文件处理方法、装置、电子设备和计算机可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及文件处理方法、装置、电子设备和计算机可读介质。


背景技术：

2.目前，数据库已经广泛的应用于人们的日常生活中。对于数据库中文件的处理，通常采用的方式为：通常相关技术人员人为对数据库中的待处理文件进行文件处理。
3.然而，发明人发现，当采用上述方式来对数据库中的文件进行处理，经常会存在如下技术问题：第一，操作过于复杂，且数据库中的文件过于繁多，导致文件处理效率过于复杂，文件搜索的时间较长，文件搜索所占用的搜索资源较多，导致效率较低。
4.第二，所生成针对文件内容的文本思想信息不够精准，导致后续待处理文件处理不够精准。
5.该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。


技术实现要素：

6.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
7.本公开的一些实施例提出了文件处理方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
8.第一方面，本公开的一些实施例提供了一种文件处理方法，包括：响应于检测到目标用户在文件处理界面所输入的文件处理信息，对上述文件处理信息进行语义提取，得到语义信息；从上述语义信息提取多个关键词；确定上述多个关键词中的每个关键词对应的关键词性类型；获取文件处理所需关键词性类型，得到所需关键词性类型集；响应于确定上述多个关键词对应的关键词性类型集包括上述所需关键词性类型集，确定与上述所需关键词性类型集中的每个所需关键词性类型对应的关键词，得到关键词集；确定上述关键词集对应的第一关键词编码集；根据上述第一关键词编码集，利用文件层次树模型，在目标数据库中对待处理文件进行文件处理，其中，上述文件层次树模型是基于目标数据库中的文件目录所建立的，文件层次树模型的树节点包括：文件信息和文件信息对应的至少一个第二关键词编码，其中，第二关键词编码与关键词存在一一对应关系。
9.第二方面，本公开的一些实施例提供了一种文件处理装置，包括：语义提取单元，被配置成响应于检测到目标用户在文件处理界面所输入的文件处理信息，对上述文件处理信息进行语义提取，得到语义信息；提取单元，被配置成从上述语义信息提取多个关键词；第一确定单元，被配置成确定上述多个关键词中的每个关键词对应的关键词性类型；获取
单元，被配置成获取文件处理所需关键词性类型，得到所需关键词性类型集；第二确定单元，被配置成响应于确定上述多个关键词对应的关键词性类型集包括上述所需关键词性类型集，确定与上述所需关键词性类型集中的每个所需关键词性类型对应的关键词，得到关键词集；第三确定单元，被配置成确定上述关键词集对应的第一关键词编码集；文件处理单元，被配置成根据上述第一关键词编码集，利用文件层次树模型，在目标数据库中对待处理文件进行文件处理，其中，上述文件层次树模型是基于目标数据库中的文件目录所建立的，文件层次树模型的树节点包括：文件信息和文件信息对应的至少一个第二关键词编码，其中，第二关键词编码与关键词存在一一对应关系。
10.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
11.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
12.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的文件处理方法可以快捷、高效地对待处理文件进行文件处理。具体来说，造成相关的待处理文件处理不够快捷、高效地原因在于：操作过于复杂，且数据库中的文件过于繁多，导致文件处理效率过于复杂，文件搜索的时间较长，文件搜索所占用的搜索资源较多，导致效率较低。基于此，本公开的一些实施例的文件处理方法，首先，响应于检测到目标用户在文件处理界面所输入的文件处理信息，对上述文件处理信息进行语义提取，得到语义信息。在这里，通过文件处理界面输入文件处理信息，可以针对数据库中的文件处理提供了巨大的便利。目标用户不需要了解数据库的操作方法，仅需要输入文件处理信息，后续可以自动从目标数据库中针对文件处理信息对待处理文件进行文件处理。除此之外，通过对文件处理信息进行语义提取，以便于后续获取与文件处理信息戚戚相关的多个关键词。以此后续便于通过多个关键词来快速查询出待处理文件。然后，从上述语义信息提取多个关键词，以便于后续待处理文件的查询和确定待处理文件的处理方式。接着，确定上述多个关键词中的每个关键词对应的关键词性类型，以便于后续确定目标用户所输入的文件处理信息是否缺失关键文件处理内容。