CN111680508A - 文本的处理方法和装置 - Google Patents
文本的处理方法和装置 Download PDFInfo
- Publication number
- CN111680508A CN111680508A CN202010513209.3A CN202010513209A CN111680508A CN 111680508 A CN111680508 A CN 111680508A CN 202010513209 A CN202010513209 A CN 202010513209A CN 111680508 A CN111680508 A CN 111680508A
- Authority
- CN
- China
- Prior art keywords
- metadata
- words
- word
- sequence
- directed acyclic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Abstract
本申请公开了文本的处理方法和装置,涉及文本数据处理技术领域。具体实施方式包括:对文本进行切词,得到多个词语,以及按照预设类别,对所述多个词语进行分类;基于所述多个词语中各个词语的类别,确定所述各个词语的排列顺序,以及生成符合所述排列顺序的词序列;基于所述词序列中词语的排列顺序,生成目标有向无环图;在元数据集合中,确定出所述目标有向无环图的各个节点分别对应的元数据以及所确定的元数据之间的排列顺序。本申请可以通过对文本进行分类,生成能够体现词语类别的目标有向无环图,进而在元数据集合中准确地确定出相应的元数据,以及各个元数据之间的排列顺序,以实现高效、准确地对文本进行描述。本申请适用于任何基于大数据的标签计算系统语义转标签任务的模式。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及文本数据处理技术领域,尤其涉及文本的处理方法和装置。
背景技术
文本的处理技术的应用场景非常多样,比如,智能语音交互。目前处理文本的方式主要是自然语言处理(Natural Language Processing,NLP)技术。
在很多情况下,如果要处理的文本量较大,利用自然语言处理技术处理文本很可能会消耗大量的计算时间,并且通常需要依赖第三方平台实现对文本进行自然语言处理,从而又进一步增加了时间以及资金成本。
发明内容
提供了一种文本的处理方法、装置、电子设备以及存储介质。
根据第一方面,提供了一种文本的处理方法,包括:对文本进行切词,得到多个词语,以及按照预设类别,对多个词语进行分类;基于多个词语中各个词语的类别,确定各个词语的排列顺序,以及生成符合排列顺序的词序列;基于词序列中词语的排列顺序,生成目标有向无环图,其中,目标有向无环图中的每个节点的主键包括词序列中类别相同的至少一个词语;在元数据集合中,确定出目标有向无环图的各个节点分别对应的元数据以及所确定的元数据之间的排列顺序,其中,元数据集合包括与节点对应的元数据,所确定的元数据之间的排列顺序为所确定的元数据对应的节点之间的排列顺序。
根据第二方面,提供了一种文本的处理装置,包括:切词单元,被配置成对文本进行切词,得到多个词语,以及按照预设类别,对多个词语进行分类;类别确定单元,被配置成基于多个词语中各个词语的类别,确定各个词语的排列顺序,以及生成符合排列顺序的词序列;生成单元,被配置成基于词序列中词语的排列顺序,生成目标有向无环图,其中,目标有向无环图中的每个节点的主键包括词序列中类别相同的至少一个词语;元数据确定单元,被配置成在元数据集合中,确定出目标有向无环图的各个节点分别对应的元数据以及所确定的元数据之间的排列顺序,其中,元数据集合包括与节点对应的元数据,所确定的元数据之间的排列顺序为所确定的元数据对应的节点之间的排列顺序。
根据第三方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如文本的处理方法中任一实施例的方法。
根据第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如文本的处理方法中任一实施例的方法。
根据本申请的方案,可以通过对文本进行分类,生成能够体现词语类别的目标有向无环图,进而在元数据集合中准确地确定出相应的元数据,以及各个元数据之间的排列顺序,以实现高效、准确地对文本进行描述。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请一些实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的文本的处理方法的一个实施例的流程图;
图3是根据本申请的文本的处理方法的一个应用场景的示意图;
