CN108170683A - 用于获取信息的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于获取信息的方法和装置。该方法的一具体实施方式包括：获取目标文档并对所述目标文档所包括的文本进行分词；响应于所述文本包括预设的目标词，在所述目标文档中，获取与所述目标词相邻的邻近词；确定所述目标词的邻近词和预设邻近词是否匹配；响应于确定匹配，将分词得到的词语和所述目标词输入预先训练的信息获取模型，得到所述目标词在所述文本中的描述信息，其中，所述信息获取模型用以表征所述目标词、所述目标词的邻近词与所述目标词的描述信息的对应关系。本申请实施例通过信息获取模型从目标文档中得到目标词准确的描述信息，提高了确定描述信息的准确度。

Description

用于获取信息的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于获取信息的方法和装置。

背景技术

在文档中通常有多种多样的信息。为了获得需要的信息，可以从文档中进行信息的抽取。比如，需要抽取的信息可以是各种字符，比如文字、数字等等。抽取的过程需要保证准确性，尤其在文档中的内容较多的情况下。在相关技术中，通常采用正则表达式等对文档中的内容进行遍历，以从文档中抽取信息。

发明内容

本申请实施例提出了用于获取信息的方法和装置。

第一方面，本申请实施例提供了一种用于获取信息的方法，包括：获取目标文档并对目标文档所包括的文本进行分词；响应于文本包括预设的目标词，在目标文档中，获取与目标词相邻的邻近词；确定目标词的邻近词和预设邻近词是否匹配；响应于确定匹配，将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息，其中，信息获取模型用以表征目标词、目标词的邻近词与目标词的描述信息的对应关系。

在一些实施例中，目标文档还包括表格；以及方法还包括：确定目标文档中的至少一个表格的表格信息，其中，表格信息包括以下的至少一项：表格在文档中的位置信息、表头文本和表头在表格中的行和/或列的序号；从至少一个表格中，确定表格信息与预设信息相匹配的表格为目标表格；从目标表格中提取目标词所在的行和/或列中的描述信息。

在一些实施例中，信息获取模型通过以下步骤训练得到：将目标词和目标词在文档中的邻近词作为输入，将目标词在文档中对应的描述信息作为输出，对初始信息获取模型进行训练，得到信息获取模型，其中，初始信息获取模型为神经网络模型或深度神经网络模型。

在一些实施例中，将分词得到的词语和目标词输入预先训练的信息获取模型，得到文本中与目标词对应的描述信息，包括：将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量；获取目标词的目标词向量，将目标词向量输入信息获取模型，利用信息获取模型基于各个词向量和目标词向量的距离，得到从信息获取模型输出的目标词的描述信息。

在一些实施例中，在将分词得到的各个词语输入预先训练的信息获取模型之前，方法还包括：在文本中，确定目标词的上下文在目标文档中的位置是否与预设位置信息匹配；以及将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量，包括：响应于确定目标词的上下文在目标文档中的位置与预设位置信息匹配，将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量。

在一些实施例中，预设信息包括预设位置信息、预设行和/或列序号和目标词；以及从至少一个表格中，确定表格信息与预设信息相匹配的表格为目标表格，包括：从至少一个表格中，确定位置信息包含于预设位置信息的表格；在从至少一个表格中所确定的各个表格中，确定表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格；从各个表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格中，确定表头文本包括目标词的表格为目标表格。

在一些实施例中，表格信息还包括表格的上下文的位置信息，预设信息还包括预设上下文的位置信息；以及从至少一个表格中，确定位置信息包含于预设位置信息的表格，包括：从至少一个表格中，确定位置信息包含于预设位置信息且上下文的位置信息包含于预设上下文位置信息的表格。

第二方面，本申请实施例提供了一种用于获取信息的装置，包括：分词单元，配置用于获取目标文档并对目标文档所包括的文本进行分词；获取单元，配置用于响应于文本包括预设的目标词，在目标文档中，获取与目标词相邻的邻近词；确定单元，配置用于确定目标词的邻近词和预设邻近词是否匹配；描述信息确定单元，配置用于响应于确定匹配，将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息，其中，信息获取模型用以表征目标词、目标词的邻近词与目标词的描述信息的对应关系。

在一些实施例中，目标文档还包括表格；以及装置还包括：信息确定单元，配置用于确定目标文档中的至少一个表格的表格信息，其中，表格信息包括以下的至少一项：表格在文档中的位置信息、表头文本和表头在表格中的行和/或列的序号；目标确定单元，配置用于从至少一个表格中，确定表格信息与预设信息相匹配的表格为目标表格；提取单元，配置用于从目标表格中提取目标词所在的行和/或列中的描述信息。

在一些实施例中，信息获取模型通过以下步骤训练得到：将目标词和目标词在文档中的邻近词作为输入，将目标词在文档中对应的描述信息作为输出，对初始信息获取模型进行训练，得到信息获取模型，其中，初始信息获取模型为神经网络模型或深度神经网络模型。