再接着，获取文件处理所需关键词性类型，得到所需关键词性类型集，以用于后续确定目标用户所输入的文件处理信息是否缺失关键文件处理内容。进一步，响应于确定上述多个关键词对应的关键词性类型集包括上述所需关键词性类型集，确定与上述所需关键词性类型集中的每个所需关键词性类型对应的关键词，得到关键词集，以用于后续待处理文件的查询和确定待处理文件的处理方式。进而，确定上述关键词集对应的第一关键词编码集以用于后续待处理文件的查询和确定待处理文件的处理方式。最后，根据上述第一关键词编码集，利用文件层次树模型，在目标数据库中可以高效、精准地对待处理文件进行文件处理。其中，上述文件层次树模型是基于目标数据库中的文件目录所建立的。文件层次树模型的树节点包括：文件信息和文件信息对应的至少一个第二关键词编码，其中，第二关键词编码与关键词存在一一对应关系。综上上述，通过文件处理界面中文件处理信息的输入，以及文件处理信息的一系列处理，利用文件层次树模型，在目标数据库中可以快捷、高效地对待处理文件进行文件处理。
附图说明
13.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
14.图1是根据本公开的文件处理方法的一些实施例的流程图；图2是根据本公开的文件处理装置的一些实施例的结构示意图；图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
15.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
16.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
17.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
18.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
19.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
20.下面将参考附图并结合实施例来详细说明本公开。
21.参考图1，示出了根据本公开的文件处理方法的一些实施例的流程100。该文件处理方法，包括以下步骤：步骤101，响应于检测到目标用户在文件处理界面所输入的文件处理信息，对上述文件处理信息进行语义提取，得到语义信息。
22.在一些实施例中，响应于检测到目标用户在文件处理界面所输入的文件处理信息，上述文件处理方法的执行主体可以对上述文件处理信息进行语义提取，得到语义信息。其中，目标用户可以是在文本处理界面上输入文件处理信息的用户。即，目标用户可以是文件处理界面的操作用户。文件处理界面可以是针对文件处理的信息输入界面。文件处理信息可以是文件的处理信息。例如，文件处理信息可以是以下之一：文件的查询信息，文件的获取信息，文件的加入信息，文件的调整信息。上述语义信息可以表征文件处理信息的文件内容。
23.作为示例，上述执行主体可以将文件处理信息输入至预先训练的语义提取网络模型，以生成语义信息。其中，语义提取网络模型可以是提取信息的语义内容的模型。例如，上述语义提取网络模型可以是长短期记忆(long short-term memory, lstm)网络模型。
24.例如，文件处理信息为“从目标数据库中提取文件a”。则语义信息可以是“提取文件a”。
25.步骤102，从上述语义信息提取多个关键词。
26.在一些实施例中，上述执行主体可以从上述语义信息提取多个关键词。其中，多个关键词可以是关键名词，也可以是关键动词，还可以是关键形容词。在此不再限定。
27.作为示例，上述执行主体可以将语义信息输入至预先训练的关键词提取网络模型，以得到多个关键词。其中，上述关键词提取网络模型可以是提取关键词的网络模型。例如，关键词提取网络模型可以是lstm网络模型。
28.例如，语义信息可以是“提取文件a”。则多个关键词包括：“提取”，“文件a”。
29.步骤103，确定上述多个关键词中的每个关键词对应的关键词性类型。
30.在一些实施例中，上述执行主体可以确定上述多个关键词中的每个关键词对应的关键词性类型。其中，关键词性类型可以包括但不限于以下至少一项：动词词性类型，名词词性类型，形容词词性类型。
31.作为示例，上述执行主体可以通过词性类型表，确定上述多个关键词中的每个关键词对应的关键词性类型。其中，词性类型表表征词性类型与词之间的关联关系。
32.例如，多个关键词包括：“提取”，“文件a”。则，“提取”对应的关键词性类型可以是动词词性类型。“文件a”可以是“名词词性类型”。
33.步骤104，获取文件处理所需关键词性类型，得到所需关键词性类型集。