图4是根据本申请的文本的处理方法的又一个实施例的流程图;
图5是根据本申请的文本的处理装置的一个实施例的结构示意图;
图6是用来实现本申请实施例的文本的处理方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的文本的处理方法或文本的处理装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。
这里的终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的文本等数据进行分析等处理,并将处理结果(例如所确定的元数据以及所确定的元数据之间的排列顺序)反馈给终端设备。
需要说明的是,本申请实施例所提供的文本的处理方法可以由服务器105或者终端设备101、102、103执行,相应地,文本的处理装置可以设置于服务器105或者终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的文本的处理方法的一个实施例的流程200。该文本的处理方法,包括以下步骤:
步骤201,对文本进行切词,得到多个词语,以及按照预设类别,对多个词语进行分类。
在本实施例中,文本的处理方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以对文本进行切分,得到多个词语。并且,上述执行主体还可以按照对词语预设的类别,对上述多个词语进行分类,以将上述多个词语中的每个词语分类为任一预设类别。切词得到的词语可以是字、词,也可以是整个句子。
在实践中,上述的多个词语可以是对文本切词生成的所有词语,也可以是切词生成的词语中的部分词语。
可选地,预设类别可以包括以下4个类别中的至少两个:实体类、操作类、数字类和合并关系类。词语的类别不仅可以为该词语所属于的类别,也即上述实体类、操作类、数字类的其中一个,也可以是作为实体类的该词语和其它词语之间所具有的合并关系类。
具体地,实体类的词语指文本中的实体词。操作类词语指文本中的动词,比如过滤、分类等等词语。数字类指表示数量、次数、频率等的词语,比如“次数大于等于7”,包括词语“次数”、“大于”、“等于”、“7”,这些词语均是数字类词语,可以作为有向无环图中一个节点中的主键。
合并关系类指实体类的词语之间的合并关系。具有相同字段的词语可以进行合并。合并指将至少两个词语视为一个整体,比如将该至少两个词语合并为一个新词语。在合并时可以采用预设的合并规则进行合并(比如采用预设合并关系式)。
步骤202,基于多个词语中各个词语的类别,确定各个词语的排列顺序,以及生成符合排列顺序的词序列。
在本实施例中,上述执行主体可以基于上述多个词语中各个词语的类别,确定上述各个词语的排列顺序,从而生成符合该排列顺序的词序列。
在实践中,上述执行主体可以采用各种方式基于词语的类别,确定词语的排列顺序。比如,每个预设类别可以对应一个排列顺序的优先级,优先级越高的排列顺序则越靠前,上述执行主体可以直接按照每个词语的类别的优先级,生成词序列。相同类别也即相同排序优先级的词语的顺序可以按照预设规则排列,比如随机排列或者按照词语在文本中的顺序排列。
步骤203,基于词序列中词语的排列顺序,生成目标有向无环图,其中,目标有向无环图中的每个节点的主键包括词序列中类别相同的至少一个词语。
在本实施例中,上述执行主体可以基于词序列中词语的排列顺序,生成有向无环图作为目标有向无环图。目标有向无环图包括多个节点,每个节点的主键(key)可以包括词序列中的至少一个词语。若一个节点的主键包括不止一个词语,则这一个节点的主键所包括的各个词语为同一个类别(也即预设类别)的词语。
在实践中,上述执行主体可以采用各种方式基于排列顺序,生成目标有向无环图。比如,上述执行主体可以将在词序列中包括相同字段(也即在词序列中位置相同的字段)且类别相同的词语作为一个节点的主键,按照词序列中词语的排列顺序,生成目标有向无环图中各个节点的主键以及各个节点之间的排列顺序也即指向关系。在词序列中,作为被指向节点的主键的词语,可以在作为指向节点(也即指向被指向节点的节点)的主键的词语之后。
步骤204,在元数据集合中,确定出目标有向无环图的各个节点分别对应的元数据以及所确定的元数据之间的排列顺序,其中,元数据集合包括与节点对应的元数据,所确定的元数据之间的排列顺序为所确定的元数据对应的节点之间的排列顺序。
在本实施例中,上述执行主体可以对于目标有向无环图中的节点(比如每个节点),在一个元数据集合中,确定出该节点对应的元数据,并确定所确定的元数据之间的排列顺序。元数据指与文本中的节点相对应,能够体现节点中主键所包含的词语的特征、内容且结构化的数据,元数据用于组织、描述、检索、保存和管理文本资源。
