[发明专利]数据处理方法、装置、电子设备及存储介质

说明书

本申请涉及一种数据处理方法、装置、电子设备及存储介质。该方法包括：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；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。根据本申请的技术方案，可以提升同义词挖掘精度以及问答文本的搜索精度。

技术领域

本申请涉及互联网应用技术领域，尤其涉及一种数据处理方法、装置、电子设备及存储介质。

背景技术

随着互联网的发展，出现越来越丰富的线上交互，例如医疗问答交互等。这样可以方便用户提问以得到及时的回复。后续有类似搜索时，可以展示这些问答数据。对于这些较专业的领域，搜索时使用的词语一般较口语化且语言形式多样化，导致搜索准确度不高。相关技术中，使用标注的同义词词典来提升搜索效果，或者通过同义词挖掘来提升搜索精度，但前者需要大量标注工作，并且覆盖的同义词较书面化，口语化词语的覆盖不全；后者由于多样化语言导致口语化词语不均衡的现象，使得同义词挖掘效果也欠佳。

发明内容

有鉴于上述存在的技术问题，本申请提出了数据处理方法、装置、电子设备及存储介质。

根据本申请的一方面，提供了一种数据处理方法，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。

根据本申请的另一方面，提供了一种数据处理装置，包括：

获取模块，用于获取待处理的实体词集合；

向量表征模块，用于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；

实体词对获取模块，用于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。

根据本申请的另一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。

根据本申请的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。