本发明涉及人工智能
技术领域：
，具体涉及一种文本处理方法和装置。
背景技术：
：随着人工智能技术的不断发展以及人们对于交互体验要求的不断提高，智能交互方式已逐渐开始替代一些传统的人机交互方式，并且已成为一个研究热点。现有的智能交互方式在对语音进行语义分析时要对语音的文本内容进行文本处理，然而现有的文本处理方式是基于正则表达式搜索需要的内容，然后再对搜索出的内容进行对应文本处理。这种文本处理方式虽然在不太复杂的情况下可以实现简单的文本处理效果，但存在调试困难以及增加文本处理规则困难的问题，所实现的文本处理系统基本是“一次性”产品。如果要修改或增加新的文本处理规则，则需要对正则表达式和/或搜索算法进行重新编辑调整，这样的开发成本接近于重新开发一套文本处理系统，极大的增加了开发成本，项目周期长且维护困难。技术实现要素：有鉴于此，本发明实施例提供了一种文本处理方法和装置，解决了现有文本处理方式修改或增加文本处理规则的开发成本高、项目周期长且维护困难的问题。根据本发明的一个方面，提供一种文本处理方法，提供一个或多个知识点，每个所述知识点包括问题和答案，所述问题的内容对应标准文本内容，所述答案的内容对应文本处理方式，所述方法包括：将待处理文本拆分成多个短句；将每个所述短句与每个所述知识点的所述问题进行匹配；以及当所述短句与所述知识点的所述问题匹配成功时，根据该知识点的所述答案对所述短句进行文本处理。在一实施例中，所述一个或多个知识点预先存储在一个智能分析引擎中；其中，所述将每个所述短句与每个所述知识点的所述问题进行匹配包括：将每个所述短句输入所述智能分析引擎，其中，所述智能分析引擎配置为将输入的所述短句与每个所述知识点的所述问题进行匹配，并输出所述短句的所述知识点的所述答案；其中，所述根据该知识点的所述答案对所述短句进行文本处理包括：根据所述智能分析引擎的输出结果对匹配所述知识点的所述问题的所述短句进行文本处理。在一实施例中，所述将每个所述短句输入所述智能分析引擎包括：将拆分得到的所述多个短句逐个输入所述智能分析引擎；其中，所述根据所述智能分析引擎的输出结果对匹配所述知识点的所述问题的所述短句进行文本处理包括：对所述智能分析引擎逐个输出的所述输出结果对应的所述短句进行对应的文本处理。在一实施例中，所述方法进一步包括：增加或修改或删除所述智能分析引擎中的所述知识点。在一实施例中，在将每个所述短句与每个所述知识点的所述问题进行匹配之前，所述方法进一步包括：记录所述短句的文本格式和/或在所述待处理文本中的位置。在一实施例中，所述将每个所述短句与每个所述知识点的所述问题进行匹配包括：将每个所述短句与每个所述知识点的所述问题进行文本相似度计算，将文本相似度最大的所述知识点作为与所述短句匹配成功的所述知识点；其中，当所述短句与所述知识点的所述问题匹配成功时，根据该知识点的所述答案对所述短句进行文本处理包括：根据该匹配成功的知识点的所述答案对所述短句进行文本处理。在一实施例中，所述将待处理文本拆分成多个短句包括：识别待处理文本中的预设拆分符；以及将相邻的两个所述预设拆分符中的文本内容拆分为一个所述短句。在一实施例中，所述预设拆分符包括以下几种中的一种或多种：标点符号、换行符号和预设拆分词。在一实施例中，所述文本处理方式包括以下处理方式中的一种或多种的组合：调整文本格式、提取预设个字符前或预设个字符后的所述短句、按照预设规则整理文本内容、增加预设标注。在一实施例中，所述按照预设规则整理文本内容包括：填入预设的表格、或填入预设的文字模板。在一实施例中，所述文字模板采用语义表达式的形式或正则表达式的形式。在一实施例中，所述待处理文本通过语音转换过程获取。根据本发明的另一个方面，提供一种文本处理装置，包括：知识数据库，包括一个或多个知识点，每个所述知识点包括问题和答案，所述问题的内容对应标准文本内容，所述答案的内容对应文本处理方式；拆分模块，配置为将待处理文本拆分成多个短句；匹配模块，配置为将每个所述短句与每个所述知识点的所述问题进行匹配；以及文本处理模块，配置为当所述短句与所述知识点的所述问题匹配成功时，根据该知识点的所述答案对所述短句进行文本处理。根据本发明的另一个方面，提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如前任一所述文本处理方法的步骤。