上述元数据集合与上述节点的主键所包含词语的类别相对应。该元数据集合中仅包括这个类别的元数据。元数据的类别是预先设置的,相应地,该元数据集合也是预先设置的。上述执行主体或者其它电子设备可以在后续基于类别对得到的元数据进行更加深入的分析。上述执行主体可以向对上述文本所确定的元数据以及元数据之间的排列顺序添加同一个标签。在元数据集合中包括分别与各个节点对应的多个元数据,也即一个节点对应一个元数据。元数据集合中的各个元数据所对应的节点,可以包括目标有向无环图中的节点,还可以包括其它节点。
在实践中,所确定的元数据可以存储于各种格式的文件中,比如可扩展标记语言(Extensible Markup Language,XML)文件中。
可选地,上述执行主体或者其它电子设备可以对目标有向无环图中的节点进行实例化,并存储实例化的结果。
本申请的上述实施例提供的方法可以通过对文本进行分类,生成能够体现词语类别的目标有向无环图,进而在元数据集合中准确地确定出相应的元数据,以及各个元数据之间的排列顺序,相对于现有技术中的自然语言处理技术,可以实现更加高效、准确地对文本进行描述。
在本实施例的一些可选的实现方式中,目标有向无环图中的节点,以及元数据集合中元数据所对应的节点均具有标识信息;步骤204可以包括:将所述目标有向无环图的节点作为目标节点,对于每一个目标节点,确定该目标节点的主键所包含词语的类别所对应的元数据集合,将该元数据集合作为目标元数据集合;所述所确定的元数据为在所述目标元数据集合中,所对应的节点的标识信息与所述目标节点的标识信息一致的元数据。
在这些可选的实现方式中,上述执行主体可以对于上述目标有向无环图的节点(比如目标有向无环图的每个节点),确定一个元数据集合。并确定出目标元数据集合中,该节点所对应的元数据。
在实践中,上述执行主体或者其它电子设备可以在目标元数据集合中,查找该节点所对应的元数据。具体地,该节点的标识信息,与查找到的元数据所对应的节点的标识信息一致。
具体地,所确定的这一个元数据集合所对应的预设类别为该节点的类别。对于每个元数据集合,该元数据集合中元数据的预设类别即为该元数据集合对应的预设类别。元数据集合可以是各种形式的数据集,比如可以是数据表。
在实践中,目标有向无环图中每个节点的标识信息不同。标识信息可以包括主键,还可以包括其他信息,比如主键的类别等等。如果标识信息所包括的主键不同,则标识信息一定不同,而如果标识信息所包括的主键相同,则标识信息可能相同也可能不同。
这些实现方式可以在与节点的类别相对应的元数据集合中,准确地查找每个节点对应的元数据。
在本实施例的一些可选的实现方式中,步骤202可以包括:按照多个词语中的各个词语在文本中的排列顺序,生成包括各个词语的初始词序列;基于各类别的词语的排序优先级,调整初始词序列中词语的排列顺序,以及生成符合调整后的排列顺序的词序列。
在这些可选的实现方式中,上述执行主体可以首先以上述多个词语在文本中的排列顺序进行排列。每个类别也即预设类别的词语都具有其对应的排序优先级。比如,实体词的排序优先级可以是最高级。相同类别的词语在调整后的词序列中可以按照文本中的词语的排列顺序进行排序。上述执行主体还可以找到具有合并关系的实体词,比如对具有相同字段的实体词。响应于确定初始词序列中包括存在合并关系的至少两个为实体类的词语,上述执行主体可以将所述至少两个为实体类的词语调整为排列顺序相邻。
在实践中,上述执行主体可以采用各种方式,基于词语的排序优先级,调整词语的排列顺序。比如,上述执行主体可以将排序优先级最高的词语调整到词序列最前端,优先级次之的词语调整到排列优先级最高的词语之后。不同类别的词语的排序优先级也可以是相同的,那么排序优先级相同的、不同类别的词语之间的先后顺序可以是任意的。
这些实现方式可以在文本中词语的顺序的基础上,按照不同类别词语的排序优先级,生成符合预设排序标准的词序列。
在本实施例的一些可选的实现方式中,步骤201中的对文本进行切词,得到多个词语,可以包括:利用全切分法,将文本切词为至少两个词语;将至少两个词语中的各个单元词以及单元词词组,作为多个词语。
在这些可选的实现方式中,上述执行主体可以利用全切分法,对文本进行切词,切词的结果为至少两个词语。之后,上述执行主体可以将上述至少两个词语中的各个单元词,以及各个单元词词组,均作为上述多个词语中的词语。具体地,单元词词组可以是至少两个单元词组成的短语或句子。
在实践中,全切分法得到的至少两个词语中,可能存在字段的重合。举例来说,文本“荔枝成熟了”,全切分法切词后,至少两个词语中可以有“荔枝”、“荔”和“枝”。这里有效的词语仅仅是单元词“荔枝”,因而可以将“荔枝”作为上述多个词语中的词语。
这些实现方式可以利用全切分法,提高切分得到的词语的召回率,并通过获取单元词和单元词词组,提高词语的有效性和准确度。
