CN108287927B - 用于获取信息的方法及装置 - Google Patents
用于获取信息的方法及装置 Download PDFInfo
- Publication number
- CN108287927B CN108287927B CN201810178394.8A CN201810178394A CN108287927B CN 108287927 B CN108287927 B CN 108287927B CN 201810178394 A CN201810178394 A CN 201810178394A CN 108287927 B CN108287927 B CN 108287927B
- Authority
- CN
- China
- Prior art keywords
- file
- content
- information
- keywords
- processed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3325—Reformulation based on results of preceding query
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
Abstract
本申请实施例公开了用于获取信息的方法及装置。该方法的一具体实施方式包括:从接收的待处理输入信息中提取至少一个结构关键词和至少一个内容关键词,其中,结构关键词用于查找文件中对应文件结构的文件内容,内容关键词用于从结构关键词对应的文件内容中查询目标信息;将上述至少一个结构关键词导入预先训练的位置查询模型,得到对应结构关键词的至少一个待处理文件内容,上述位置查询模型用于表征结构关键词与待处理文件内容之间的对应关系;将包含上述至少一个内容关键词的待处理文件内容作为目标信息。该实施方式提高了获取信息的准确性和有效性。
Description
技术领域
本申请实施例涉及数据处理技术领域,具体涉及计算机技术领域,尤其涉及用于获取信息的方法及装置。
背景技术
随着信息技术的发展,海量的数据通过多种方式在用户的终端设备之间传输,极大地提高了用户获取信息的效率。用户在获取信息前,通常首先需要通过与需要的信息相关的关键词等进行信息搜索获取到搜索信息;然后再从搜索信息中挑选需要的信息。
发明内容
本申请实施例的目的在于提出了用于获取信息的方法及装置。
第一方面,本申请实施例提供了一种用于获取信息的方法,该方法包括:从接收的待处理输入信息中提取至少一个结构关键词和至少一个内容关键词,其中,结构关键词用于查找文件中对应文件结构的文件内容,文件结构用于对文件的内容进行划分,内容关键词用于从结构关键词对应的文件内容中查询目标信息;将上述至少一个结构关键词导入预先训练的位置查询模型,得到对应结构关键词的至少一个待处理文件内容,上述位置查询模型用于表征结构关键词与待处理文件内容之间的对应关系;将包含上述至少一个内容关键词的待处理文件内容作为目标信息。
在一些实施例中,上述方法包括构建位置查询模型的步骤,上述构建位置查询模型的步骤包括:将历史文件按照文件类型进行划分,得到至少一种文件类型的文件集合;对于上述至少一种文件类型的文件集合中的每一个文件集合,获取该文件集合中文件的结构信息,从结构信息中提取结构关键词,上述结构信息用于对文件的文件内容进行划分;利用机器学习方法,将结构关键词作为输入,将与结构关键词对应的文件内容作为输出,训练得到位置查询模型。
在一些实施例中,上述获取该文件类型的文件的结构信息,包括:若与文件类型对应的文件没有结构信息,则为该文件类型对应的文件设置结构信息。
在一些实施例中,上述构建位置查询模型的步骤包括:通过文件类型和结构关键词建立结构关键词查询表。
在一些实施例中,上述从接收的待处理输入信息中提取至少一个结构关键词和至少一个内容关键词包括:通过待处理输入信息中的词条组成词条集合;将上述词条集合中包含在上述结构关键词查询表中的词条作为结构关键词。
第二方面,本申请实施例提供了一种用于获取信息的装置,该装置包括:关键词提取单元,用于从接收的待处理输入信息中提取至少一个结构关键词和至少一个内容关键词,其中,结构关键词用于查找文件中对应文件结构的文件内容,文件结构用于对文件的内容进行划分,内容关键词用于从结构关键词对应的文件内容中查询目标信息;待处理文件内容获取单元,用于将上述至少一个结构关键词导入预先训练的位置查询模型,得到对应结构关键词的至少一个待处理文件内容,上述位置查询模型用于表征结构关键词与待处理文件内容之间的对应关系;目标信息筛选单元,用于将包含上述至少一个内容关键词的待处理文件内容作为目标信息。
在一些实施例中,上述装置包括位置查询模型构建单元,用于构建位置查询模型,上述位置查询模型构建单元包括:文件类型划分子单元,用于将历史文件按照文件类型进行划分,得到至少一种文件类型的文件集合;结构关键词提取子单元,用于对于上述至少一种文件类型的文件集合中的每一个文件集合,获取该文件集合中文件的结构信息,从结构信息中提取结构关键词,上述结构信息用于对文件的文件内容进行划分;位置查询模型构建子单元,用于利用机器学习方法,将结构关键词作为输入,将与结构关键词对应的文件内容作为输出,训练得到位置查询模型。