根据本发明的另一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前任一所述文本处理方法的步骤。本发明实施例提供的一种文本处理方法和装置，通过提供一个或多个包括问题和答案的知识点，并将待处理文本的内容拆分成短句，把对于待处理文本内容的搜索和确定文本处理规则的过程转化为了以短句为单元的问答过程，短句的内容对应提问的问题，知识点中的问题对应标准问题，在匹配到了对应的知识点后，直接根据知识点所对应的答案即可进行文本处理即可，可高效率地实现大数据量文本内容的自动化整理。同时，当需要增加或修改文本处理规则时，只需要增加或修改知识点中的问题和答案即可，使得文本处理规则可以方便地灵活编辑，保证了产品的通用性，可实现快速部署和调试，极大降低了开发成本。附图说明图1所示为本发明一实施例提供一种文本处理方法的流程示意图。图2所示为本发明一实施例提供一种文本处理方法中对待处理文本的拆分过程的流程示意图。图3所示为本发明一实施例提供一种文本处理方法中文本相似度的计算过程的流程示意图。图4所示为本发明一实施例提供的一种文本处理方法的原理示意图。图5所示为本发明一实施例提供的一种文本处理装置的结构示意图。图6所示为本发明一实施例提供的一种文本处理装置的结构示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。图1所示为本发明一实施例提供一种文本处理方法的流程示意图。该文本处理方法提供一个或多个知识点，每个知识点包括问题和答案，问题的内容对应标准文本内容，答案的内容对应文本处理方式。问题和答案之间的对应关系可通过预学习过程预先建立。如图1所示，该文本处理方法包括如下步骤：步骤101：将待处理文本拆分成多个短句。通过将待处理文本拆分成多个短句，使得每个短句成为了文本处理的一个基本单元，后续再对拆分得到的每个短句与知识点进行匹配，以确定对应的文本处理方式。待处理文本可以是来自于第三方的数据内容(例如来自第三方的合同文本或客户信息文本)，也可以是通过上语音转化过程获取的文本内容(例如客服场景下的语音录音转化为的文本内容)，本发明对待处理文本的具体内容并不做限定。在本发明一实施例中，可以通过如下步骤完成对待处理文本的拆分过程，如图2所示，该拆分过程可包括如下步骤：步骤1011：识别待处理文本中的预设拆分符。预设拆分符可包括以下几种中的一种或多种：标点符号、换行符号和预设拆分词。预设拆分词的具体内容可根据实际的应用场景而定，本发明对预设拆分词的具体内容不做限定。例如，对于如下的合同文本内容：“借款人：I公司法定代表人(负责人)：H用户法定地址：S市X区Y路Z号”就可设置冒号“：”和隐藏的换行符号为预设拆分符。在对待处理文本进行识别时，可以按照预定的遍历顺序(例如从左至右逐行扫描)识别待处理文本中的预设拆分符。步骤1012：将相邻的两个预设拆分符中的文本内容拆分为一个短句。例如，上述合同文本内容经过拆分过程后就可得到如下短句：“借款人：”、“I公司”、“法定代表人(负责人)：”、“H用户”、“法定地址：”以及“S市X区Y路Z号”。而拆分所得到的每个短句都会作为一个文本处理的基本单元与知识点进行后续的匹配过程。步骤102：将每个短句与每个知识点的问题进行匹配。如前所述，每个知识点包括问题和答案，问题的内容对应标准文本内容，答案的内容对应文本处理方式。通过将每个短句与知识点的问题进行匹配，即可确定匹配的标准文本内容，进而确定对应的答案，即对应的文本处理方式。例如，以上述合同文本内容为例子，所提供的知识点就可包括“请提供借款人信息？”和“请提供法定代表人信息？”两个知识点的问题。这样将短句“借款人：”与所提供的知识点的问题进行匹配时，则会确定匹配的知识点的问题为“请提供借款人信息？”，根据该知识点的答案即可对短句“借款人：”做出对应的文本处理；而将短句“法定代表人(负责人)：”与所提供的知识点的问题进行匹配时，则会确定匹配的知识点的问题为“请提供法定代表人信息？”，据该知识点的答案即可对短句“法定代表人(负责人)：”做出对应的文本处理。在本发明一实施例中，将每个短句与每个知识点的问题进行匹配的过程可通过文本相似度计算的方式实现，具体而言，如图3所示，该文本相似度的计算过程可包括如下步骤：步骤1021：将每个短句与每个知识点的问题进行文本相似度计算。