述配图属于每个类别的概率用于表征所述配图属于每个类别的可能性的大小；

确定所述文本属于每个类别的概率；以及

根据所述配图属于每个类别的概率与所述文本属于每个类别的概率，计算所述第一相似度。

7.一种用于文本的数据处理系统，包括：

第一获取模块，用于获取文本的文字内容，以确定所述文本对应的文本分类信息；

第二获取模块，用于获取所述文本中包含的配图，以确定所述配图对应的配图分类信息；

第一计算模块，用于计算所述配图分类信息与所述文本分类信息的第一相似度；以及

第一确定模块，用于根据计算得到的所述第一相似度，确定所述配图与所述文本的文字内容是否匹配。

8.根据权利要求7所述的系统，其中，所述系统还包括：

第三获取模块，用于获取所述配图的描述信息；

第四获取模块，用于获取所述文本的摘要信息；

第二计算模块，用于计算所述配图的描述信息与所述文本的摘要信息的第二相似度；以及

第二确定模块，用于根据所述第一相似度和所述第二相似度，确定所述配图与所述文本的文字内容是否匹配。