在一些实施例中,上述结构关键词提取子单元包括:若与文件类型对应的文件没有结构信息,则为该文件类型对应的文件设置结构信息。
在一些实施例中,上述位置查询模型构建单元包括:通过文件类型和结构关键词建立结构关键词查询表。
在一些实施例中,上述关键词提取单元包括:词条集合构建子单元,用于通过待处理输入信息中的词条组成词条集合;结构关键词提取子单元,用于将上述词条集合中包含在上述结构关键词查询表中的词条作为结构关键词。
第三方面,本申请实施例提供了一种服务器,包括:一个或多个处理器;存储器,用于存储一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述第一方面的用于获取信息的方法。
第四方面,本申请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,其特征在于,该程序被处理器执行时实现上述第一方面的用于获取信息的方法。
本申请实施例提供的用于获取信息的方法及装置,首先从待处理输入信息中提取至少一个结构关键词和至少一个内容关键词;之后,将至少一个结构关键词导入预先训练的位置查询模型,得到对应结构关键词的至少一个待处理文件内容;最后,将包含内容关键词的待处理文件内容作为目标信息,提高了获取信息的准确性和有效性。
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装置的一个实施例的结构示意图;
图5是适于用来实现本申请实施例的终端设备的系统的结构示意图。
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实施例的用于获取信息的方法或用于获取信息的装置的示例性系统架构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,例如网页浏览器应用、搜索类应用、信息查询应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持信息查询的各种电子设备,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。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
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发来的待处理输入信息包含的结构关键词和内容关键词进行对应的信息搜索的服务器。服务器可以对接收到的待处理输入信息等数据进行分析等处理,并将获取到的对应的目标信息发送给终端设备101、102、103。
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一般由服务器105执行,相应地,用于获取信息的装置一般设置于服务器105中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
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,从接收的待处理输入信息中提取至少一个结构关键词和至少一个内容关键词。
在本实施例中,用于获取信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其进行信息查询的终端接收待处理输入信息,其中,待处理输入信息可以认为是用户通过终端设备101、102、103向服务器105发来的查询信息。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
用户在进行信息搜索时,现有信息搜索方法通常会将包含用户输入的搜索信息的文件,或包含搜索信息中词条的文件作为搜索结果信息。之后,对文件中与搜索信息或搜索信息中的词条相同的信息或词条进行高亮显示。实际中,文件中通常存在多个与搜索信息包含的词条相同的词条,这些词条可能出现在文件中的任何位置。而对于某些专业性较强的文件(例如可以是各种法律文件等),通常出现在文件中指定位置的词条所对应的文件内容(例如可以是该词条所在的文件段落)才是用户需要的信息,文件中其他位置的与搜索信息包含的词条相同的词条并不是用户需要的。这就导致在现有信息搜索方法得到的搜索结果信息后,用户还需要花费大量的时间对所有高亮显示的词条逐一排查,用户获取信息的准确性和有效性不高。