步骤1022：将文本相似度最大的知识点作为与短句匹配成功的知识点。当短句与一个知识点的问题匹配成功时，后续则根据该匹配成功的知识点的答案对短句进行文本处理。该文本相似度计算过程可采用如下计算方法中的一种或多种实现：编辑距离计算方法、n-gram计算方法、JaroWinkler计算方法以及Soundex计算方法。然而本发明对该相似度计算的具体实现方式不做严格限定。在本发明一实施例中，考虑到所拆分得到的短句可能会有多种变形，为例进一步提高文本处理方式的智能化体验，知识点中的问题可采用语义模板的方式实现。语义模板可为表示某一种语义内容的一个或多个抽象语义表达式的集合，由开发人员根据预定的规则结合语义内容生成，即通过一个语义模板就可描述所对应语义内容的多种不同表达方式的语句，以应对拆分得到的短句可能的多种变形。这样将拆分得到的短句与预设的语义模板进行匹配，避免了利用仅能描述一种表达方式的标准语义模板来识别用户消息时的局限性。每一个抽象语义表达式主要可包括语义成分词和语义规则词。语义成分词由语义成分符表示，当这些语义成分符被填充了相应的值(即内容)后可以表达各式各样的具体语义。抽象语义的语义成分符可包括：[concept]：表示主体或客体成份的词或短语。比如：“彩铃如何开通”中的“彩铃”。[action]：表示动作成分的词或短语。比如：“信用卡如何办理”中的“办理”。[attribute]：表示属性成份的词或短语。比如：“iphone有哪些颜色”中的“颜色”。[adjective]：表示修饰成分的词或短语。比如：“冰箱哪个品牌便宜”中的“便宜”。一些主要的抽象语义类别示例有：概念说明[concept]是什么属性构成[concept]有哪些[attribute]行为方式[concept]如何[action]行为地点[concept]在什么地方[action]行为原因[concept]为什么会[action]行为预测[concept]会不会[action]行为判断[concept]有没有[attribute]属性状况[concept]的[attribute]是不是[adjective]属性判断[concept]是不是有[attribute]属性原因[concept]的[attribute]为什么这么[adjective]概念比较[concept1]和[concept2]的区别在哪里属性比较[concept1]和[concept2]的[attribute]有什么不同之处问句在抽象语义层面的成份判断可以通过词性标注来做一般的评判，concept对应的词性为名词，action对应的词性为动词、attribute对应的词性为名词、adjective对应的是形容词。以类别为“行为方式”的抽象语义[concept]如何[action]为例，该类别的抽象语义集合下可包括多条抽象语义表达式：抽象语义类别：行为方式抽象语义表达式：a.[concept][需要|应该？][如何]<才[可以]？><进行？>[action]b.{[concept]～[action]}c.[concept]<的？>[action]<方法|方式|步骤？>d.<有哪些|有什么|有没有><通过|用|在>[concept][action]<的？>[方法]e.[如何][action]～[concept]上述a、b、c、d四个抽象语义表达式都是用来描述“行为方式”这一抽象语义类别的。语义符号“|”表示“或”关系，语义符号“？”表示该成分可有可无。然而应当理解，虽然上面给出了一些语义成分词、语义规则词和语义符号的示例，但语义成分词的具体内容和词类，语义规则词的具体内容和词类以及语义符号的定义和搭配都可由开发人员根据该智能交互方法所应用的具体交互业务场景而预设，本发明对此并不做限定。在一进一步实施例中，当识别出拆分得到的短句中的语义成分词和语义规则词时，用户语音操作消息和语义模板中所包括语义成分词和语义规则词还可被转化成简化的文本字符串，然后利用这些文本字符串来进行相似度计算，以提高相似度计算的效率。