WO2019080402A1 - 结构化文本的文本信息提取方法、存储介质和服务器 - Google Patents
结构化文本的文本信息提取方法、存储介质和服务器Info
- Publication number
- WO2019080402A1 WO2019080402A1 PCT/CN2018/074865 CN2018074865W WO2019080402A1 WO 2019080402 A1 WO2019080402 A1 WO 2019080402A1 CN 2018074865 W CN2018074865 W CN 2018074865W WO 2019080402 A1 WO2019080402 A1 WO 2019080402A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- text
- paragraph
- parsing
- text information
- paragraphs
- 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.)
- Ceased
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
Definitions
- the present application relates to the field of information processing technologies, and in particular, to a text information extraction method, a storage medium, and a server for structured text.
- the embodiment of the present application provides a text information extraction method, a storage medium, and a server for structured text, which can improve the text information extraction efficiency of structured text and satisfy the user's demand for text information extraction of a large amount of structured text.
- a text information extraction method for structured text including:
- each of the text information is summarized according to a preset template to obtain text information of the structured text.
- the text information extraction method, the storage medium and the server for implementing the structured text provided by the embodiment of the present application have the following beneficial effects:
- the current structured text is split into individual text paragraphs according to a preset paragraph theme; and then, for each of the text paragraphs, the predetermined parsing string is selected and described.
- each of the text information is summarized according to a preset template to obtain text information of the structured text.
- the present application can extract the text information by using the parsing string for each text paragraph of the structured text in the manner of parsing and parsing the structured text, and finally obtain the text information of the entire structured text, thereby greatly improving the structure.
- the text information extraction efficiency of the text especially in the aspect of big data processing, can satisfy the user's demand for text information extraction of a large amount of structured text.
- FIG. 1 is a flowchart of an embodiment of a method for extracting text information of structured text according to an embodiment of the present application
- FIG. 2 is a schematic flowchart of step 101 of a text information extraction method for structured text in an application scenario according to an embodiment of the present application;
- step 102 of a text information extraction method for structured text in an application scenario according to an embodiment of the present application is a schematic flowchart of step 102 of a text information extraction method for structured text in an application scenario according to an embodiment of the present application
- FIG. 4 is a schematic flowchart of selecting a template for summarizing a textual information extraction method of structured text in an application scenario according to an embodiment of the present application;
- FIG. 5 is a structural diagram of an embodiment of a text information extracting apparatus for structured text according to an embodiment of the present application
- FIG. 6 is a schematic diagram of a server according to an embodiment of the present application.
- the embodiment of the present invention provides a text information extraction method, a storage medium, and a server for structured text, which are used to solve the problem that the prior art has low efficiency in extracting text information from structured text.
- an embodiment of a text information extraction method for structured text in an embodiment of the present application includes:
- the structured text needs to be first divided into individual text segments, and then the text information is extracted separately.
- the corresponding paragraph theme can be preset for different types of structured text.
- splitting the structured text is removed according to the set paragraph theme. Minute.
- legal instruments can be used as a type of structured text.
- legal documents can be generally divided into titles, heads, content descriptions, tails and other parts, that is, a variety of paragraph topics.
- the title part may include paragraph topics such as the nature of the document, the information of the court, and the information of the case number;
- the head may include the subject of the paragraph on the description of the relevant role of the case;
- the content description part includes the subject of the paragraph according to the legal provisions, the judgment result, and the opinion of the court;
- the tail portion may include paragraph subjects such as a judge, date, clerk, and the like. Therefore, after the subject matter of the paragraphs is determined in advance, a server (hereinafter referred to as a server) that subsequently executes the text information extraction method can be divided into individual text paragraphs according to the theme of the paragraph for such legal documents.
- a server hereinafter referred to as a server
- the foregoing step 101 may include:
- the paragraph subject corresponding to the structured text having multiple text types is preset in the server, and may include, for example, a judgment, a ruling, an award, a ticket, and the like.
- a good paragraph theme is created with a correspondence to the text type. Therefore, before splitting, the corresponding paragraph theme can be selected from the paragraph themes according to the text type of the structured text that needs to be split, and then the structured text is split according to the determined paragraph theme. , get the paragraphs of each text.
- a plurality of parsing strings are preset in the server, and the parsing strings respectively match the respective paragraph topics described above, wherein a paragraph subject matches at least one parsing string, and may also match More than two parsing strings.