在一些实施例中，描述信息确定单元，包括：输入模块，配置用于将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量；输出模块，配置用于获取目标词的目标词向量，将目标词向量输入信息获取模型，利用信息获取模型基于各个词向量和目标词向量的距离，得到从信息获取模型输出的目标词的描述信息。

在一些实施例中，装置还包括：匹配确定单元，配置用于在文本中，确定目标词的上下文在目标文档中的位置是否与预设位置信息匹配；以及输入模块，进一步配置用于：响应于确定目标词的上下文在目标文档中的位置与预设位置信息匹配，将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量。

在一些实施例中，预设信息包括预设位置信息、预设行和/或列序号和目标词；以及目标确定单元，包括：第一确定模块，配置用于从至少一个表格中，确定位置信息包含于预设位置信息的表格；第二确定模块，配置用于在从至少一个表格中所确定的各个表格中，确定表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格；第三确定模块，配置用于从各个表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格中，确定表头文本包括目标词的表格为目标表格。

在一些实施例中，表格信息还包括表格的上下文的位置信息，预设信息还包括预设上下文的位置信息；以及第一确定模块，进一步配置用于：从至少一个表格中，确定位置信息包含于预设位置信息且上下文的位置信息包含于预设上下文位置信息的表格。

第三方面，本申请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，用于存储一个或多个程序，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用于获取信息的方法中任一实施例的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如用于获取信息的方法中任一实施例的方法。

本申请实施例提供的用于获取信息的方法和装置，首先，获取目标文档并对目标文档所包括的文本进行分词；响应于文本包括预设的目标词，在目标文档中，获取与目标词相邻的邻近词。之后，确定目标词的邻近词和预设邻近词是否匹配。最后，响应于确定匹配，将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息，其中，信息获取模型用以表征目标词、目标词的邻近词与目标词的描述信息的对应关系。本申请实施例通过信息获取模型从目标文档中得到目标词准确的描述信息，提高了确定描述信息的准确度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于获取信息的方法的一个实施例的流程图；

图3是根据本申请的用于获取信息的方法的一个应用场景的示意图；

图4是根据本申请的用于获取信息的方法的又一个实施例的流程图；

图5是根据本申请的用于获取信息的方法的又一个实施例的流程图；

图6是根据本申请的用于获取信息的方法的又一个实施例的流程图；

图7是根据本申请的用于获取信息的方法的又一个实施例的流程图；

图8是根据本申请的用于获取信息的装置的一个实施例的结构示意图；

图9是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。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。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于获取信息的方法或用于获取信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如文档显示器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持文档显示的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的描述信息提供支持的后台服务器。后台服务器可以对获取到的目标文档等数据进行分析等处理，并将处理结果(例如描述信息)反馈给终端设备。

需要说明的是，本申请实施例所提供的用于获取信息的方法可以由终端设备101、102、103或服务器105执行，相应地，用于获取信息的装置可以设置于终端设备101、102、103或服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的用于获取信息的方法的一个实施例的流程200。该用于获取信息的方法，包括以下步骤：

步骤201，获取目标文档并对目标文档所包括的文本进行分词。

在本实施例中，用于获取信息的方法运行于其上的电子设备(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从本地或者其他电子设备获取目标文档，之后对目标文档所包括的文本进行分词。分词也即切词，指将文本切分为单独的词语。目标文档也可以包括表格，这里的文本通常不包括表格中的文本。目标文档为人为指定或者机器按照预设规则指定的文档。

步骤202，响应于文本包括预设的目标词，在目标文档中，获取与目标词相邻的邻近词。

在本实施例中，上述电子设备在文本包括预设的目标词的情况下，做出响应：在目标文档中，获取与目标词相邻的邻近词。这里的邻近词可以指位于目标词前和/或后位置的词语，可以是一个或两个以上。也即在文本中，位于目标词前的至少一个词语，以及位于目标词后的至少一个词语。预设的目标词为预先指定的词语，可以是在先或者实时获取的。

步骤203，确定目标词的邻近词和预设邻近词是否匹配。

在本实施例中，上述电子设备确定所获取的邻近词和预设邻近词是否匹配。在这里，匹配可以指邻近词与预设邻近词相同或同义，也可以指两者的词语或词义的相似度高于阈值。

步骤204，响应于确定匹配，将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息。

在本实施例中，上述电子设备在确定所获取的邻近词和预设邻近词匹配之后，则做出响应：将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息。在这里，分词得到的词语包括目标词的临近词。其中，信息获取模型用以表征目标词、目标词的邻近词与目标词的描述信息的对应关系。也即，向信息获取模型输入目标词和邻近词，则可以从模型中输出目标词在文本中的描述信息。描述信息指描述目标词的信息。比如，目标词为“房价”，描述信息为“1万元”。目标词为“外貌”，描述词为“高大”。在这里，输入的词语和目标词可以是词语本身和/或目标词本身，也可以是向量化的词语和/或向量化的目标词。