为此,本申请可以对待处理输入信息进行数据处理,从待处理输入信息中提取一个结构关键词和至少一个内容关键词。其中,结构关键词用于查找文件中对应文件结构的文件内容,即,结构关键词可以用于将信息搜索的范围限定在文件的指定位置。其中,文件结构可以用于对文件的内容进行划分。例如。某类文件可以具有相对固定的几个文件结构,该类文件可以包括对应文件结构的结构信息:“第一部分,XXX”、“第二部分,XXX”、“第三部分,XXX”、“第四部分,XXX”等。其中,“第一部分,XXX”中的“第一部分”可以认为是第一个文件结构的名称,该第一个文件结构的描述信息(或功能信息)可以是“XXX”。对应的,结构关键词就可以是“第一部分”,也可以是“XXX”。并且,“第一部分,XXX”和“第二部分,XXX”之间的文件内容可以认为是与第一个文件结构对应的文件内容。类似的,“第二部分,XXX”、“第三部分,XXX”、“第四部分,XXX”等可以具有相同的解释。实际中,每个文件结构对应的文件内容可以不相同。根据实际情况,文件结构的名称还可以是其他形式,例如,“第X章”、“第X集”、“第X节”、“第X条”、“第X款”等形式,此处不再一一赘述。内容关键词可以用于从结构关键词对应的文件内容中查询目标信息。通过结构关键词确定了信息的搜索范围后,可以在该范围内的文件内容中查询内容关键词。例如:待处理输入信息可以是:“查询第一部分的YY”。对待处理输入信息进行数据处理后,可以提取到结构关键词“第一部分”和内容关键词“YY”。之后,通过结构关键词“第一部分”可以确定对应的文件内容,再在该文件内容中查找内容关键词“YY”。此外,待处理输入信息还可以包含有多个结构关键词和多个内容关键词的情况。例如:待处理输入信息可以是“查找第X章第Y节第Z条中的A和B”,则,“第X章”、“第Y节”和“第Z条”可以是结构关键词,“A”和“B”可以是内容关键词。
步骤202,将上述至少一个结构关键词导入预先训练的位置查询模型,得到对应结构关键词的至少一个待处理文件内容。
执行主体在得到结构关键词后,可以将结构关键词导入位置查询模型。位置查询模型可以用于表征结构关键词与待处理文件内容之间的对应关系,因此能够查找到文件中与结构关键词对应的待处理文件内容。当存在多个文件时,可以确定每个文件中与结构关键词对应的的待处理文件内容。通常,位置查询模型可以是技术人员基于对大量的结构关键词和待处理文件内容的统计而预先制定的、存储有多个结构关键词与待处理文件内容的对应关系的对应关系表,或多个结构关键词与待处理文件内容的快捷链接对应关系的对应关系表等。
在本实施例的一些可选的实现方式中,上述方法可以包括构建位置查询模型的步骤,上述构建位置查询模型的步骤可以包括以下步骤:
第一步,将历史文件按照文件类型进行划分,得到至少一种文件类型的文件集合。
历史文件可以包含多种类型的文件,为此,可以将历史文件按照文件类型进行划分,得到至少一种文件类型的文件集合。其中,文件类型可以科教类型、法律类型等。
第二步,对于上述至少一种文件类型的文件集合中的每一个文件集合,获取该文件集合中文件的结构信息,从结构信息中提取结构关键词。
对于每一种文件类型来说,该文件类型对应的文件集合中包含的文件通常具有相同或相似的文件结构。不同的文件结构通常对应有不同的结构信息。由上述描述可知,文件结构可以用于对文件内容进行划分,而文件结构又与结构信息对应,因此,结构信息也可以用于对文件的文件内容进行划分。例如,某文件包含的结构信息为“第一部分,XXX”,则可以从该结构信息中提取到结构关键词“第一部分”。
第三步,利用机器学习方法,将结构关键词作为输入,将与结构关键词对应的文件内容作为输出,训练得到位置查询模型。
具体的,上述执行主体可以使用搜索引擎(Search Engine)或近似最近邻(Approximate Nearest Neighbors)等模型,将上述结构关键词作为模型的输入,将与结构关键词对应的文件内容作为对应的模型输出,利用机器学习方法,对该模型进行训练,得到位置查询模型。如此,位置查询模型就可以通过结构关键词查询到对应文件类型的文件中的文件内容,提高了获取信息的准确性和有效性。
在本实施例的一些可选的实现方式中,上述获取该文件类型的文件的结构信息,可以包括:若与文件类型对应的文件没有结构信息,则为该文件类型对应的文件设置结构信息。
对于某些文件类型对应的文件,该文件的结构信息可能没有明确记载在文件内。为了实现对信息的准确查询,可以为该文件类型对应的文件设置结构信息。设置的结构信息可以以批注或修订文字等形式存在于文件内。
在本实施例的一些可选的实现方式中,上述构建位置查询模型的步骤可以包括:通过文件类型和结构关键词建立结构关键词查询表。
不同文件类型的文件通常具有不同的文件结构,也就可以具有不同的结构关键词。为了加快搜索信息的速度,可以通过文件类型和结构关键词建立结构关键词查询表。如此,位置查询模型就不必对海量的文件进行逐一查询,而可以通过结构关键词查询表快速确定对应结构关键词的文件类型,然后再从该文件类型对应的文件中确定对应结构关键词的文件内容。
在本实施例的一些可选的实现方式中,上述从接收的待处理输入信息中提取至少一个结构关键词和至少一个内容关键词可以包括以下步骤:
第一步,通过待处理输入信息中的词条组成词条集合。
本申请的执行主体可以对待处理输入信息进行语义识别,进而从待处理输入信息中提取出词条,组合得到词条集合。
第二步,将上述词条集合中包含在上述结构关键词查询表中的词条作为结构关键词。