- the server can pre-set two parsing strings corresponding to the topic keyword of "plaintiff", that is, the two The parsed string matches the paragraph topic "plaintiff”. Then, when a text paragraph is split for a certain judgment, the paragraph subject corresponding to the text paragraph is "the plaintiff", and at this time, the two parsed strings can be selected from the plurality of parsed strings.
- the parsed string in this embodiment may be formulated according to certain rules, such as:
- Parse string A @key ⁇ appent ⁇ $start ⁇ applicant ⁇ option(()@alias;option())symbol(:)@value;symbol(,)@remark;$end ⁇ enter ⁇
- the above step 102 may include:
- the parsing string matching the topic keyword is selected from each preset parsing string, where one topic keyword matches one The above parsing string;
- the topic keyword corresponding to each paragraph topic can be pre-configured on the server.
- the topic keyword corresponding to the paragraph theme is "plaintiff".
- the server may pre-configure a plurality of topic keywords corresponding to the paragraph topic, that is, a paragraph topic corresponds to a plurality of topic keywords that may appear.
- step 102 it is necessary to separately select a matching parsing string for each text segment in each text segment, and after selecting, step 103 corresponds to each of the text segments.
- the parsing string parses the text paragraph and extracts the text information corresponding to the text paragraph.
- the process of extracting the text information for the one text paragraph may include: using the two or more parsing strings respectively The one text paragraph is parsed to obtain two or more pieces of text information corresponding to the one text paragraph; and then the two or more pieces of text information are combined to obtain the combined text information.
- two or more parsing strings can be determined to match one text segment.
- two or more parsing strings are used to parse the text segments, and the two can be obtained.
- Two or more pieces of text information obtained by parsing the above analysis character strings may be combined and processed, and the duplicated information may be removed to obtain the combined text information as the corresponding text paragraph.
- Text information is used to reduce the redundant data while ensuring the maximum amount of information.
- each of the text information is summarized according to a preset template to obtain text information of the structured text.
- each of the text information may be summarized according to a preset template to obtain text information of the structured text.
- template refers to a template pre-set in the server for aggregating the text information, and the template may be a list of information having a certain layout. When summarizing, each text information is filled into each specified position in the list. Just fine.
- a plurality of templates may be preset in the server, and the templates are stored in the template library.
- the template is selected from the template library as a template for the summary text information.
- the method may further include:
- Filter according to the text type of the structured text, two or more templates that match the text type from a preset template library.
- the template preset in the server has a correspondence relationship with the text type of various structured texts.
- the text is filtered out from the template library according to the text type of the current structured text. Two or more templates that match the type.
- the selection is performed again, and the matching degree of each selected template and the paragraph theme is calculated, and then the respective paragraphs are selected.
- the template with the highest topic matching is used as the template for finalization.
- the current structured text is split into individual text paragraphs according to a preset paragraph theme; and then, for each of the text paragraphs, the text is selected from the preset respective parsing strings.
- each of the text information is summarized according to a preset template to obtain text information of the structured text.
- the embodiment can extract the text information by using the parsing string for each text segment of the structured text, and finally obtain the text information of the entire structured text, thereby greatly improving the structure.
- the text information extraction efficiency of the text can satisfy the user's demand for text information extraction of a large amount of structured text.
- FIG. 5 is a structural diagram showing an embodiment of a text information extracting apparatus for structured text in the embodiment of the present application.
- a text information extracting apparatus for structured text includes:
- a paragraph splitting module 501 configured to split the current structured text into individual text paragraphs according to a preset paragraph theme
- the string selection module 502 is configured to select, for each of the text paragraphs, an analytical character string that matches a paragraph theme corresponding to the text paragraph from each preset parsing string;
- the text information extraction module 503 is configured to parse the text paragraph by using the selected parsing string for each of the text paragraphs, and extract text information corresponding to the text paragraph;
- the text information summary module 504 is configured to: after extracting the text information corresponding to each of the text paragraphs, summarizing each of the text information according to a preset template to obtain text information of the structured text.
- the text information extraction module may include:
- a parsing unit configured to parse the one text paragraph by using the two or more parsing character strings to obtain two or more text information corresponding to the one text paragraph;
- a merging processing unit configured to combine the two or more pieces of text information to obtain combined text information.