在实践中，信息获取模型可以是表征上述对应关系的对应关系表。也可以是表征上述对应关系的神经网络模型等等。

在本实施例的一些可选的实现方式中，信息获取模型可以通过以下步骤训练得到：

将目标词和目标词在文档中的邻近词作为输入，将目标词在文档中对应的描述信息作为输出，对初始信息获取模型进行训练，得到信息获取模型。

在本实施例的一些可选的实现方式中，初始信息获取模型为神经网络模型或深度神经网络模型。

此外，初始信息获取模型还可以是skip-gram模型。

本实施例通过信息获取模型，更加准确地获取目标词的描述信息。同时，本实施例根据目标词的邻近词进一步提高了确定描述信息的准确度。

继续参见图3，图3是根据本实施例的用于获取信息的方法的应用场景的一个示意图。在图3的应用场景中，电子设备301从本地或者其他电子设备302获取文档303并对文档303所包括的文本进行分词；响应于文本包括预设的目标词304“房价”，在目标文档中，获取与目标词304相邻的邻近词305“地区”和“价格”；确定目标词304的邻近词305和预设邻近词是否匹配；响应于确定匹配，将分词得到的词语306和目标词304输入预先训练的信息获取模型，得到目标词304在文本中的描述信息307“1万元”，其中，信息获取模型用以表征目标词304、目标词304的邻近词305与目标词的描述信息307的对应关系。

本申请的上述实施例提供的方法通过信息获取模型从目标文档中得到目标词准确的描述信息，提高了确定描述信息的准确度。

进一步参考图4，其示出了用于获取信息的方法的又一个实施例的流程400。该用于获取信息的方法的流程400，包括以下步骤：

步骤401，获取目标文档并对目标文档所包括的文本进行分词。

在本实施例中，用于获取信息的方法运行于其上的电子设备(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从本地或者其他电子设备获取目标文档，之后对目标文档所包括的文本进行分词。分词也即切词，指将文本切分为单独的词语。目标文档也包括表格，这里的文本通常不包括表格中的文本。目标文档为人为指定或者机器按照预设规则指定的文档。

步骤402，响应于文本包括预设的目标词，在目标文档中，获取与目标词相邻的邻近词。

在本实施例中，上述电子设备在文本包括预设的目标词的情况下，做出响应：在目标文档中，获取与目标词相邻的邻近词。这里的邻近词可以指位于目标词前后位置的词语。也即在文本中，位于目标词前的至少一个词语，以及位于目标词后的至少一个词语。预设的目标词为预先指定的词语。

步骤403，确定目标词的邻近词和预设邻近词是否匹配。

在本实施例中，上述电子设备确定所获取的邻近词和预设邻近词是否匹配。在这里，匹配可以指邻近词与预设邻近词相同或同义，也可以指两者的词语的词义的相似度在预设阈值以上。比如，可以基于预设的词典确定词语的词义，进而确定邻近词与预设邻近词之间的相似度。

步骤404，响应于确定匹配，将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息。

在本实施例中，上述电子设备在确定所获取的邻近词和预设邻近词匹配之后，则做出响应：将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息。其中，信息获取模型用以表征目标词、目标词的邻近词与目标词的描述信息的对应关系。也即，向信息获取模型输入目标词和邻近词，则可以从模型中输出目标词在文本中的描述信息。描述信息指描述目标词的信息。在实践中，信息获取模型可以是表征上述对应关系的对应关系表。也可以是表征上述对应关系的神经网络模型等等。

步骤405，确定目标文档中的至少一个表格的表格信息。

在本实施例中，上述电子设备可以确定上述目标文档中的至少一个表格的表格信息。表格信息包括表格在文档中的位置信息、表头文本和表头在表格中的行和/或列的序号。表格在文档中的位置信息可以包括标题、副标题、段落1和段落2等等。表头在表格中的行和/或列的序号指表头位于表格的第几行和/或第几列。在这里，表头可能位于不止一行和/或一列中。比如，表头可以位于表格的第一行、第二行，以及第二列。表头文本指表头所包括的字符，一般以文字的形式呈现。

步骤406，从至少一个表格中，确定表格信息与预设信息相匹配的表格为目标表格。

在本实施例中，上述电子设备从上述至少一个表格中，确定表格信息与预设信息相匹配的表格，并将所确定的表格作为目标表格。在实践中，相匹配可以指两者完全一致。在这里，位置信息、表头文本和表头在表格中的行和/或列的序号中的至少一项与预设信息是匹配的。对于表头文本，也可以指词语的相似度高于预设阈值。位置信息所对应的预设信息可以是文字，比如“标题”，也可以是段落序号的范围等等。如果位置信息与预设信息相同，或者落在预设信息所指示的范围内，则可以确定位置信息与预设信息匹配。

