(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210551381.7 (22)申请日 2022.05.18 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 林镇溪　张子恒　 (74)专利代理 机构 北京三高永信知识产权代理 有限责任公司 1 1138 专利代理师 祝亚男 (51)Int.Cl. G06F 40/205(2020.01) G06F 40/216(2020.01) G06F 40/247(2020.01) G06F 40/284(2020.01) G06F 40/253(2020.01)G06F 40/30(2020.01) G06F 40/14(2020.01) (54)发明名称 标准文本的确定方法、 装置、 电子设备及存 储介质 (57)摘要 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。 权利要求书3页 说明书24页 附图8页 CN 115146612 A 2022.10.04 CN 115146612 A 1.一种标准文本的确定方法， 其特 征在于， 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 。 2.根据权利要求1所述的方法， 其特征在于， 所述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， 包括： 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。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述任一个第 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， 包括： 若所述任一个第 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相同， 则根 据所述任一个第一文本段和所述任一个第二文本段， 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； 若所述任一个第 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不同， 则将 参考字符确定为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。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述任一个第 一文本段和所述任 一个第二文本段， 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， 包 括： 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编辑距离； 根据所述任一个第 一文本段的语义特征和所述任一个第 二文本段的语义特征， 确定任 一个第一文本段和所述任一个第二文本段之间的余弦相似度； 根据所述任一个第 一文本段和所述任一个第 二文本段之间的编辑距离和余弦相似度， 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。 5.根据权利要求2所述的方法， 其特征在于， 所述根据所述各个第 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， 包括： 对于任一个第 一文本段， 从所述任一个第 一文本段和所述各个第 二文本段之间的相关 性中， 确定所述任一个第一文本段对应的最大相关性； 对于任一个第 二文本段， 从所述各个第 一文本段和所述任一个第 二文本段之间的相关 性中， 确定所述任一个第二文本段对应的最大相关性；权　利　要　求　书 1/3 页 2 CN 115146612 A 2基于所述各个第一文本段对应的最大相关性和所述各个第二文本段对应的最大相关 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。 6.根据权利要求1所述的方法， 其特征在于， 所述根据所述至少两个第 一文本段和至少 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， 包括： 根据所述至少两个第一文本段， 构建所述原始文本对应的第一树结构， 所述第一树结 构的根节点 为所述原 始文本， 所述第一 树结构的叶子节点 为所述至少两个第一文本段； 根据所述至少两个第二文本段， 构建所述任一个候选标准文本对应的第二树结构， 所 述第二树结构的根节 点为所述任一个候选标准文本， 所述第二树结构的叶子节点为所述至 少两个第二文本段； 根据所述第 一树结构和所述第 二树结构， 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。 7.根据权利要求6所述的方法， 其特征在于， 所述将所述原始文本拆分成至少两个第 一 文本段， 包括： 根据所述原 始文本包 含的连词， 将所述原 始文本拆分成至少两个第一文本 部分； 对于任一个第 一文本部分， 将所述任一个第 一文本部分拆分成对应的至少一个第 一文 本段； 所述根据所述至少两个第一文本段， 构建所述原 始文本对应的第一 树结构， 包括： 根据各个第 一文本部分对应的至少一个第 一文本段， 构建所述原始文本对应的第 一树 结构， 所述第一树结构的根节 点对应至少两个子节点， 各个子节点对应各个第一文本部 分， 任一个第一文本部分对应的子节点所对应的各个叶子节点为所述任一个第一文本部分对 应的各个第一文本段。 8.根据权利要求1至7任一项所述的方法， 其特征在于， 所述获取多个候选标准文本， 包 括： 确定所述原 始文本分别与标准文本库中的多个标准文本之间的相关性； 基于所述原始文本分别与 所述标准文本库中的多个标准文本之间的相关性， 从所述标 准文本库中的多个标准文本中筛 选出所述多个候选标准文本 。 9.根据权利要求8所述的方法， 其特征在于， 所述确定所述原始文本分别与 标准文本库 中的多个标准文本之间的相关性， 包括： 对所述原 始文本进行分词， 得到所述原 始文本中的多个字符； 对于任一个字符和所述标准文本库中的任一个标准文本， 确定所述任一个字符与 所述 任一个标准文本之间的相关性； 基于所述多个字符与 所述任一个标准文本之间的相关性， 确定所述原始文本与所述任 一个标准文本之间的相关性。 10.根据权利要求9所述的方法， 其特征在于， 所述确定所述任一个字符与所述任一个 标准文本之间的相关性， 包括： 确定所述任一个字符在所述任一个标准文本中出现的频率； 根据所述标准文本库中的各个标准文本包 含的字符数， 确定平均字符数； 根据所述任一个字符在所述任一个标准文本 中出现的频率、 所述平均字符数和所述任 一个标准文本包 含的字符数， 确定所述任一个字符与所述任一个标准文本之间的相关性。权　利　要　求　书 2/3 页 3 CN 115146612 A 3