词条集合中的、与结构关键词查询表中的结构关键词相同的词条可以认为是该待处理输入信息的结构关键词。之后,还可以从其余的词条中筛选内容关键词。通常,内容关键词可以是名称、动词等。
例如,可以从上述的待处理输入信息“查询第一部分的YY”提取到“查询”、“第一部分”和“YY”等词条。通过结构关键词查询表可以确定“第一部分”为结构关键词;再从“查询”和“YY”中确定“YY”为内容关键词。
对于某些待处理输入信息,可能只能提取到一个关键词。例如待处理输入信息可以是“处罚”,则该关键词既可以认为是结构关键词,又可以认为是内容关键词。
步骤203,将包含上述至少一个内容关键词的待处理文件内容作为目标信息。
通过位置查询模型得到待处理文件内容后,可以大大提高获取有用信息的准确性。之后,在待处理文件内容中查询是否包含内容关键词,将包含内容关键词的待处理文件内容作为对应待处理输入信息的目标信息。最后,可以将目标信息发送到用户所在的终端设备上。
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,用户在终端设备103上输入待处理输入信息“查找第X章第Y节第Z条中的A和B”,并通过网络104将待处理输入信息发送给服务器105(即执行主体);服务器105从“查找第X章第Y节第Z条中的A和B”中提取出结构关键词“第X章”、“第Y节”和“第Z条”,以及内容关键词“A”和“B”;之后,将“第X章”、“第Y节”和“第Z条”导入位置查询模型,则位置查询模型依次查找到“第X章”下的“第Y节”,再从“第Y节”下查找到“第Z条”得到待处理文件内容;之后,将包含“A”和“B”的待处理文件内容作为目标信息。可选的,当待处理输入信息中只包含结构关键词(例如可以是“第X章”、“第Y节”和“第Z条”)时,可以将对应的待处理文件内容作为目标信息,而不用查询该待处理文件内容是否包含某内容关键词。
本申请的上述实施例提供的方法首先从待处理输入信息中提取至少一个结构关键词和至少一个内容关键词;之后,将至少一个结构关键词导入预先训练的位置查询模型,得到对应结构关键词的至少一个待处理文件内容;最后,将包含内容关键词的待处理文件内容作为目标信息,提高了获取信息的准确性和有效性。
进一步参考图4,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4所示,本实施例的用于获取信息的装置400可以包括:关键词提取单元401、待处理文件内容获取单元402和目标信息筛选单元403。其中,关键词提取单元401用于从接收的待处理输入信息中提取至少一个结构关键词和至少一个内容关键词,其中,结构关键词用于查找文件中对应文件结构的文件内容,内容关键词用于从结构关键词对应的文件内容中查询目标信息;待处理文件内容获取单元402用于将上述至少一个结构关键词导入预先训练的位置查询模型,得到对应结构关键词的至少一个待处理文件内容,上述位置查询模型用于表征结构关键词与待处理文件内容之间的对应关系;目标信息筛选单元403用于将包含上述至少一个内容关键词的待处理文件内容作为目标信息。
在本实施例的一些可选的实现方式中,用于获取信息的装置400可以包括位置查询模型构建单元(图中未示出),用于构建位置查询模型,上述位置查询模型构建单元可以包括:文件类型划分子单元(图中未示出)、结构关键词提取子单元(图中未示出)和位置查询模型构建子单元(图中未示出)。其中,文件类型划分子单元用于将历史文件按照文件类型进行划分,得到至少一种文件类型的文件集合;结构关键词提取子单元用于对于上述至少一种文件类型的文件集合中的每一个文件集合,获取该文件集合中文件的结构信息,从结构信息中提取结构关键词,上述结构信息用于对文件的文件内容进行划分;位置查询模型构建子单元用于利用机器学习方法,将结构关键词作为输入,将与结构关键词对应的文件内容作为输出,训练得到位置查询模型。
在本实施例的一些可选的实现方式中,上述结构关键词提取子单元可以包括:若与文件类型对应的文件没有结构信息,则为该文件类型对应的文件设置结构信息。
在本实施例的一些可选的实现方式中,上述位置查询模型构建单元可以包括:通过文件类型和结构关键词建立结构关键词查询表。
在本实施例的一些可选的实现方式中,上述关键词提取单元401可以包括:词条集合构建子单元(图中未示出)和结构关键词提取子单元(图中未示出)。其中,词条集合构建子单元用于通过待处理输入信息中的词条组成词条集合;结构关键词提取子单元用于将上述词条集合中包含在上述结构关键词查询表中的词条作为结构关键词。
本实施例还提供了一种服务器,包括:一个或多个处理器;存储器,用于存储一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述的用于获取信息的方法。
本实施例还提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现上述的用于获取信息的方法。