34.在一些实施例中，上述执行主体可以通过有线方式或无线方式来获取文件处理所需关键词性类型，得到所需关键词性类型集。其中，所需关键词性类型集可以是对数据库中文件进行处理所必须有的关键词性类型。例如，所需关键词性类型集包括：动词词性类型，名词词性类型。
35.步骤105，响应于确定上述多个关键词对应的关键词性类型集包括上述所需关键词性类型集，确定与上述所需关键词性类型集中的每个所需关键词性类型对应的关键词，得到关键词集。
36.在一些实施例中，响应于确定上述多个关键词对应的关键词性类型集包括上述所需关键词性类型集，上述执行主体可以确定与上述所需关键词性类型集中的每个所需关键词性类型对应的关键词，得到关键词集。
37.作为示例，上述执行主体可以通过关键词查询的方式，确定与上述所需关键词性类型集中的每个所需关键词性类型对应的关键词，得到关键词集。
38.在一些实施例的一些可选的实现方式中，在上述响应于确定上述多个关键词对应的关键词性类型集包括上述所需关键词性类型集，确定与上述所需关键词性类型集中的每个所需关键词性类型对应的关键词，得到关键词集之后，还包括以下步骤：第一步，响应于确定上述多个关键词对应的关键词性类型集不包括上述所需关键词性类型集，确定差别关键词性类型集。其中，上述差别关键词性类型集为所需关键词性类型集中的子集，上述差别关键词性类型集与上述关键词性类型集不存在相同的关键词性类型。
39.第二步，生成针对上述差别关键词性类型集中的各个差别关键词性类型对应的信息询问文本。
40.第三步，在上述文件处理界面弹出信息填写弹窗，以供上述目标用户针对上述信息询问文本填写对应关键词集。
41.第四步，根据所填写的关键词集和上述多个关键词，确定针对上述所需关键词性
类型集对应的关键词集。
42.步骤106，确定上述关键词集对应的第一关键词编码集。
43.在一些实施例中，上述执行主体可以确定上述关键词集对应的第一关键词编码集。
44.作为示例，上述执行主体可以通过关键词编码表，来确定上述关键词集对应的第一关键词编码集。其中，关键词编码表可以表征关键词和关键词编码之间的关联关系。第一关键词编码集中的第一关键词编码与关键词集中的关键词存在一一对应关系。第一关键词编码可以表征对应关键词的身份信息（即标识信息）。
45.需要说明的是，存储第一关键词编码所消耗的存储空间小于存储对应关键词所消耗的存储空间。
46.可选地，上述关键词编码表是通过以下步骤生成的：第一步，获取常用关键词集。
47.第二步，将常用关键词集中的每个常用关键词输入至编码模型，以生成关键词编码，得到关键词编码集。其中，上述编码模型可以是对关键词进行编码的模型。上述编码模型可以是编码与解码网络模型中的第一编码模型。例如，第一编码模型可以是多层循环神经网络（recurrent neural network, rnn）模型。
48.第三步，根据上述关键词编码集和上述常用关键词集，生成关键词编码表。
49.作为示例，上述执行主体可以将关键词编码集与常用关键词集相匹配的方式，来生成关键词编码表。
50.步骤107，根据上述第一关键词编码集，利用文件层次树模型，在目标数据库中对待处理文件进行文件处理。
51.在一些实施例中，上述执行主体可以根据上述第一关键词编码集，利用文件层次树模型，通过各种方式来在目标数据库中对待处理文件进行文件处理。其中，上述文件层次树模型是基于目标数据库中的文件目录所建立的，文件层次树模型的树节点包括。文件信息和文件信息对应的至少一个第二关键词编码，其中，第二关键词编码与关键词存在一一对应关系。文件信息可以包括但不限于以下至少一项：文件名称，文件路径。
52.在一些实施例的一些可选的实现方式中，在步骤107之后，上述方法还包括：第一步，响应于确定上述待处理文件处理结束，确定上述待处理文件对应的文件信息和对应至少一个关键词。待处理文件对应的文件信息包括：文件路径和文件名称。
53.其中，待处理文件对应的至少一个关键词通过以下步骤生成：步骤1，确定待处理文件对应的文件内容文本和文本名称。
54.步骤2，对文件内容文本和文本名称进行分词处理，得到第一词集。
55.步骤3，提取上述文件内容文本的语义信息。
56.步骤4，从语义信息中提取多个词，得到第二词集。
57.步骤5，从上述第一词集中筛选出词频大于预定数目的词，得到筛选词集。
58.步骤6，将上述筛选词集和上述第二词集进行融合，得到融合后词集，作为至少一个关键词。
59.第二步，根据上述待处理文件对应的文件信息和对应至少一个关键词，对上述文件层次树模型进行模型更新。
60.作为示例，首先，上述执行主体可以根据待处理文件对应的文件信息包括的文件路径，来确定文件层次树中待处理的树节点。然后，获取与上述待处理文件相对应的动词词性类型的关键词。然后，将动词词性类型的关键词作为待处理文件的处理方式，来对文件层次树中待处理的树节点进行调整处理，得到调整后的文件层次数据模型。其中，调整处理可以包括：删除处理，添加处理，修改处理。