步骤407，从目标表格中提取目标词所在的行和/或列中的描述信息。

在本实施例中，上述电子设备在确定目标表格之后，确定目标词在目标表格中的行和/或列。之后提取目标词所在的行和/或列中的描述信息。

具体地，可以基于行和/或列的序号确定目标词所在的行和/或列，也可以通过其他方式定位目标词所在的行和/或列。在确定行和/或列之后，可以从所确定的行和/或列中提取信息，并将提取的信息作为上述目标词的描述信息。比如，目标词为“房价”和“北京”，“房价”对应表格中的第二行，“北京”对应表格中的第三列。则可以判断，描述信息在表格的第二行、第三列。目标词为“北京”，“北京”对应表格中的第一行、第二列，因为表格中第一行的内容为表头，可以只提取第二列的内容。

本实施例通过表格信息以及目标词在目标表格中的行和/或列，准确地从表格中提取描述信息。

进一步参考图5，其示出了用于获取信息的方法的又一个实施例的流程500。该用于获取信息的方法的流程500，包括以下步骤：

步骤501，获取目标文档并对目标文档所包括的文本进行分词。

在本实施例中，用于获取信息的方法运行于其上的电子设备(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从本地或者其他电子设备获取目标文档，之后对目标文档所包括的文本进行分词。分词也即切词，指将文本切分为单独的词语。目标文档也可以包括表格，这里的文本通常不包括表格中的文本。目标文档为人为指定或者机器按照预设规则指定的文档。

步骤502，响应于文本包括预设的目标词，在目标文档中，获取与目标词相邻的邻近词。

在本实施例中，上述电子设备在文本包括预设的目标词的情况下，做出响应：在目标文档中，获取与目标词相邻的邻近词。这里的邻近词可以指位于目标词前后位置的词语。也即在文本中，位于目标词前的至少一个词语，以及位于目标词后的至少一个词语。预设的目标词为预先指定的词语。

步骤503，确定目标词的邻近词和预设邻近词是否匹配。

在本实施例中，上述电子设备确定所获取的邻近词和预设邻近词是否匹配。在这里，匹配可以指邻近词与预设邻近词相同或同义，也可以指两者的词语的相似度在预设阈值以上。比如，词语“大批”和“大型”有一个字相同，相似度为50％。预设阈值为50％，则这两个词匹配。

步骤504，在文本中，确定目标词的上下文在目标文档中的位置是否与预设位置信息匹配。

在本实施例中，上述电子设备在上述文本中，确定目标词的上下文在目标文档中的位置是否与预设位置信息匹配。这里的上下文可以指目标词所在段落的前一个(或两个以上)部分(比如段落或标题)和/或后一个(或两个以上)部分。如果位置与预设位置信息所指示的位置相同，或者落在位置信息所指示的位置的范围内，则可以确定上下文的位置与预设位置信息匹配。

步骤505，响应于确定目标词的上下文在目标文档中的位置与预设位置信息匹配，将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量。

在本实施例中，上述电子设备响应于确定目标词的上下文在目标文档中的位置与预设位置信息匹配，将分词得到的各个词语输入预先训练的信息获取模型，得到与各个词语对应的各个词向量。也即，模型对各个词语进行了向量化，从而得到了向量化的各个词语。比如，向量化可以采用word embedding，通过该方式进行向量化则可以得到词向量。

步骤506，获取目标词的目标词向量，将目标词向量输入信息获取模型，利用信息获取模型基于各个词向量和目标词向量的距离，得到从信息获取模型输出的目标词的描述信息。

在本实施例中，上述电子设备获取目标词的目标词向量，将目标词向量输入信息获取模型，利用信息获取模型，并且基于各个词向量和目标词向量的距离，得到目标词的描述信息。

向量化的词语可以表现在坐标系中，两个词语的词义越近，这两个词语的向量之间的距离越小。在信息获取模型中，可以将各个词向量和目标词向量排布在坐标系中，从而呈现出直观的类似于聚类的效果。上述电子设备将与目标词向量距离较近的词向量对应的词语，作为描述信息。与目标词向量距离较近的词向量可以是与目标词向量的距离在预设距离阈值以下的词向量，也可以是按照与目标词向量距离从近到远的顺序，所选取的预设数量的词向量。描述信息可以从信息获取模型直接输出，具体地，描述信息可以是信息获取模型中的与目标词向量距离较近的词向量所对应的词语，或者由词向量转换得到的。

本实施例基于各个词向量与目标词向量之间的距离得到描述信息，并将目标词的上下文的在目标文档中的位置与预设位置信息进行匹配，进一步准确地确定出目标词的描述信息。

进一步参考图6，其示出了用于获取信息的方法的又一个实施例的流程600。该用于获取信息的方法的流程600，包括以下步骤：

步骤601，获取目标文档并对目标文档所包括的文本进行分词。

在本实施例中，用于获取信息的方法运行于其上的电子设备(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从本地或者其他电子设备获取目标文档，之后对目标文档所包括的文本进行分词。分词也即切词，指将文本切分为单独的词语。目标文档也包括表格，这里的文本通常不包括表格中的文本。目标文档为人为指定或者机器按照预设规则指定的文档。