下面参考图5,其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。图5示出的服务器仅仅是一个示例,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5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;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507;包括硬盘等的存储部分508;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509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,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510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508。
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509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501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:一种处理器包括关键词提取单元、待处理文件内容获取单元和目标信息筛选单元。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,目标信息筛选单元还可以被描述为“用于获取目标信息的单元”。
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:从接收的待处理输入信息中提取至少一个结构关键词和至少一个内容关键词,其中,结构关键词用于查找文件中对应文件结构的文件内容,内容关键词用于从结构关键词对应的文件内容中查询目标信息;将上述至少一个结构关键词导入预先训练的位置查询模型,得到对应结构关键词的至少一个待处理文件内容,上述位置查询模型用于表征结构关键词与待处理文件内容之间的对应关系;将包含上述至少一个内容关键词的待处理文件内容作为目标信息。
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 (12)
1.一种用于获取信息的方法,其特征在于,所述方法包括:
从接收的待处理输入信息中提取至少一个结构关键词和至少一个内容关键词,其中,结构关键词用于查找文件中对应文件结构的文件内容,文件结构用于对文件的内容进行划分,内容关键词用于从结构关键词对应的文件内容中查询目标信息;
将所述至少一个结构关键词导入预先训练的位置查询模型,得到对应结构关键词的至少一个待处理文件内容,所述位置查询模型用于表征结构关键词与待处理文件内容之间的对应关系;
将包含所述至少一个内容关键词的待处理文件内容作为目标信息。
2.根据权利要求1所述的方法,其特征在于,所述方法包括构建位置查询模型的步骤,所述构建位置查询模型的步骤包括:
将历史文件按照文件类型进行划分,得到至少一种文件类型的文件集合;
对于所述至少一种文件类型的文件集合中的每一个文件集合,获取该文件集合中文件的结构信息,从结构信息中提取结构关键词,所述结构信息用于对文件的文件内容进行划分;
利用机器学习方法,将结构关键词作为输入,将与结构关键词对应的文件内容作为输出,训练得到位置查询模型。
3.根据权利要求2所述的方法,其特征在于,所述获取该文件类型的文件的结构信息,包括:
若与文件类型对应的文件没有结构信息,则为该文件类型对应的文件设置结构信息。
4.根据权利要求2所述的方法,其特征在于,所述构建位置查询模型的步骤包括:
通过文件类型和结构关键词建立结构关键词查询表。
5.根据权利要求4所述的方法,其特征在于,所述从接收的待处理输入信息中提取至少一个结构关键词和至少一个内容关键词包括:
通过待处理输入信息中的词条组成词条集合;
将所述词条集合中包含在所述结构关键词查询表中的词条作为结构关键词。
6.一种用于获取信息的装置,其特征在于,所述装置包括:
关键词提取单元,用于从接收的待处理输入信息中提取至少一个结构关键词和至少一个内容关键词,其中,结构关键词用于查找文件中对应文件结构的文件内容,文件结构用于对文件的内容进行划分,内容关键词用于从结构关键词对应的文件内容中查询目标信息;
待处理文件内容获取单元,用于将所述至少一个结构关键词导入预先训练的位置查询模型,得到对应结构关键词的至少一个待处理文件内容,所述位置查询模型用于表征结构关键词与待处理文件内容之间的对应关系;
目标信息筛选单元,用于将包含所述至少一个内容关键词的待处理文件内容作为目标信息。
7.根据权利要求6所述的装置,其特征在于,所述装置包括位置查询模型构建单元,用于构建位置查询模型,所述位置查询模型构建单元包括:
文件类型划分子单元,用于将历史文件按照文件类型进行划分,得到至少一种文件类型的文件集合;