61.在一些实施例的一些可选的实现方式中，文件信息对应的至少一个第二关键词编码通过以下步骤生成：第一步，响应于确定文件信息对应文件不为空文件，确定上述文件对应的子文件集。
62.其中，子文件集为文件所包括的各个子文件。
63.第二步，确定上述子文件集中每个子文件的文件格式类型。
64.其中，文件格式类型可以是包括但不限于以下至少一项：文本文件类型、视频文件格式类型、音频文件格式类型。文本文件类型可以包括但不限于以下至少一项：txt文件格式，doc文件格式。视频文件格式类型可以包括但不限于以下至少一项：mp4格式，mov格式，avi格式。音频文件格式类型可以包括但不限于以下至少一项：mp3格式，wma格式。
65.第三步，响应于确定上述子文件集中的各个子文件的文件格式类型为第一文件格式类型，将各个子文件的文件名称确定为初始文本，得到初始文本集。其中，第一文件格式类型可以是文本文件类型。
66.第四步，对上述初始文本集中的各个初始文本进行文本分词，以生成至少一个第一词。
67.第五步，将上述至少一个第一词确定为至少一个第一关键词。
68.第六步，对上述至少一个第一关键词进行编码，得到至少一个第二关键词编码。
69.可选地，上述执行主体可以将至少一个第一关键词输入至编码与解码网络模型中的第二编码模型，以生成第二关键词编码，得到第二关键词编码集。
70.可选地，在上述对上述至少一个第一关键词进行编码，得到至少一个第二关键词编码之后，上述方法还包括以下步骤：第一步，响应于确定上述子文件集中的各个子文件的文件格式类型为第一文件格式类型和第二文件格式类型，将上述第二文件格式类型的至少一个子文件的文件名称进行分词，得到词集。其中，第二文件格式类型可以是视频文件格式类型或音频文件格式类型。
71.作为示例，上述执行主体可以利用结巴分词的方式，将上述第二文件格式类型的至少一个子文件的文件名称进行分词，得到词集。
72.第二步，对于上述至少一个子文件中的每个子文件，执行文本关键词提取步骤：第一子步骤，获取上述子文件对应的文件内容。
73.作为示例，针对子文件为视频文件格式类型，上述执行主体可以通过音频与文本转换模型，来获取子文件对应的文件内容。其中，音频与文本转换模型可以是将音频转换为文本的模型。例如，音频与文本转换模型可以是语音识别(automatic speech recognition，asr)模型。
74.作为又一个示例，针对子文件为音频文件格式类型，上述执行主体可以通过音频与文本转换模型，来获取子文件对应的文件内容。
75.第二子步骤，将文件内容输入至文本思想信息提取模型，以输出文本思想信息。其中，文本思想信息提取模型可以是提取文件内容的核心思想的模型。例如，文本思想信息提取模型可以是transformer 模型。
76.第三子步骤，提取上述文件内容中词频满足预设条件的词，作为关键词，得到内容关键词集。其中，预设条件可以是文件内容中词频大于目标数值的词。上述目标数值可以是预先设置的。例如，目标数值可以是10。
77.第四子步骤，对上述文本思想信息进行文本分词，以生成思想关键词，得到思想关键词集。
78.第五子步骤，将上述内容关键词集和上述思想关键词集进行词融合，得到融合词集。
79.第三步，从上述子文件集中去除上述至少一个子文件，得到去除后子文件集。
80.第四步，对上述去除后子文件集中的去除后子文件进行文本分词，以生成至少一个第二词。
81.第五步，将上述至少一个第二词确定为至少一个第二关键词。
82.第六步，将上述至少一个第二关键词和上述融合词集进行汇总，得到汇总词集。
83.第七步，对上述汇总词集中的词进行编码，得到至少一个第二关键词编码。
84.可选地，上述执行主体可以将文件内容输入至文本思想信息提取模型，以输出文本思想信息，包括以下步骤：第一步，将上述文件内容输入至文本领域类型确定模型，以输出文件内容对应的文本领域类型，作为目标文本领域类型。其中，文本领域类型确定模型可以是确定文件内容所涉及领域类型的内容。例如，文本领域类型可以是但不限于以下至少一项：计算机领域，化学领域，物理领域，文学领域。文本领域类型确定模型可以是lstm模型 多层卷积神经网络所组成的模型。
85.第二步，对上述文件内容进行分词处理，得到文本词集。
86.第三步，对上述文本词集中的文本词进行词筛选，以去除语气词，得到筛选文本词集。
87.第四步，对上述筛选文本词集进行去重处理，得到去重文本词集。
88.第五步，将去重文本词集中的各个去重文本词进行词编码处理，得到各个文本词向量。
89.第六步，对上述目标文本领域类型进行词编码处理，得到文本领域类型向量。
