[发明专利]标准文本的确定方法、装置、电子设备及存储介质

说明书

本申请公开了一种标准文本的确定方法、装置、电子设备及存储介质，属于文本处理技术领域。方法包括：获取多个候选标准文本和原始文本；将原始文本拆分成至少两个第一文本段；对于任一个候选标准文本，将任一个候选标准文本拆分成至少两个第二文本段，根据至少两个第一文本段和至少两个第二文本段，确定原始文本和任一个候选标准文本之间的相关性；根据原始文本和各个候选标准文本之间的相关性，从多个候选标准文本中确定原始文本对应的目标标准文本。本申请从文本段的角度来细粒度地确定原始文本和候选标准文本之间的相关性，提高了相关性的准确性，从而提高了目标标准文本的准确性。

技术领域

本申请实施例涉及文本处理技术领域，特别涉及一种标准文本的确定方法、装置、电子设备及存储介质。

背景技术

在文本处理技术领域中，同一个对象可以用多种不同的文本来表述，例如，可以用文本“皮肤起疹子”、“皮肤上有红肿”等来表述“皮疹”。通常情况下，需要对文本进行标准化，也就是确定原始文本对应的标准文本，从而基于标准文本进行统计、分析等后续处理。

相关技术中，可以获取原始文本和标准文本库中的各个标准文本。对于标准文本库中的任一个标准文本，可以根据原始文本和任一个标准文本，确定原始文本和任一个标准文本之间的相关性。根据原始文本和标准文本库中的各个标准文本之间的相关性，从标准文本库中的各个标准文本中确定原始文本对应的目标标准文本。

然而，上述技术确定出的原始文本对应的目标标准文本的准确性较差，在后续基于目标标准文本进行统计、分析等处理时，影响了处理结果的准确性。

发明内容

本申请提供了一种标准文本的确定方法、装置、电子设备及存储介质，可用于解决相关技术中确定出的目标标准文本的准确性较差的问题，所述技术方案包括如下内容。

一方面，提供了一种标准文本的确定方法，所述方法包括：

获取多个候选标准文本和原始文本；

将所述原始文本拆分成至少两个第一文本段；

对于任一个候选标准文本，将所述任一个候选标准文本拆分成至少两个第二文本段，根据所述至少两个第一文本段和所述至少两个第二文本段，确定所述原始文本和所述任一个候选标准文本之间的相关性；

根据所述原始文本和各个候选标准文本之间的相关性，从所述多个候选标准文本中确定所述原始文本对应的目标标准文本。

另一方面，提供了一种标准文本的确定装置，所述装置包括：

获取模块，用于获取多个候选标准文本和原始文本；

拆分模块，用于将所述原始文本拆分成至少两个第一文本段；

所述拆分模块，还用于对于任一个候选标准文本，将所述任一个候选标准文本拆分成至少两个第二文本段，根据所述至少两个第一文本段和所述至少两个第二文本段，确定所述原始文本和所述任一个候选标准文本之间的相关性；

确定模块，用于根据所述原始文本和各个候选标准文本之间的相关性，从所述多个候选标准文本中确定所述原始文本对应的目标标准文本。

在一种可能的实现方式中，所述拆分模块，用于确定各个第一文本段的文本类型和各个第二文本段的文本类型；对于任一个第一文本段和任一个第二文本段，基于所述任一个第一文本段的文本类型和所述任一个第二文本段的文本类型，确定所述任一个第一文本段和所述任一个第二文本段之间的相关性；根据所述各个第一文本段和所述各个第二文本段之间的相关性，确定所述原始文本和所述任一个候选标准文本之间的相关性。