[发明专利]数据处理方法、装置、电子设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

获取待处理的实体词集合；

基于目标图嵌入模型对所述实体词集合中的实体词进行向量表征处理，得到各实体词的词向量；所述目标图嵌入模型是根据共现图对预设图嵌入模型进行训练得到的，所述共现图是基于医疗业务领域下多个样本问答文本语料包含的问题文本、答复文本以及答复账号的描述文本中分别提取的实体词构建的，所述描述文本用于指示所述答复账号在所述医疗业务领域下对应的子业务领域；所述共现图中的边具有边权重，每一边的边权重是基于每一边连接的节点的共现概率、节点类型以及节点之间的语义相似度信息中的至少一种得到的，所述节点为所述实体词，所述节点类型表征对应实体词所属的、用于描述所述医疗业务领域的预设维度；

根据所述词向量之间的相似度，获取所述实体词集合中词义相近的实体词对。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从所述医疗业务领域关联的问答文本数据中获取所述多个样本问答文本语料，每一样本问答文本语料包括问题文本、答复文本、以及反馈所述答复文本的答复账号的描述文本；

从所述问题文本中提取第一实体词，从所述答复文本中提取第二实体词，以及从所述描述文本中提取第三实体词；

将所述第一实体词、所述第二实体词和所述第三实体词作为节点，并在同一样本问答文本语料的第一实体词和第二实体词之间设置边，在同一样本问答文本语料的第一实体词和第三实体词之间设置边，以及为各边设置边权重，构建所述共现图。

3.根据权利要求2所述的方法，其特征在于，所述将所述第一实体词、所述第二实体词和所述第三实体词作为节点，并在同一样本问答文本语料的第一实体词和第二实体词之间设置边，在同一样本问答文本语料的第一实体词和第三实体词之间设置边，以及为各边设置边权重，构建所述共现图，包括：

将所述第一实体词、所述第二实体词和所述第三实体词作为节点，并在同一样本问答文本语料的第一实体词和第二实体词之间设置边，以及在同一样本问答文本语料的第一实体词和第三实体词之间设置边，得到第一节点图；

获取所述第一节点图中各节点对应的边数；

将所述第一节点图中边数大于阈值的节点以及对应的边删除，得到第二节点图；

为所述第二节点图中的边设置边权重，得到所述共现图。

4.根据权利要求2或3所述的方法，其特征在于，所述设置边权重包括：

获取目标边连接的第一目标节点和第二目标节点，所述目标边为所述共现图中的任一边；

确定所述第一目标节点和所述第二目标节点的共现概率以及各自的节点类型；

根据所述共现概率和所述节点类型，确定所述目标边的第一权重；

获取所述第一目标节点和所述第二目标节点之间的语义相似度信息；

根据所述语义相似度信息，确定所述目标边的第二权重；

基于所述第一权重和/或所述第二权重，得到所述目标边的边权重。

5.根据权利要求4所述的方法，其特征在于，所述预设图嵌入模型包括节点游走模型和预设词向量模型，所述方法还包括：

以所述共现图中的每一节点作为起点，基于所述节点游走模型和所述边权重向相邻节点进行加权随机游走，得到每一节点对应的文本序列；

根据所述文本序列对所述预设词向量模型进行训练，得到所述目标图嵌入模型。

6.根据权利要求2所述的方法，其特征在于，所述从所述医疗业务领域关联的问答文本数据中获取多个样本问答文本语料，包括：

从所述医疗业务领域关联的问答文本数据中获取多个初始样本问答文本语料；

确定每一初始样本问答文本语料中问题文本与答复文本的内容比例信息，和/或每一初始样本问答文本语料的浏览次数；

从所述多个初始样本问答文本语料中过滤掉所述内容比例信息大于比例阈值，和/或所述浏览次数小于次数阈值的样本问答文本语料，得到所述多个样本问答文本语料。