90.第七步，将上述各个文本词向量和文本领域类型向量输入至第一关联关系确定模型，得到针对各个文本词向量的各个第一分数。其中，各个文本词向量中的文本词向量与各个第一分数中的第一分数存在一一对应关系。第一关联关系确定模型可以是确定各个文本词向量与文本领域类型向量之间关联关系的模型。例如，第一关联关系确定模型可以是transformer模型。
91.第八步，将上述文件内容输入至文本问答任务确定模型，以输出文件内容对应的文本问题任务信息，作为目标文本问题任务信息。其中，文本问答任务确定模型可以是确定文本问答任务信息的模型。上述文本问答任务信息可以包括以下至少一项：表征文件内容为问答文本的任务信息，表征文件内容不为问答任务的任务信息。其中，文本问答任务确定
模型可以是多层lstm模型。
92.第九步，对上述目标文本问题任务信息进行词编码处理，得到文本问题任务信息向量。
93.第十步，将文本问题任务信息向量和上述各个文本词向量输入至第二关联关系确定模型，得到针对各个文本词向量的各个第二分数。其中，各个文本词向量中的文本词向量与各个第二分数中的第二分数存在一一对应关系。第二关联关系确定模型可以是确定各个文本词向量与文本问题任务信息向量之间关联关系的模型。例如，第二关联关系确定模型可以是transformer 模型。
94.第十一步，将上述文件内容输入至情感分析模型，以输出文件内容对应的情感分析信息，作为目标情感分析信息。其中，情感分析模型可以是生成情感分析信息的模型。例如，情感分析模型可以是多层lstm模型。情感分析信息可以是但不限于以下至少一项：积极情感信息，消极情感信息，中性情感信息。
95.第十二步，将上述目标情感分析信息进行编码，得到情感分析向量。
96.第十三步，将情感分析向量和上述各个文本词向量输入至第三关联关系确定模型，得到针对各个文本词向量的各个第三分数。其中，各个文本词向量中的文本词向量与各个第三分数中的第三分数存在一一对应关系。第三关联关系确定模型可以是确定各个文本词向量与情感分析向量之间关联关系的模型。例如，第三关联关系确定模型可以是transformer模型。
97.第十四步，将上述文件内容输入至意图识别模型，以输出文件内容对应的意图识别信息，作为目标意图识别信息。其中，意图识别模型可以是生成意图识别信息的模型。例如，意图识别信息可以是但不限于以下至少一项：天气查询信息，歌曲讨论信息，观点发表信息。上述意图识别模型可以是多层lstm模型。
98.第十五步，对上述目标意图识别信息进行编码，得到意图识别编码向量。
99.第十六步，将意图识别编码向量和上述各个文本词向量输入至第四关联关系确定模型，得到针对各个文本词向量的各个第四分数。其中，各个文本词向量中的文本词向量与各个第四分数中的第四分数存在一一对应关系。第四关联关系确定模型可以是确定各个文本词向量与意图识别编码向量之间关联关系的模型。例如，第四关联关系确定模型可以是transformer模型。
100.第十七步，对于各个文本词中的每个文本词，将上述文本词对应的第一分数、第二分数、第三分数和第四分数进行求平均处理，得到平均分数。
101.第十八步，将所得到的平均分数集进行由大到小的顺序进行排序，得到平均分数序列。
102.第十九步，将平均分数序列中前预定数目个平均分数对应的文本词确定为文本思想信息的关键词。
103.第二十步，将前预定数目个平均分数对应的文本词输入至文本生成模型，以生成文本思想信息。其中，文本生成模型可以是生成文本的模型。例如，文本生成模型可以是多层lstm模型。
104.上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“所生成针对文件内容的文本思想信息不够精准，导致后续待处理文件
处理不够精准。”。由此，通过文本领域类型确定模型、意图识别模型、情感分析模型和文本问答任务信息的模型，可以多方面的从文件内容中筛选出后续生成文本思想信息的核心关键词，以此保障文本思想信息的主旨准确性。进一步地，通过文本生成模型，可以准确地生成针对多个关键词的文本思想信息。
105.在一些实施例的一些可选的实现方式中，上述根据上述第一关键词编码集，利用文件层次树模型，在目标数据库中对待处理文件进行文件处理，可以包括以下步骤：第一步，将上述第一关键词编码集中的每个第一关键词编码输入至编码与解码网络模型中的解码模型，以生成第一解码词，得到第一解码词集。其中，上述编码与解码网络模型包括：第一编码模型、第二编码模型和解码模型。其中，第一编码模型和第二编码模型与解码模型存在一一对应关系。即，第一编码模型的输出编码信息、第二编码模型的输出编码信息和解码模型的输出解码信息存在一一对应关系。上述解码模型可以是多层lstm模型。
106.第二步，将上述第一解码词集中的每个第一解码词输入至上述第二编码模型，以生成第二关键词编码，得到第二关键词编码集。
107.第三步，根据上述第二关键词编码集，利用上述文件层次树模型，通过各种方式在上述目标数据库中对待处理文件进行文件处理。