在本发明一实施例中，如前所述，语义模板可由语义成分词和语义规则词构成，而这些语义成分词和语义规则词又与这些词语在语义模板中的词性以及词语之间的语法关系有关，因此该相似度计算过程可具体为：先识别出用户语音操作消息文本中的词语、词语的词性以及语法关系，然后根据词语的词性以及语法关系识别出其中的语义成分词和语义规则词，再将所识别出的语义成分词和语义规则词引入向量空间模型以计算拆分得到的短句与多个预设的语义模板之间的多个文本相似度。在本发明一实施例中，可以如下分词方法中的一种或多种识别拆分得到的短句中的词语、词语的词性以及词语之间的语法关系：隐马尔可夫模型方法、正向最大匹配方法、逆向最大匹配方法以及命名实体识别方法。在本发明一实施例中，如前所述，语义模板可为表示某一种语义内容的多个抽象语义表达式的集合，此时通过一个语义模板就可描述所对应语义内容的多种不同表达方式的语句，以对应同一标准表达方式的多个扩展表达方式。因此在计算拆分得到的短句与预设的语义模板之间的文本相似度时，需要计算拆分得到的短句与多个预设的语义模板各自展开的至少一个扩展问之间的文本相似度，然后将文本相似度最高的扩展问所对应的语义模板作为匹配的语义模板。这些展开的扩展问可根据语义模板所包括的语义成分词和/或语义规则词和/或语义符号而获得。例如，“请提供借款人信息？”、“借款人是谁？”就可以是同一个语义模板“[请提供？][借款人|贷款人][信息|身份？][是|为？][谁？]”展开的两个不同扩展问。当拆分出的短句为“借款人：”时，通过文本相似度计算则可确定文本相似度最高的扩展问为“借款人是谁？”，此时即可确定匹配的语义模板。而当拆分出的短句为“借款人信息：”，虽然通过文本相似度计算确定文本相似度最高的扩展问为“请提供借款人信息？”，但可确定匹配的语义模板仍为上述的语义模板。由此可见，通过将知识点的问题以语义模板的方式表示，避免了利用仅能描述一种表达方式的标准语义模板来识别用户消息时的局限性。步骤103：当短句与知识点的问题匹配成功时，根据该知识点的答案对短句进行文本处理。当通过匹配过程确定了匹配的知识点时(例如采用前述的文本相似度计算的方式)，即确定了对应知识点中的答案。根据该匹配的知识点的答案即可对短句进行文本处理。在本发明一实施例中，文本处理方式可包括以下处理方式中的一种或多种的组合：调整文本格式(例如调整字体大小、字体型号、字体颜色等)、提取预设个字符前或预设个字符后的短句、按照预设规则整理文本内容(例如填入预设的表格或填入预设的文字模板)、增加预设标注。在本发明一实施例中，当文本处理方式包括填入预设的文字模板时，文字模板可采用语义表达式的形式或正则表达式的形式。本发明对该文字模板的具体形式不做限定。例如，以上述合同文本内容为例子，“借款人”和“法定代表人”两个标准文本内容各自对应的答案可分别为标为紫色和标为黄色，这样拆分得到的短句“借款人：”和“法定代表人(负责人)：”便会被在待处理文本中分别标为紫色和黄色。再例如，“借款人”和“法定代表人”两个标准文本内容各自对应的答案可分别为填入预设的表格中，并将对应的短句后面的短句也填入该预设表格的预设位置，这样所得到的文本处理结果就可如下表所示：借款人：I公司法定代表人(负责人)：H用户在本发明另一实施中，除了要对当前的短句进行文本处理外，文本处理方式还可包括提取预设个字符前或预设个字符后的短句，并对该提取的短句也进行文本处理。以上述合同文本内容为例子，“借款人”和“法定代表人”两个标准文本内容各自对应的答案可分别为标为紫色和标为黄色，同时“借款人：”短句后面的短句“I公司”也可标为紫色，“法定代表人(负责人)：”短句后面的短句“H用户”也可标为黄色，具体采用哪种方式根据用户设定的文本处理方式来确定。然而应当理解，知识点中的答案(即文本处理方式)的具体内容和处理规则可根据实际的应用场景而设计或调整，本发明对知识点中的答案的具体形式并不做具体限定。由此可见，本发明实施例提供的一种文本处理方法通过提供一个或多个包括问题和答案的知识点，并将待处理文本的内容拆分成短句，把对于待处理文本内容的搜索和确定文本处理规则的过程转化为了以短句为单元的问答过程，短句的内容对应提问的问题，知识点中的问题对应标准问题，在匹配到了对应的知识点后，直接根据知识点所对应的答案即可进行文本处理即可，可高效率地实现大数据量文本内容的自动化整理。同时，当需要增加或修改文本处理规则时，只需要增加或修改知识点中的问题和答案即可，使得文本处理规则可以方便地灵活编辑，保证了产品的通用性，可实现快速部署和调试，极大降低了开发成本。