步骤602，响应于文本包括预设的目标词，在目标文档中，获取与目标词相邻的邻近词。

在本实施例中，上述电子设备在文本包括预设的目标词的情况下，做出响应：在目标文档中，获取与目标词相邻的邻近词。这里的邻近词可以指位于目标词前后位置的词语。也即在文本中，位于目标词前的至少一个词语，以及位于目标词后的至少一个词语。预设的目标词为预先指定的词语。

步骤603，确定目标词的邻近词和预设邻近词是否匹配。

在本实施例中，上述电子设备确定所获取的邻近词和预设邻近词是否匹配。在这里，匹配可以指邻近词与预设邻近词相同或同义，也可以指两者的词语的相似度在预设阈值以上。比如，可以基于预设的词典确定词语的词义，进而确定邻近词与预设邻近词之间的相似度。

步骤604，响应于确定匹配，将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息。

在本实施例中，上述电子设备在确定所获取的邻近词和预设邻近词匹配之后，则做出响应：将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息。其中，信息获取模型用以表征目标词、目标词的邻近词与目标词的描述信息的对应关系。也即，向信息获取模型输入目标词和邻近词，则可以从模型中输出目标词在文本中的描述信息。描述信息指描述目标词的信息。在实践中，信息获取模型可以是表征上述对应关系的对应关系表。也可以是表征上述对应关系的神经网络模型等等。

步骤605，确定目标文档中的至少一个表格的表格信息。

在本实施例中，上述电子设备可以确定上述目标文档中的至少一个表格的表格信息。表格信息包括表格在文档中的位置信息、表头文本和表头在表格中的行和/或列的序号。表格在文档中的位置信息可以包括标题、副标题、段落1和段落2等等。表头在表格中的行和/或列的序号指表头位于表格的第几行和/或第几列。在这里，表头可能位于不止一行和/或一列中。比如，表头可以位于表格的第一行、第二行，以及第二列。表头文本指表头所包括的字符，一般以文字的形式呈现。

步骤606，从至少一个表格中，确定位置信息包含于预设位置信息的表格。

在本实施例中，上述电子设备从上述至少一个表格中，确定表格，所确定的表格在文档中的位置信息包含于预设位置信息，也即，表格的位置信息在预设位置信息的范围内。

步骤607，在从至少一个表格中所确定的各个表格中，确定表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格。

在本实施例中，上述电子设备在步骤606所确定的各个表格中确定表格，表头在表格中的行和/或列的序号包含于预设行和/或列序号，也即在预设行和/或列序号的范围内。

步骤608，从各个表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格中，确定表头文本包括目标词的表格为目标表格。

在本实施例中，上述电子设备从步骤607所确定的表格中，确定目标表格，目标表格的表头文本包括目标词。

步骤609，从目标表格中提取目标词所在的行和/或列中的描述信息。

在本实施例中，上述电子设备在确定目标表格之后，确定目标词在目标表格中的行和/或列。之后提取目标词所在的行和/或列中的描述信息。

具体地，可以基于行和/或列的序号确定目标词所在的行和/或列，也可以通过其他方式定位目标词所在的行和/或列。在确定行和/或列之后，可以从所确定的行和/或列中提取信息，并将提取的信息作为上述目标词的描述信息。比如，目标词为“房价”和“北京”，“房价”对应表格中的第二行，“北京”对应表格中的第三列。则可以判断，描述信息在表格的第二行、第三列。目标词为“北京”，“北京”对应表格中的第一行、第二列，因为表格中第一行的内容为表头，可以只提取第二列的内容。

本实施例通过将表格信息与各个预设信息进行一一匹配，准确地确定出包括描述信息的目标表格。

进一步参考图7，其示出了用于获取信息的方法的又一个实施例的流程700。该用于获取信息的方法的流程700，包括以下步骤：

步骤701，获取目标文档并对目标文档所包括的文本进行分词。

在本实施例中，用于获取信息的方法运行于其上的电子设备(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从本地或者其他电子设备获取目标文档，之后对目标文档所包括的文本进行分词。分词也即切词，指将文本切分为单独的词语。目标文档也包括表格，这里的文本通常不包括表格中的文本。目标文档为人为指定或者机器按照预设规则指定的文档。

步骤702，响应于文本包括预设的目标词，在目标文档中，获取与目标词相邻的邻近词。

在本实施例中，上述电子设备在文本包括预设的目标词的情况下，做出响应：在目标文档中，获取与目标词相邻的邻近词。这里的邻近词可以指位于目标词前后位置的词语。也即在文本中，位于目标词前的至少一个词语，以及位于目标词后的至少一个词语。预设的目标词为预先指定的词语。

步骤703，确定目标词的邻近词和预设邻近词是否匹配。

在本实施例中，上述电子设备确定所获取的邻近词和预设邻近词是否匹配。在这里，匹配可以指邻近词与预设邻近词相同或同义，也可以指两者的词语的相似度在预设阈值以上。比如，可以基于预设的词典确定词语的词义，进而确定邻近词与预设邻近词之间的相似度。