108.可选地，上述根据上述第二关键词编码集，利用上述文件层次树模型，在上述目标数据库中对待处理文件进行文件处理，可以包括以下步骤：第一步，获取针对目标关键词性类型的多个第二关键词编码。其中，目标关键词性类型可以是动词词性类型。
109.第二步，确定上述第二关键词编码集与上述多个第二关键词编码之间重复的关键词编码，得到重复关键词编码集。
110.第三步，对上述重复关键词编码集进行去重，得到去重关键词编码集。
111.第四步，从上述第二关键词编码集中去除上述重复关键词编码集，得到去除关键词编码集。
112.第五步，将上述去重关键词编码集中的每个去重关键词输入至上述编码与解码网络模型中的解码模型，以生成第二解码词，得到第二解码词集。
113.第六步，利用上述文件层次树模型，确定与上述去除后关键词编码集相对应的文件集，作为待处理文件。
114.第七步，根据上述第二解码词集，在上述目标数据库中对待处理文件进行文件处理。
115.作为示例，上述执行主体可以将第二解码词集中的每个第二解码词作为待文件处理的处理动词，在上述目标数据库中对待处理文件进行文件处理。
116.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的文件处理方法可以快捷、高效地对待处理文件进行文件处理。具体来说，造成相关的待处理文件处理不够快捷、高效地原因在于：操作过于复杂，且数据库中的文件过于繁多，导致文件处理效率过于复杂，文件搜索的时间较长，文件搜索所占用的搜索资源较多，导致效率较低。基于此，本公开的一些实施例的文件处理方法，首先，响应于检测到目标用户在文件处理界面所输入的文件处理信息，对上述文件处理信息进行语义提取，得到语义信息。在这里，通过
文件处理界面输入文件处理信息，可以针对数据库中的文件处理提供了巨大的便利。目标用户不需要了解数据库的操作方法，仅需要输入文件处理信息，后续可以自动从目标数据库中针对文件处理信息对待处理文件进行文件处理。除此之外，通过对文件处理信息进行语义提取，以便于后续获取与文件处理信息戚戚相关的多个关键词。以此后续便于通过多个关键词来快速查询出待处理文件。然后，从上述语义信息提取多个关键词，以便于后续待处理文件的查询和确定待处理文件的处理方式。接着，确定上述多个关键词中的每个关键词对应的关键词性类型，以便于后续确定目标用户所输入的文件处理信息是否缺失关键文件处理内容。再接着，获取文件处理所需关键词性类型，得到所需关键词性类型集，以用于后续确定目标用户所输入的文件处理信息是否缺失关键文件处理内容。进一步，响应于确定上述多个关键词对应的关键词性类型集包括上述所需关键词性类型集，确定与上述所需关键词性类型集中的每个所需关键词性类型对应的关键词，得到关键词集，以用于后续待处理文件的查询和确定待处理文件的处理方式。进而，确定上述关键词集对应的第一关键词编码集以用于后续待处理文件的查询和确定待处理文件的处理方式。最后，根据上述第一关键词编码集，利用文件层次树模型，在目标数据库中可以高效、精准地对待处理文件进行文件处理。其中，上述文件层次树模型是基于目标数据库中的文件目录所建立的。文件层次树模型的树节点包括：文件信息和文件信息对应的至少一个第二关键词编码，其中，第二关键词编码与关键词存在一一对应关系。综上上述，通过文件处理界面中文件处理信息的输入，以及文件处理信息的一系列处理，利用文件层次树模型，在目标数据库中可以快捷、高效地对待处理文件进行文件处理。
117.进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种文件处理装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该文件处理装置具体可以应用于各种电子设备中。
118.如图2所示，一种文件处理装置200包括：语义提取单元201、提取单元202、第一确定单元203、获取单元204、第二确定单元205、第三确定单元206和文件处理单元207。其中，语义提取单元201，被配置成响应于检测到目标用户在文件处理界面所输入的文件处理信息，对上述文件处理信息进行语义提取，得到语义信息；提取单元202，被配置成从上述语义信息提取多个关键词；第一确定单元203，被配置成确定上述多个关键词中的每个关键词对应的关键词性类型；获取单元204，被配置成获取文件处理所需关键词性类型，得到所需关键词性类型集；第二确定单元205，被配置成响应于确定上述多个关键词对应的关键词性类型集包括上述所需关键词性类型集，确定与上述所需关键词性类型集中的每个所需关键词性类型对应的关键词，得到关键词集；第三确定单元206，被配置成确定上述关键词集对应的第一关键词编码集；文件处理单元207，被配置成根据上述第一关键词编码集，利用文件层次树模型，在目标数据库中对待处理文件进行文件处理，其中，上述文件层次树模型是基于目标数据库中的文件目录所建立的，文件层次树模型的树节点包括：文件信息和文件信息对应的至少一个第二关键词编码，其中，第二关键词编码与关键词存在一一对应关系。