图4所示为本发明一实施例提供的一种文本处理方法的原理示意图。如图4所示，该实施例所提供的文本处理方法基于一个智能分析引擎实现，该智能分析引擎中预先存储了一个或多个知识点。这样在将每个短句与每个知识点的问题进行匹配时，其实是将每个短句输入智能分析引擎，智能分析引擎配置为将输入的短句与每个知识点的问题进行匹配，并输出短句的知识点的答案。根据智能分析引擎的输出结果再对匹配知识点的问题的短句进行文本处理。应当理解，该智能分析引擎可通过设置在文本处理系统前端或云端服务器上的软件程序实现，通过将待处理文本拆分得到的短句输入该智能分析引擎即可直接确定对应的文本处理方式，整个文本处理过程方便快捷，可对不同种类的待处理文本实现通用。同时，当要修改文本处理规则时，直接增加或修改或删除智能分析引擎中的知识点即可，而不用重新开发文本处理系统，进一步降低了开发成本。在本发明一实施例中，考虑到待处理文本拆分处理后会得到很多短句，因此需要对这些拆分得到的短句有序的处理以保证文本处理的效率和准确性，此时可设置为将拆分得到的多个短句逐个输入智能分析引擎并，并对智能分析引擎逐个输出的输出结果对应的短句进行对应的文本处理。在一进一步实施例中，由于将拆分得到的短句输入智能分析引擎后，所确定的文本处理方式可能要在原始的待处理文本中实现(例如调整当前短句的文本内容的字体大小或背景颜色等)，此时就需要在将每个短句与每个知识点的问题进行匹配之前，进一步记录短句的文本格式和/或在待处理文本中的位置，以便于在确定文本处理方式后进行对应的文本处理过程。图5所示为本发明一实施例提供的一种文本处理装置的结构示意图。如图5所示，该文本处理装置50包括：知识数据库51、拆分模块52、匹配模块53和文本处理模块54。具体而言，知识数据库51包括一个或多个知识点，每个知识点包括问题和答案，问题的内容对应标准文本内容，答案的内容对应文本处理方式。拆分模块52配置为将待处理文本拆分成多个短句。匹配模块53配置为将每个短句与每个知识点的问题进行匹配。文本处理模块54配置为当短句与知识点的问题匹配成功时，根据该知识点的答案对短句进行文本处理。本发明实施例提供的一种文本处理装置50通过提供一个或多个包括问题和答案的知识点，并将待处理文本的内容拆分成短句，把对于待处理文本内容的搜索和确定文本处理规则的过程转化为了以短句为单元的问答过程，短句的内容对应提问的问题，知识点中的问题对应标准问题，在匹配到了对应的知识点后，直接根据知识点所对应的答案即可进行文本处理即可，可高效率地实现大数据量文本内容的自动化整理。同时，当需要增加或修改文本处理规则时，只需要增加或修改知识点中的问题和答案即可，使得文本处理规则可以方便地灵活编辑，保证了产品的通用性，可实现快速部署和调试，极大降低了开发成本。在本发明一实施例中，如图6所示，该文本处理装置50可进一步包括：输入模块55和智能分析引擎56。输入模块55配置为将每个短句输入智能分析引擎56。知识数据库51和匹配模块53预先集成在智能分析引擎56中，智能分析引擎56配置为将输入的短句与每个知识点的问题进行匹配，并输出短句的知识点的答案。其中，文本处理模块54进一步配置为：根据智能分析引擎56的输出结果对匹配知识点的问题的短句进行文本处理。这样在将每个短句与每个知识点的问题进行匹配时，其实是将每个短句输入智能分析引擎56，智能分析引擎56配置为将输入的短句与每个知识点的问题进行匹配，并输出短句的知识点的答案。根据智能分析引擎56的输出结果再对匹配知识点的问题的短句进行文本处理。应当理解，该智能分析引擎56可通过设置在文本处理系统前端或云端服务器上的软件程序实现，通过将待处理文本拆分得到的短句输入该智能分析引擎56即可直接确定对应的文本处理方式，整个文本处理过程方便快捷，可对不同种类的待处理文本实现通用。同时，在本发明一实施例中，如图6所示，该文本处理装置50可进一步包括：编辑模块57，配置为增加或修改或删除智能分析引擎56中的知识点。这样当需要修改文本处理规则时，就不用重新开发文本处理系统了，进一步降低了开发成本。在本发明一实施例中，考虑到待处理文本拆分处理后会得到很多短句，因此需要对这些拆分得到的短句有序的处理以保证文本处理的效率和准确性，输入模块55可进一步配置为：将拆分得到的多个短句逐个输入智能分析引擎56。