结构关键词提取子单元,用于对于所述至少一种文件类型的文件集合中的每一个文件集合,获取该文件集合中文件的结构信息,从结构信息中提取结构关键词,所述结构信息用于对文件的文件内容进行划分;
位置查询模型构建子单元,用于利用机器学习方法,将结构关键词作为输入,将与结构关键词对应的文件内容作为输出,训练得到位置查询模型。
8.根据权利要求7所述的装置,其特征在于,所述结构关键词提取子单元包括:
若与文件类型对应的文件没有结构信息,则为该文件类型对应的文件设置结构信息。
9.根据权利要求7所述的装置,其特征在于,所述位置查询模型构建单元包括:
通过文件类型和结构关键词建立结构关键词查询表。
10.根据权利要求9所述的装置,其特征在于,所述关键词提取单元包括:
词条集合构建子单元,用于通过待处理输入信息中的词条组成词条集合;
结构关键词提取子单元,用于将所述词条集合中包含在所述结构关键词查询表中的词条作为结构关键词。
11.一种服务器,包括:
一个或多个处理器;
存储器,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时,使得所述一个或多个处理器执行权利要求1至5中任一所述的方法。
12.一种计算机可读介质,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至5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810178394.8A CN108287927B (zh) | 2018-03-05 | 2018-03-05 | 用于获取信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810178394.8A CN108287927B (zh) | 2018-03-05 | 2018-03-05 | 用于获取信息的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108287927A CN108287927A (zh) | 2018-07-17 |
CN108287927B true CN108287927B (zh) | 2019-10-22 |
Family
ID=62833558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810178394.8A Active CN108287927B (zh) | 2018-03-05 | 2018-03-05 | 用于获取信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108287927B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670183B (zh) * | 2018-12-21 | 2023-03-24 | 北京锐安科技有限公司 | 一种文本重要性的计算方法、装置、设备和存储介质 |
CN109684553A (zh) * | 2018-12-26 | 2019-04-26 | 北京百度网讯科技有限公司 | 用于获取信息的方法及装置 |
CN111460274B (zh) * | 2019-01-18 | 2023-04-28 | 北京字节跳动网络技术有限公司 | 信息处理方法和装置 |
CN110188178A (zh) * | 2019-05-30 | 2019-08-30 | 深圳龙图腾创新设计有限公司 | 一种跨文档信息查找方法、装置、计算机设备和存储介质 |
CN112183036B (zh) * | 2019-06-18 | 2022-04-19 | 腾讯科技(深圳)有限公司 | 一种格式文档生成方法、装置、设备及存储介质 |
CN111930976A (zh) * | 2020-07-16 | 2020-11-13 | 平安科技(深圳)有限公司 | 演示文稿生成方法、装置、设备及存储介质 |
CN112231464B (zh) * | 2020-11-17 | 2023-12-22 | 安徽鸿程光电有限公司 | 信息处理方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408876A (zh) * | 2007-10-09 | 2009-04-15 | 中兴通讯股份有限公司 | 一种电子文档全文检索的方法及系统 |
CN101685455A (zh) * | 2008-09-28 | 2010-03-31 | 华为技术有限公司 | 数据检索的方法和系统 |
CN105740362A (zh) * | 2016-01-26 | 2016-07-06 | 百度在线网络技术(北京)有限公司 | 信息显示方法及显示装置 |
CN106294595A (zh) * | 2016-07-29 | 2017-01-04 | 海尔优家智能科技(北京)有限公司 | 一种文档存储、检索方法及装置 |