在本实施例的一些可选的实现方式中,元数据存在预设的类别,方法还包括:对所确定的元数据、所确定的元数据之间的排列顺序,以及所确定的元数据的类别进行持久化存储。
在这些可选的实现方式中,上述执行主体还可以对所确定的元数据、所确定的元数据之间的排列顺序,以及所确定的元数据的类别进行持久化存储。具体地,对于每个所确定的元数据,该元数据、该元数据与其它所确定的元数据之间的排列顺序,以及该元数据的类别三者可以对应存储。
这些实现方式可以对所确定的元数据的各种信息进行持久化存储,从而实现文本相关数据的持久保存。
继续参见图3,图3是根据本实施例的文本的处理方法的应用场景的一个示意图。在图3的应用场景中,执行主体301对文本进行切词,得到多个词语302,以及按照N个预设类别,对上述多个词语进行分类。执行主体301基于多个词语中各个词语的类别,确定各个词语的排列顺序,以及生成符合排列顺序的词序列303。执行主体301基于词序列303中词语的排列顺序,生成目标有向无环图304,其中,目标有向无环图中的每个节点的主键包括词序列303中类别相同的至少一个词语。执行主体301在元数据集合中,确定出目标有向无环图304的各个节点分别对应的元数据305以及所确定的元数据305之间的排列顺序306,其中,元数据集合包括与节点对应的元数据,所确定的元数据之间的排列顺序306为所确定的元数据对应的节点之间的排列顺序。
进一步参考图4,其示出了文本的处理方法的又一个实施例的流程400。该流程400,包括以下步骤:
步骤401,对文本进行切词,得到多个词语,以及按照预设类别,对多个词语进行分类。
在本实施例中,文本的处理方法运行于其上的执行主体(例如图1所示的服务器或终端设备)可以对文本进行切分,得到多个词语。并且,上述执行主体还可以按照对词语预设的类别,对上述多个词语进行分类,以将上述多个词语中的每个词语分类为任一预设类别。切词得到的词语可以是字、词,也可以是整个句子。
步骤402,基于多个词语中各个词语的类别,确定各个词语的排列顺序,生成符合排列顺序的词序列。
在本实施例中,上述执行主体可以基于上述多个词语中各个词语的类别,确定上述各个词语的排列顺序,从而生成符合该排列顺序的词序列。
步骤403,以词序列中类别相同的至少一个词语为单个节点的主键,按照词序列中词语的排列顺序,确定词序列对应的有向无环图作为初始有向无环图。
在本实施例中,上述执行主体可以以上述词序列中的一个词语或者类别相同的至少两个词语为单个节点的主键,按照词序列中词语的排列顺序,确定与该排列顺序对应的初始有向无环图。也即,按照词序列中词语的排列顺序,生成初始有向无环图中各个节点的主键以及各个节点之间的排列顺序也即指向关系。
步骤404,对初始有向无环图中的各个节点进行拓扑排序,得到目标有向无环图。
在本实施例中,上述执行主体可以对上述初始有向无环图中的各个节点进行拓扑排序,得到目标有向无环图。上述执行主体利用拓扑排序规则可以得到拓扑排序结果。之后,上述执行主体可以将拓扑排序结果直接作为目标有向无环图,然而为了确保目标有向无环图的有效性,上述执行主体可以首先验证拓扑排序结果是否无回路,也即无环。若验证结果是无回路,则上述执行主体可以将拓扑排序结果作为目标有向无环图。
步骤405,在元数据集合中,确定出目标有向无环图的各个节点分别对应的元数据以及所确定的元数据之间的排列顺序,其中,元数据集合包括与节点对应的元数据,所确定的元数据之间的排列顺序为所确定的元数据对应的节点之间的排列顺序。
在本实施例中,上述执行主体可以对于目标有向无环图中的节点(比如每个节点),在一个元数据集合中,确定出该节点对应的元数据,并确定所确定的元数据之间的排列顺序。
本实施例可以通过拓扑排序调整初始有向无环图中节点的位置,让生成的目标有向无环图中节点的排序关系更具有拓扑稳定性和准确性。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种文本的处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征或效果。该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的文本的处理装置500包括:切词单元501、类别确定单元502、生成单元503和元数据确定单元504。其中,切词单元501,被配置成对文本进行切词,得到多个词语,以及按照预设类别,对多个词语进行分类;类别确定单元502,被配置成基于多个词语中各个词语的类别,确定各个词语的排列顺序,以及生成符合排列顺序的词序列;生成单元503,被配置成基于词序列中词语的排列顺序,生成目标有向无环图,其中,目标有向无环图中的每个节点的主键包括词序列中类别相同的至少一个词语;元数据确定单元504,被配置成在元数据集合中,确定出目标有向无环图的各个节点分别对应的元数据以及所确定的元数据之间的排列顺序,其中,元数据集合包括与节点对应的元数据,所确定的元数据之间的排列顺序为所确定的元数据对应的节点之间的排列顺序。