此时，文本处理模块54可进一步配置为：对智能分析引擎56逐个输出的输出结果对应的短句进行对应的文本处理。在本发明一实施例中，由于将拆分得到的短句输入智能分析引擎56后，所确定的文本处理方式可能要在原始的待处理文本中实现(例如调整当前短句的文本内容的字体大小或背景颜色等)，此时如图6所示，该文本处理装置50可进一步包括：记录模块58，配置为在将每个短句与每个知识点的问题进行匹配之前记录短句的文本格式和/或在待处理文本中的位置。在本发明一实施例中，匹配模块53进一步配置为将每个短句与每个知识点的问题进行文本相似度计算，将文本相似度最大的知识点作为与短句匹配成功的知识点。此时，文本处理模块54可进一步配置为根据该匹配成功的知识点的答案对短句进行文本处理。该文本相似度计算过程可采用如下计算方法中的一种或多种实现：编辑距离计算方法、n-gram计算方法、JaroWinkler计算方法以及Soundex计算方法。然而本发明对该相似度计算的具体实现方式不做严格限定。在本发明一实施例中，如图6所示，拆分模块52可包括：识别单元521和拆分执行单元522。识别单元521配置为识别待处理文本中的预设拆分符。拆分执行单元522配置为将相邻的两个预设拆分符中的文本内容拆分为一个短句。在本发明一实施例中，预设拆分符可包括以下几种中的一种或多种：标点符号、换行符号和预设拆分词。在本发明一实施例中，文本处理方式可包括以下处理方式中的一种或多种的组合：调整文本格式、提取预设个字符前或预设个字符后的短句、按照预设规则整理文本内容、增加预设标注。在本发明一实施例中，按照预设规则整理文本内容包括：填入预设的表格、或填入预设的文字模板。应当理解，知识点中的答案(即文本处理方式)的具体内容和处理规则可根据实际的应用场景而设计或调整，本发明对对知识点中的答案的具体形式并不做具体限定。在本发明一实施例中，文字模板可采用语义表达式的形式或正则表达式的形式。在本发明一实施例中，待处理文本可通过语音转换过程获取。待处理文本可以是来自于第三方的数据内容(例如来自第三方的合同文本或客户信息文本)，也可以是通过上语音转化过程获取的文本内容(例如客服场景下的语音录音转化为的文本内容)，本发明对待处理文本的具体内容并不做限定。本发明一实施例还提供一种计算机设备，包括存储器、处理器以及存储在存储器上被处理器执行的计算机程序，处理器执行计算机程序时实现如前任一实施例所描述的文本处理方法的步骤。本发明一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如前任一实施例所描述的文本处理方法的步骤。该计算机存储介质可以为任何有形媒介，例如软盘、CD-ROM、DVD、硬盘驱动器、甚至网络介质等。应当理解，上述实施例所提供的文本处理装置50中记载的每个模块或单元都与前述的一个方法步骤相对应。由此，前述的方法步骤描述的操作和特征同样适用于文本处理装置50及其中所包含的对应的模块和单元，重复的内容在此不再赘述。应当理解，虽然以上描述了本发明实施方式的一种实现形式可以是计算机程序产品，但是本发明的实施方式的方法或装置可以被依软件、硬件、或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的方法和设备可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的方法和装置可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。应当理解，尽管在上文的详细描述中提及了装置的若干模块或单元，但是这种划分仅仅是示例性而非强制性的。实际上，根据本发明的示例性实施方式，上文描述的两个或更多模块/单元的特征和功能可以在一个模块/单元中实现，反之，上文描述的一个模块/单元的特征和功能可以进一步划分为由多个模块/单元来实现。此外，上文描述的某些模块/单元在某些应用场景下可被省略。应当理解，为了不模糊本发明的实施方式，说明书仅对一些关键、未必必要的技术和特征进行了描述，而可能未对一些本领域技术人员能够实现的特征做出说明。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。当前第1页1 2 3