CN107357765A (zh) * | 2017-07-14 | 2017-11-17 | 北京神州泰岳软件股份有限公司 | Word文档碎片化方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8290967B2 (en) * | 2007-04-19 | 2012-10-16 | Barnesandnoble.Com Llc | Indexing and search query processing |
CN101271463B (zh) * | 2007-06-22 | 2014-03-26 | 北大方正集团有限公司 | 版式文件的结构处理方法和系统 |
-
2018
- 2018-03-05 CN CN201810178394.8A patent/CN108287927B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408876A (zh) * | 2007-10-09 | 2009-04-15 | 中兴通讯股份有限公司 | 一种电子文档全文检索的方法及系统 |
CN101685455A (zh) * | 2008-09-28 | 2010-03-31 | 华为技术有限公司 | 数据检索的方法和系统 |
CN105740362A (zh) * | 2016-01-26 | 2016-07-06 | 百度在线网络技术(北京)有限公司 | 信息显示方法及显示装置 |
CN106294595A (zh) * | 2016-07-29 | 2017-01-04 | 海尔优家智能科技(北京)有限公司 | 一种文档存储、检索方法及装置 |
CN107357765A (zh) * | 2017-07-14 | 2017-11-17 | 北京神州泰岳软件股份有限公司 | Word文档碎片化方法及装置 |
Non-Patent Citations (2)
Title |
---|
MXDR:一种基于关键字的XML多文档分布式检索方法;李霞等;《计算机科学》;20111031;第38卷(第10期);第153页第2栏第7、12-14段 * |
XML关键字检索中推断用户需求信息对象的方法XObject;李霞等;《西北工业大学学报》;20100831;第28卷(第4期);第605-606页第3.2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN108287927A (zh) | 2018-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108287927B (zh) | 用于获取信息的方法及装置 | |
CN108171276B (zh) | 用于生成信息的方法和装置 | |
CN107491547A (zh) | 基于人工智能的搜索方法和装置 | |
CN109460513A (zh) | 用于生成点击率预测模型的方法和装置 | |
CN107908789A (zh) | 用于生成信息的方法和装置 | |
CN108932220A (zh) | 文章生成方法和装置 | |
CN108121800A (zh) | 基于人工智能的信息生成方法和装置 | |
CN108052613A (zh) | 用于生成页面的方法和装置 | |
CN109582691A (zh) | 用于控制数据查询的方法和装置 | |
CN108628830A (zh) | 一种语义识别的方法和装置 | |
CN107943895A (zh) | 信息推送方法和装置 | |
CN108121699A (zh) | 用于输出信息的方法和装置 | |
CN106919711A (zh) | 基于人工智能的标注信息的方法和装置 | |
CN108776692A (zh) | 用于处理信息的方法和装置 | |
CN110069698A (zh) | 信息推送方法和装置 | |
CN108280200A (zh) | 用于推送信息的方法和装置 | |
CN109635094A (zh) | 用于生成答案的方法和装置 | |
CN108038200A (zh) | 用于存储数据的方法和装置 | |
CN109389182A (zh) | 用于生成信息的方法和装置 | |
CN109785072A (zh) | 用于生成信息的方法和装置 | |
CN109190123A (zh) | 用于输出信息的方法和装置 | |
CN108460020A (zh) | 用于获取信息的方法及装置 | |
CN109614327A (zh) | 用于输出信息的方法和装置 | |
CN109284367A (zh) | 用于处理文本的方法和装置 | |
CN108959294A (zh) | 一种访问搜索引擎的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |