[发明专利]数据处理方法及其设备

权利要求书

1.一种数据处理方法，用于处理评论语料数据，包括：

获取语料数据并构建主题映射词典，其中，与语料数据对应的语料包含至少一个语句，所述主题映射词典的内容为特定主题下的主题词以及该主题词与主题的权重；

基于语料数据对语料进行分句处理，以得到至少一个语句数据，其中，每个语句数据对应的语句包含一个或者多个；

基于分句处理结果和所述主题映射词典，确定至少一个语句数据中第一语句数据包含的主题词集合，包括：

从至少一个语句数据中确定出关键句，将所述关键句映射到所述主题映射词典，得到所述关键句中包含的所述主题词集合以及各主题词与主题的权重值；

分析获取关键句包含的主题词集合，以及

按照预设规则从主题词集合中选出满足预设条件的主题词作为第一语句数据的主题词，包括：

按照主题词权重值的大小从关键句包含的主题词集合中选出权重值最高的主题词作为关键句的主题词。

2.根据权利要求1的方法，其中，基于语料数据对语料进行分句处理，以得到至少一个语句数据包括：

确定语料的语料来源，其中，不同的语料来源对应于不同的语料分句处理规则；

基于确定出的语料来源，获取用于对语料的第一语料进行分句处理的规则；以及

基于第一语料分句处理规则和语料数据对语料进行分句处理，以得到至少一个语句数据。

3.根据权利要求1的方法，其中：

关键句根据至少一个语句数据中各语句数据之间的相似度确定。

4.根据权利要求3的方法，其中：

当确定至少一个语句数据中的第二语句数据不是关键句时，确定第二语句数据的主题词集合；

获取与第二语句数据相邻的第三语句数据的主题词；

若第二语句数据的主题词集合包含第三语句的主题词，则将第三语句数据的主题词作为第二语句的主题词；或者

若第二语句数据的主题词集合不包含第三语句的主题词，则按照主题词权重值的大小从第二语句数据的主题词集合中选出权重值最高的主题词作为第二语句数据的主题词。

5.根据权利要求4的方法，其中：

若第二语句数据的主题词集合为空集，则将第三语句数据的主题词作为第二语句的主题词，或按照主题词权重值的大小从第三语句数据的主题词集合中选出权重值最高的主题词作为第二语句数据的主题词。

6.根据权利要求4的方法，其中：

当第二语句数据为关键句的相邻句时，第三语句数据为关键句。

7.一种数据处理系统，用于处理评论语料数据，包括：

获取模块，用于获取语料数据和构建主题映射词典，其中，与语料数据对应的语料包含至少一个语句，所述主题映射词典的内容为特定主题下的主题词以及该主题词与主题的权重；

处理模块，用于基于语料数据对语料进行分句处理，以得到至少一个语句数据，其中，每个语句数据对应的语句包含一个或者多个；

确定模块，用于基于分句处理结果和所述主题映射词典，确定至少一个语句数据中第一语句数据包含的主题词集合，包括：

第二确定单元，用于从至少一个语句数据中确定出关键句，将所述关键句映射到所述主题映射词典，得到所述关键句中包含的所述主题词集合以及各主题词与主题的权重值；

第二获取单元，用于分析获取关键句包含的主题词集合；以及

选择模块，用于按照预设规则从主题词集合中选出满足预设条件的主题词作为第一语句数据的主题词，按照主题词权重值的大小从关键句包含的主题词集合中选出权重值最高的主题词作为关键句的主题词。

8.根据权利要求7的系统，其中，处理模块包括：

第一确定单元，用于确定语料的语料来源，其中，不同的语料来源对应于不同的语料分句处理规则；

第一获取单元，用于基于确定出的语料来源，获取用于对语料的第一语料进行分句处理的规则；以及

处理单元，用于基于第一语料分句处理规则和语料数据对语料进行分句处理，以得到至少一个语句数据。