- the string selection module may include:
- a keyword obtaining unit configured to acquire a topic keyword of a paragraph topic corresponding to the text paragraph
- a matching selection unit configured to: if there are more than two topic keywords obtained, select an analysis string that matches the topic keyword from each preset parsing string, wherein one topic The keyword matches more than one parsed string;
- a string determining unit configured to determine all the parsed strings that are selected as the parsing string that matches the paragraph subject corresponding to the text paragraph.
- paragraph splitting module may include:
- a paragraph theme determining unit configured to determine, from the preset plurality of paragraph topics, a paragraph theme corresponding to the text type of the structured text
- the text information extracting apparatus of the structured text may further include:
- a template filtering module configured to filter, according to the text type of the structured text, two or more templates that match the text type from a preset template library;
- a template selection module configured to select, from the two or more templates, a template with the highest degree of matching with the paragraph theme according to a paragraph theme corresponding to each of the text paragraphs, as a template for summarizing each of the text information.
- FIG. 6 is a schematic diagram of a server according to an embodiment of the present application.
- the server 6 of this embodiment includes a processor 60, a memory 61, and computer readable instructions 62 stored in the memory 61 and operable on the processor 60, for example, to perform the above-described structure.
- a program for extracting text information from text The processor 60 executes the computer readable instructions 62 to implement the steps in the text information extraction method embodiment of the above structured text, such as steps 101 to 104 shown in FIG.
- the processor 60 when executing the computer readable instructions 62, implements the functions of the various modules/units in the various apparatus embodiments described above, such as the functions of the modules 501 through 504 shown in FIG.
- the computer readable instructions 62 may be partitioned into one or more modules/units that are stored in the memory 61 and executed by the processor 60, To complete this application.
- the one or more modules/units may be a series of computer readable instruction instruction segments capable of performing a particular function, the instruction segments being used to describe the execution of the computer readable instructions 62 in the server 6.
- the server 6 can be a computing device such as a local server or a cloud server.
- the server may include, but is not limited to, a processor 60, a memory 61. It will be understood by those skilled in the art that FIG. 6 is merely an example of the server 6, and does not constitute a limitation to the server 6, and may include more or less components than those illustrated, or some components may be combined, or different components, such as
- the server may also include an input and output device, a network access device, a bus, and the like.
- the processor 60 can be a central processing unit (Central Processing Unit, CPU), can also be other general-purpose processors, digital signal processors (DSP), application specific integrated circuits (Application Specific Integrated Circuit (ASIC), Field-Programmable Gate Array (FPGA) or other programmable logic device, discrete gate or transistor logic device, discrete hardware components, etc.
- the general purpose processor may be a microprocessor or the processor or any conventional processor or the like.
- the memory 61 may be an internal storage unit of the server 6, such as a hard disk or a memory of the server 6.
- the memory 61 may also be an external storage device of the server 6, such as a plug-in hard disk, a smart memory card (SMC), and a secure digital (SD) card provided on the server 6. Flash card (Flash Card) and so on.
- the memory 61 may also include both an internal storage unit of the server 6 and an external storage device.
- the memory 61 is for storing the computer readable instructions and other programs and data required by the server.
- the memory 61 can also be used to temporarily store data that has been output or is about to be output.