119.可以理解的是，该文件处理装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于文件处理装置200及其中包含的单元，在此不再赘述。
120.下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备（例如，电
子设备）300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
121.如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（rom）302中的程序或者从存储装置308加载到随机访问存储器（ram）303中的程序而执行各种适当的动作和处理。在ram 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、rom 302以及ram 303通过总线304彼此相连。输入/输出（i/o）接口305也连接至总线304。
122.通常，以下装置可以连接至i/o接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（lcd）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
123.特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从rom 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
124.需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf（射频）等等，或者上述的任意合适的组合。
125.在一些实施方式中，客户端、服务器可以利用诸如http（hypertext transfer protocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“lan”），广域网（“wan”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网
络），以及任何当前已知或未来研发的网络。
126.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于检测到目标用户在文件处理界面所输入的文件处理信息，对上述文件处理信息进行语义提取，得到语义信息；从上述语义信息提取多个关键词；确定上述多个关键词中的每个关键词对应的关键词性类型；获取文件处理所需关键词性类型，得到所需关键词性类型集；响应于确定上述多个关键词对应的关键词性类型集包括上述所需关键词性类型集，确定与上述所需关键词性类型集中的每个所需关键词性类型对应的关键词，得到关键词集；确定上述关键词集对应的第一关键词编码集；根据上述第一关键词编码集，利用文件层次树模型，在目标数据库中对待处理文件进行文件处理，其中，上述文件层次树模型是基于目标数据库中的文件目录所建立的，文件层次树模型的树节点包括：文件信息和文件信息对应的至少一个第二关键词编码，其中，第二关键词编码与关键词存在一一对应关系。
127.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（lan）或广域网（wan）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
128.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
129.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括语义提取单元、提取单元、第一确定单元、获取单元、第二确定单元、第三确定单元和文件处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取文件处理所需关键词性类型，得到所需关键词性类型集的单元”。
130.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、片上系统（soc）、复杂可编程逻辑设备（cpld）等等。
131.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。