步骤704，响应于确定匹配，将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息。

在本实施例中，上述电子设备在确定所获取的邻近词和预设邻近词匹配之后，则做出响应：将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息。其中，信息获取模型用以表征目标词、目标词的邻近词与目标词的描述信息的对应关系。也即，向信息获取模型输入目标词和邻近词，则可以从模型中输出目标词在文本中的描述信息。描述信息指描述目标词的信息。在实践中，信息获取模型可以是表征上述对应关系的对应关系表。也可以是表征上述对应关系的神经网络模型等等。

步骤705，确定目标文档中的至少一个表格的表格信息。

在本实施例中，上述电子设备可以确定上述目标文档中的至少一个表格的表格信息。表格信息包括表格在文档中的位置信息、表头文本和表头在表格中的行和/或列的序号。表格在文档中的位置信息可以包括标题、副标题、段落1和段落2等等。表头在表格中的行和/或列的序号指表头位于表格的第几行和/或第几列。在这里，表头可能位于不止一行和/或一列中。比如，表头可以位于表格的第一行、第二行，以及第二列。表头文本指表头所包括的字符，一般以文字的形式呈现。

步骤706，从至少一个表格中，确定位置信息包含于预设位置信息且上下文的位置信息包含于预设上下文位置信息的表格。

在本实施例中，表格信息还包括表格的上下文的在目标文档中的位置信息，预设信息还包括预设上下文的位置信息。上述电子设备从上述至少一个表格中，确定位置信息包含于预设位置信息且上下文的位置信息包含于预设上下文的位置信息的表格。具体地，表格的位置信息在预设位置信息的范围内，且上下文的位置信息在预设上下文位置信息的范围内。这里的上下文可以指表格所在段落的前一个(或两个以上)段落和后一个(或两个以上)段落。

步骤707，在从至少一个表格中所确定的各个表格中，确定表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格。

在本实施例中，上述电子设备在步骤606所确定的各个表格中确定表格，表头在表格中的行和/或列的序号包含于预设行和/或列序号，也即在预设行和/或列序号的范围内。

步骤708，从各个表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格中，确定表头文本包括目标词的表格为目标表格。

在本实施例中，上述电子设备从步骤607所确定的表格中，确定目标表格，目标表格的表头文本包括目标词。

步骤709，从目标表格中提取目标词所在的行和/或列中的描述信息。

在本实施例中，上述电子设备在确定目标表格之后，确定目标词在目标表格中的行和/或列。之后提取目标词所在的行和/或列中的描述信息。

具体地，可以基于行和/或列的序号确定目标词所在的行和/或列，也可以通过其他方式定位目标词所在的行和/或列。在确定行和/或列之后，可以从所确定的行和/或列中提取信息，并将提取的信息作为上述目标词的描述信息。比如，目标词为“房价”和“北京”，“房价”对应表格中的第二行，“北京”对应表格中的第三列。则可以判断，描述信息在表格的第二行、第三列。目标词为“北京”，“北京”对应表格中的第一行、第二列，因为表格中第一行的内容为表头，可以只提取第二列的内容。

本实施例不仅可以通过段落序号确定表格，还可以通过表格的上下文的段落序号，更加准确地确定表格。

进一步参考图8，作为对上述各图所示方法的实现，本申请提供了一种用于获取信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图8所示，本实施例的用于获取信息的装置800包括：分词单元801、获取单元802、确定单元803和描述信息确定单元804。其中，分词单元801，配置用于获取目标文档并对目标文档所包括的文本进行分词；获取单元802，配置用于响应于文本包括预设的目标词，在目标文档中，获取与目标词相邻的邻近词；确定单元803，配置用于确定目标词的邻近词和预设邻近词是否匹配；描述信息确定单元804，配置用于响应于确定匹配，将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息，其中，信息获取模型用以表征目标词、目标词的邻近词与目标词的描述信息的对应关系。

在本实施例中，分词单元801可以通过有线连接方式或者无线连接方式从本地或者其他电子设备获取目标文档，之后对目标文档所包括的文本进行分词。分词也即切词，指将文本切分为单独的词语。目标文档也可以包括表格，这里的文本通常不包括表格中的文本。目标文档为人为指定或者机器按照预设规则指定的文档。

在本实施例中，获取单元802在文本包括预设的目标词的情况下，做出响应：在目标文档中，获取与目标词相邻的邻近词。这里的邻近词可以指位于目标词前后位置的词语。也即在文本中，位于目标词前的至少一个词语，以及位于目标词后的至少一个词语。预设的目标词为预先指定的词语。

在本实施例中，确定单元803确定所获取的邻近词和预设邻近词是否匹配。在这里，匹配可以指邻近词与预设邻近词相同或同义，也可以指两者的词语或词义的相似度高于阈值。

在本实施例中，描述信息确定单元804在确定所获取的邻近词和预设邻近词匹配之后，则做出响应：将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息。其中，信息获取模型用以表征目标词、目标词的邻近词与目标词的描述信息的对应关系。也即，向信息获取模型输入目标词和邻近词，则可以从模型中输出目标词在文本中的描述信息。描述信息指描述目标词的信息。比如，目标词为房价，描述信息为1万元。在这里，输入的词语、目标词可以是词语本身、目标词本身，也可以是向量化的词语、向量化的目标词。