在本实施例中,文本的处理装置500的切词单元501、类别确定单元502、生成单元503和元数据确定单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,生成单元,进一步被配置成按照如下方式执行基于词序列中词语的排列顺序,生成目标有向无环图:以词序列中类别相同的至少一个词语为单个节点的主键,按照词序列中词语的排列顺序,确定词序列对应的有向无环图作为初始有向无环图;对初始有向无环图中的各个节点进行拓扑排序,得到目标有向无环图。
在本实施例的一些可选的实现方式中,目标有向无环图中的节点,以及元数据集合中元数据所对应的节点均具有标识信息;元数据确定单元,进一步被配置成按照如下方式执行在元数据集合中,确定出目标有向无环图的各个节点分别对应的元数据以及所确定的元数据之间的排列顺序:将所述目标有向无环图的节点作为目标节点,对于每一个目标节点,确定该目标节点的主键所包含词语的类别所对应的元数据集合,将该元数据集合作为目标元数据集合;所述所确定的元数据为在所述目标元数据集合中,所对应的节点的标识信息与所述目标节点的标识信息一致的元数据。
在本实施例的一些可选的实现方式中,类别确定单元,进一步被配置成按照如下方式执行基于多个词语中各个词语的类别,确定各个词语的排列顺序,以及生成符合排列顺序的词序列:按照多个词语中的各个词语在文本中的排列顺序,生成包括各个词语的初始词序列;基于各类别的词语的排序优先级,调整初始词序列中词语的排列顺序,以及生成符合调整后的排列顺序的词序列。
在本实施例的一些可选的实现方式中,切词单元,进一步被配置成按照如下方式执行对文本进行切词,得到多个词语:利用全切分法,将文本切词为至少两个词语;将至少两个词语中的各个单元词以及单元词词组,作为多个词语。
在本实施例的一些可选的实现方式中,元数据存在预设的类别,装置还包括:持久化单元,被配置成对所确定的元数据、所确定的元数据之间的排列顺序,以及所确定的元数据的类别进行持久化存储。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的文本的处理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的文本的处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的文本的处理方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的文本的处理方法对应的程序指令/模块(例如,附图5所示的切词单元501、类别确定单元502、生成单元503和元数据确定单元504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的文本的处理方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据文本的处理电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至文本的处理电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
文本的处理方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与文本的处理电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括切词单元、类别确定单元、生成单元和元数据确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,生成单元还可以被描述为“基于词序列中词语的排列顺序,生成目标有向无环图的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:对文本进行切词,得到多个词语,以及按照预设类别,对多个词语进行分类;基于多个词语中各个词语的类别,确定各个词语的排列顺序,以及生成符合排列顺序的词序列;基于词序列中词语的排列顺序,生成目标有向无环图,其中,目标有向无环图中的每个节点的主键包括词序列中类别相同的至少一个词语;在元数据集合中,确定出目标有向无环图的各个节点分别对应的元数据以及所确定的元数据之间的排列顺序,其中,元数据集合包括与节点对应的元数据,所确定的元数据之间的排列顺序为所确定的元数据对应的节点之间的排列顺序。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。