[发明专利]文本处理的方法、装置及存储介质

说明书

本公开涉及一种文本处理的方法、装置及存储介质，可以将待处理文本划分成多个子文本；从每个所述子文本中提取待定关键字文本；针对每个所述子文本，在确定其它子文本中包含当前子文本的待定关键字文本的情况下，将所述当前子文本的待定关键字文本作为所述当前子文本对应的关键字，所述其它子文本为所述多个子文本中除所述当前子文本之外的任意一个或多个子文本。

技术领域

本公开涉及自然语言处理领域，尤其涉及一种文本处理的方法、装置及存储介质。

背景技术

自然语言处理(NLP，Natural Language Processing)是计算机科学领域与人工智能领域中的一个重要方向，利用自然语言处理技术可以对各种语料数据，例如语音数据、文本数据，进行处理，在进行文本处理时，可以提取文本中的关键字，这样可以基于提取的关键字实现观点提取、文本分类、问题回答、文本语义对比等。

发明内容

为克服相关技术中存在的问题，本公开提供一种文本处理的方法、装置及存储介质。

根据本公开实施例的第一方面，提供一种文本处理的方法，包括：将待处理文本划分成多个子文本；从每个所述子文本中提取待定关键字文本；针对每个所述子文本，在确定其它子文本中包含当前子文本的待定关键字文本的情况下，将所述当前子文本的待定关键字文本作为所述当前子文本对应的关键字，所述其它子文本为所述多个子文本中除所述当前子文本之外的任意一个或多个子文本。

可选地，所述从每个所述子文本中提取待定关键字文本包括：针对每个所述子文本，根据所述子文本的文本长度和初始文本框参数确定目标文本框参数；根据所述目标文本框参数确定所述子文本对应的文本框；通过所述文本框从所述子文本中提取所述待定关键字文本。

可选地，所述初始文本框参数包括所述文本框的初始长度、所述文本框的开始下标初值和所述文本框的结束下标初值；所述根据所述子文本的文本长度和初始文本框参数确定目标文本框参数包括：在所述结束下标初值小于所述子文本的文本长度的情况下，修改所述开始下标初值，得到第一开始下标，所述第一开始下标表征所述文本框内第一个字符在所述子文本中的位置；据所述第一开始下标和所述初始长度确定第一结束下标，所述第一结束下标表征所述文本框内最后一个字符在所述子文本中的位置；将所述第一开始下标和所述第一结束下标作为所述目标文本框参数；所述通过所述文本框从所述子文本中提取所述待定关键字文本包括：根据所述文本框的所述第一开始下标和所述第一结束下标从所述子文本中提取所述待定关键字文本。

可选地，在确定出所述目标文本框参数后，所述方法还包括：

若确定所述目标文本框参数满足预设参数更新条件，修改所述目标文本框参数得到新的目标文本框参数；根据所述新的目标文本框参数确定新的文本框；所述通过所述文本框从所述子文本中提取所述待定关键字文本包括：据所述新的文本框从所述子文本中提取新的待定关键字文本；

其中，所述预设参数更新条件包括以下条件中的一个或者多个：

所述第一开始下标位于预设排除下标列表中，所述预设排除下标列表用于记录排除文本中每个字符的下标，所述排除文本为已被确定为属于所述子文本的关键字的文本；

所述第一结束下标大于所述子文本的文本长度；

所述第一结束下标减去预设数值后位于所述预设排除下标列表中。

可选地，所述目标文本框参数还包括文本框长度；所述修改所述目标文本框参数得到新的目标文本框参数包括：在所述第一结束下标大于所述子文本的文本长度的情况下，修改所述文本框长度，得到新的文本框长度；重新获取所述开始下标初值和所述结束下标初值，并修改所述开始下标初值，得到新的第一开始下标；根据所述新的第一开始下标和所述新的文本框长度确定新的第一结束下标。