在本实施例的一些可选的实现方式中，在一些实施例中，目标文档还包括表格；以及装置还包括：信息确定单元，配置用于确定目标文档中的至少一个表格的表格信息，其中，表格信息包括以下的至少一项：表格在文档中的位置信息、表头文本和表头在表格中的行和/或列的序号；目标确定单元，配置用于从至少一个表格中，确定表格信息与预设信息相匹配的表格为目标表格；提取单元，配置用于从目标表格中提取目标词所在的行和/或列中的描述信息。

在本实施例的一些可选的实现方式中，信息获取模型通过以下步骤训练得到：将目标词和目标词在文档中的邻近词作为输入，将目标词在文档中对应的描述信息作为输出，对初始信息获取模型进行训练，得到信息获取模型，其中，初始信息获取模型为神经网络模型或深度神经网络模型。

在本实施例的一些可选的实现方式中，描述信息确定单元，包括：输入模块，配置用于将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量；输出模块，配置用于获取目标词的目标词向量，将目标词向量输入信息获取模型，利用信息获取模型基于各个词向量和目标词向量的距离，得到从信息获取模型输出的目标词的描述信息。

在本实施例的一些可选的实现方式中，装置还包括：匹配确定单元，配置用于在文本中，确定目标词的上下文在目标文档中的位置是否与预设位置信息匹配；以及输入模块，进一步配置用于：响应于确定目标词的上下文在目标文档中的位置与预设位置信息匹配，将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量。

在本实施例的一些可选的实现方式中，预设信息包括预设位置信息、预设行和/或列序号和目标词；以及目标确定单元，包括：第一确定模块，配置用于从至少一个表格中，确定位置信息包含于预设位置信息的表格；第二确定模块，配置用于在从至少一个表格中所确定的各个表格中，确定表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格；第三确定模块，配置用于从各个表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格中，确定表头文本包括目标词的表格为目标表格。

在本实施例的一些可选的实现方式中，表格信息还包括表格的上下文的位置信息，预设信息还包括预设上下文的位置信息；以及第一确定模块，进一步配置用于：从至少一个表格中，确定位置信息包含于预设位置信息且上下文的位置信息包含于预设上下文位置信息的表格。

下面参考图9，其示出了适于用来实现本申请实施例的电子设备的计算机系统900的结构示意图。图9示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图9所示，计算机系统900包括中央处理单元(CPU)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。

特别地，根据本公开的实施例，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。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请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。在本申请中，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。而在本申请中，计算机可读的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。计算机可读的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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、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。

描述于本申请实施例中所涉及到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：一种处理器包括获分词单元、获取单元、确定单元和描述信息确定单元。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“获取与目标词相邻的邻近词的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。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装置执行时，使得该装置：获取目标文档并对目标文档所包括的文本进行分词；响应于文本包括预设的目标词，在目标文档中，获取与目标词相邻的邻近词；确定目标词的邻近词和预设邻近词是否匹配；响应于确定匹配，将分词得到的词语和目标词输入预先训练的信息获取模型，得到目标词在文本中的描述信息，其中，信息获取模型用以表征目标词、目标词的邻近词与目标词的描述信息的对应关系。

以上描述仅为本申请的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，本申请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。例如上述特征与本申请中公开的(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。

Claims (16)

1.一种用于获取信息的方法，包括：

获取目标文档并对所述目标文档所包括的文本进行分词；

响应于所述文本包括预设的目标词，在所述目标文档中，获取与所述目标词相邻的邻近词；

确定所述目标词的邻近词和预设邻近词是否匹配；

响应于确定匹配，将分词得到的词语和所述目标词输入预先训练的信息获取模型，得到所述目标词在所述文本中的描述信息，其中，所述信息获取模型用以表征所述目标词、所述目标词的邻近词与所述目标词的描述信息的对应关系。

2.根据权利要求1所述的用于获取信息的方法，其中，所述目标文档还包括表格；以及

所述方法还包括：

确定所述目标文档中的至少一个表格的表格信息，其中，所述表格信息包括以下的至少一项：表格在文档中的位置信息、表头文本和表头在表格中的行和/或列的序号；

从所述至少一个表格中，确定表格信息与预设信息相匹配的表格为目标表格；

从所述目标表格中提取目标词所在的行和/或列中的描述信息。

3.根据权利要求1所述的用于获取信息的方法，其中，所述信息获取模型通过以下步骤训练得到：

将目标词和目标词在文档中的邻近词作为输入，将目标词在所述文档中对应的描述信息作为输出，对初始信息获取模型进行训练，得到所述信息获取模型，其中，所述初始信息获取模型为神经网络模型或深度神经网络模型。

