[发明专利]一种文本处理方法及装置

说明书

本申请实施例公开了一种文本处理方法及装置，该方法包括：对用户输入的搜索文本进行分割，生成分割文本，根据预先建立的自定义文本库，对所述分割文本进行文本校正，生成校正文本，在预先建立的同义文本库中，确定所述校正文本所对应的目标同义文本，组合所述目标同义文本，生成对应于所述搜索文本的同义搜索文本，其中，所述自定义文本库及同义文本库中的文本，至少包括短语。通过本方法，可以实现在短语粒度上的同义扩展，并且，仅选定各校正文本所对应的目标同义文本，有效减少了扩展出的同义文本的数量，进一步减少了生成同义搜索文本的数量及耗时。

技术领域

本申请涉及计算机技术领域，尤其涉及一种文本处理方法及装置。

背景技术

目前，用户在进行信息搜索时，用户所输入的搜索文本(如：搜索语句、搜索词等)将影响搜索结果的准确性。

实际应用场景下，用户在进行搜索时，其输入的搜索文本中可能包含口语化或非标准的词或短语。为了提升搜索结果的准确性，相应的应用或搜索引擎会采用同义词扩展的处理方式，优化用户所输入的搜索文本。具体而言，针对搜索文本中包含的搜索词，在同义词库中查找相应的同义词，并将查找到的同义词替换该搜索词。进而，基于进行了同义词替换后的搜索文本进行搜索，能够在一定程度上提升搜索结果的准确性。

但是，对于现有的上述方式而言，存在一定的缺陷，具体而言：

现有的同义词扩展方式仅限于词粒度的扩展。而在实际应用中，用户所输入的搜索文本中可能还包含短语，使用词粒度扩展的方式并不能针对短语进行扩展，反而可能将短语拆分成多个搜索词进行同义词替换的操作，导致短语被转换为杂乱的同义词的组合，影响搜索的准确性。

此外，如果搜索词所对应的同义词较多，那么，所生成的同义搜索文本的数量也较多，而符合所要搜索的目标文本仅为少数，显然，过多的同义搜索文本将增加搜索过程的耗时。

发明内容

本申请实施例提供一种文本处理方法及装置，用以解决现有技术中同义文本扩展存在一定缺陷的问题。

本申请实施例提供的一种文本处理方法，包括：

对用户输入的搜索文本进行分割，生成分割文本；

根据预先建立的自定义文本库，对所述分割文本进行文本校正，生成校正文本；

在预先建立的同义文本库中，确定所述校正文本所对应的目标同义文本；

组合所述目标同义文本，生成对应于所述搜索文本的同义搜索文本；

其中，所述自定义文本库及同义文本库中的文本，至少包括短语。

本申请实施例提供的一种文本处理装置，包括：

文本分割模块，对用户输入的搜索文本进行分割，生成分割文本；

文本校正模块，根据预先建立的自定义文本库，对所述分割文本进行文本校正，生成校正文本；

扩展模块，在预先建立的同义文本库中，确定所述校正文本所对应的目标同义文本；

组合模块，组合所述目标同义文本，生成对应于所述搜索文本的同义搜索文本；

其中，所述自定义文本库及同义文本库中的文本，至少包括短语。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：