4.根据权利要求1所述的用于获取信息的方法，其中，所述将分词得到的词语和所述目标词输入预先训练的信息获取模型，得到所述文本中与所述目标词对应的描述信息，包括：

将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量；

获取目标词的目标词向量，将所述目标词向量输入所述信息获取模型，利用所述信息获取模型基于各个词向量和所述目标词向量的距离，得到从所述信息获取模型输出的所述目标词的描述信息。

5.根据权利要求4所述的用于获取信息的方法，其中，在所述将分词得到的各个词语输入预先训练的信息获取模型之前，所述方法还包括：

在所述文本中，确定所述目标词的上下文在所述目标文档中的位置是否与预设位置信息匹配；以及

所述将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量，包括：

响应于确定所述目标词的上下文在所述目标文档中的位置与预设位置信息匹配，将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量。

6.根据权利要求2所述的用于获取信息的方法，其中，所述预设信息包括预设位置信息、预设行和/或列序号和所述目标词；以及

所述从所述至少一个表格中，确定表格信息与预设信息相匹配的表格为目标表格，包括：

从所述至少一个表格中，确定位置信息包含于预设位置信息的表格；

在从所述至少一个表格中所确定的各个表格中，确定表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格；

从各个表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格中，确定表头文本包括所述目标词的表格为目标表格。

7.根据权利要求6所述的用于获取信息的方法，其中，所述表格信息还包括表格的上下文的位置信息，所述预设信息还包括预设上下文的位置信息；以及

所述从所述至少一个表格中，确定位置信息包含于预设位置信息的表格，包括：

从所述至少一个表格中，确定位置信息包含于预设位置信息且上下文的位置信息包含于预设上下文位置信息的表格。

8.一种用于获取信息的装置，包括：

分词单元，配置用于获取目标文档并对所述目标文档所包括的文本进行分词；

获取单元，配置用于响应于所述文本包括预设的目标词，在所述目标文档中，获取与所述目标词相邻的邻近词；

确定单元，配置用于确定所述目标词的邻近词和预设邻近词是否匹配；

描述信息确定单元，配置用于响应于确定匹配，将分词得到的词语和所述目标词输入预先训练的信息获取模型，得到所述目标词在所述文本中的描述信息，其中，所述信息获取模型用以表征所述目标词、所述目标词的邻近词与所述目标词的描述信息的对应关系。

9.根据权利要求8所述的用于获取信息的装置，其中，所述目标文档还包括表格；以及

所述装置还包括：

信息确定单元，配置用于确定所述目标文档中的至少一个表格的表格信息，其中，所述表格信息包括以下的至少一项：表格在文档中的位置信息、表头文本和表头在表格中的行和/或列的序号；

目标确定单元，配置用于从所述至少一个表格中，确定表格信息与预设信息相匹配的表格为目标表格；

提取单元，配置用于从所述目标表格中提取目标词所在的行和/或列中的描述信息。

10.根据权利要求8所述的用于获取信息的装置，其中，所述信息获取模型通过以下步骤训练得到：

将目标词和目标词在文档中的邻近词作为输入，将目标词在所述文档中对应的描述信息作为输出，对初始信息获取模型进行训练，得到所述信息获取模型，其中，所述初始信息获取模型为神经网络模型或深度神经网络模型。

11.根据权利要求8所述的用于获取信息的装置，其中，所述描述信息确定单元，包括：

输入模块，配置用于将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量；

输出模块，配置用于获取目标词的目标词向量，将所述目标词向量输入所述信息获取模型，利用所述信息获取模型基于各个词向量和所述目标词向量的距离，得到从所述信息获取模型输出的所述目标词的描述信息。

12.根据权利要求11所述的用于获取信息的装置，其中，所述装置还包括：

匹配确定单元，配置用于在所述文本中，确定所述目标词的上下文在所述目标文档中的位置是否与预设位置信息匹配；以及

所述输入模块，进一步配置用于：

响应于确定所述目标词的上下文在所述目标文档中的位置与预设位置信息匹配，将分词得到的各个词语输入预先训练的信息获取模型，得到与词语对应的词向量。

13.根据权利要求9所述的用于获取信息的装置，其中，所述预设信息包括预设位置信息、预设行和/或列序号和所述目标词；以及

所述目标确定单元，包括：

第一确定模块，配置用于从所述至少一个表格中，确定位置信息包含于预设位置信息的表格；

第二确定模块，配置用于在从所述至少一个表格中所确定的各个表格中，确定表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格；

第三确定模块，配置用于从各个表头在表格中的行和/或列的序号包含于预设行和/或列序号的表格中，确定表头文本包括所述目标词的表格为目标表格。

14.根据权利要求13所述的用于获取信息的装置，其中，所述表格信息还包括表格的上下文的位置信息，所述预设信息还包括预设上下文的位置信息；以及

所述第一确定模块，进一步配置用于：

从所述至少一个表格中，确定位置信息包含于预设位置信息且上下文的位置信息包含于预设上下文位置信息的表格。

15.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。