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了一种结构化文本的文本信息提取方法，用于解决现有技术对结构化文本进行文本信息提取时效率较低的问题。本申请提供的方法包括：根据预设的段落主题将当前的结构化文本拆分为各个文本段落；针对每个所述文本段落，从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串；针对每个所述文本段落，采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息；在提取得到各个所述文本段落对应的文本信息之后，按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息。本申请还提供存储介质和服务器。
Description
本申请申明享有2017年10月24日递交的申请号为201711000763.6、名称为“结构化文本的文本信息提取方法、存储介质和服务器”中国专利申请的优先权，该中国专利申请的整体内容以参考的方式结合在本申请中。
本申请涉及信息处理技术领域，尤其涉及一种结构化文本的文本信息提取方法、存储介质和服务器。
目前，在很多结构化的文本中存在着大量用户感兴趣的文本信息，例如裁判文书、票务单据等。但是，若要用户个人梳理、摘取其中结构化文本中的内容，这往往需要耗费大量的人力和时间成本，尤其是当结构化文本的数量巨大时，难以满足用户对文本信息的提取需求。
本申请实施例提供了一种结构化文本的文本信息提取方法、存储介质和服务器，能够提高结构化文本的文本信息提取效率，满足用户对巨量的结构化文本的文本信息提取需求。
第一方面，提供了一种结构化文本的文本信息提取方法，包括：
根据预设的段落主题将当前的结构化文本拆分为各个文本段落；
针对每个所述文本段落，从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串；
针对每个所述文本段落，采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息；
在提取得到各个所述文本段落对应的文本信息之后，按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息。
实施本申请实施例提供的结构化文本的文本信息提取方法、存储介质和服务器具有以下有益效果：
本申请实施例中，首先，根据预设的段落主题将当前的结构化文本拆分为各个文本段落；然后，针对每个所述文本段落，从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串；接着，针对每个所述文本段落，采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息；在提取得到各个所述文本段落对应的文本信息之后，按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息。这样，本申请可以针对结构化文本先拆分后解析的方式，对结构化文本的各个文本段落分别采用解析字符串提取出文本信息，最终得到整个结构化文本的文本信息，大大提高了结构化文本的文本信息提取效率，尤其是在大数据处理方面，可以满足用户对巨量的结构化文本的文本信息提取需求。
图1为本申请实施例中一种结构化文本的文本信息提取方法一个实施例流程图；
图2为本申请实施例中一种结构化文本的文本信息提取方法步骤101在一个应用场景下的流程示意图；
图3为本申请实施例中一种结构化文本的文本信息提取方法步骤102在一个应用场景下的流程示意图；
图4为本申请实施例中一种结构化文本的文本信息提取方法在一个应用场景下选取用于汇总的模板的流程示意图；
图5为本申请实施例中一种结构化文本的文本信息提取装置一个实施例结构图；
图6为本申请一实施例提供的服务器的示意图。
本申请实施例提供了一种结构化文本的文本信息提取方法、存储介质和服务器，用于解决现有技术对结构化文本进行文本信息提取时效率较低的问题。
请参阅图1，本申请实施例中一种结构化文本的文本信息提取方法一个实施例包括：
101、根据预设的段落主题将当前的结构化文本拆分为各个文本段落；
本实施例中，在针对一个结构化文本进行文本信息提取之前，首先需要将该结构化文本拆分为各个文本段落，然后分别进行文本信息的提取。其中，为了确保拆分得到的文本段落满足实际情况的要求，可以针对不同类型的结构化文本预先设定对应的段落主题，在拆分时，根据设定好的段落主题对结构化文本进行拆分。
比如，可以将法律文书作为一种类型的结构化文本。其中，法律文书一般可以分为标题、头部、内容描述、尾部等多个部分，也即多种段落主题。其中，标题部分可以包括文书性质、法院信息、案号信息等段落主题；头部可以包括关于案件相关角色描述的段落主题；内容描述部分包括依据法律条文、判决结果、本院认为等段落主题；尾部部分可以包括法官、日期、书记员等段落主题。因此，在预先确定出这些段落主题之后，后续执行该文本信息提取方法的服务器（下述简称服务器）可以针对这类法律文书按照这些段落主题拆分为各个文本段落。
由上述可知，进一步地，如图2所示，上述步骤101可以包括：
201、从预设的多个段落主题中确定出与所述结构化文本的文本类型对应的段落主题；
202、根据确定出的所述段落主题将所述结构化文本拆分为各个文本段落。
对于上述步骤201和202，可以理解的是，服务器中预先设定共有多种文本类型的结构化文本对应的段落主题，比如可以包括判决书、裁定书、裁决书、票务单据等，这些预先设定好的段落主题建立有与文本类型的对应关系。因此，在拆分之前，可以先根据当前需要拆分的结构化文本的文本类型从这些段落主题中选取对应的段落主题，然后，再根据确定出的段落主题将该结构化文本进行拆分处理，得到各个文本段落。
102、针对每个所述文本段落，从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串；
在拆分出各个文本段落之后，需要针对该结构化文本的每个文本段落进行解析、提取文本信息。可以理解的是，在提取文本段落之后，需要针对不同文本段落的特点，选取与该文本段落对应的段落主题相匹配的解析字符串。
需要说明的是，本实施例中，服务器中预先设置有多个解析字符串，这些解析字符串分别与上述的各个段落主题相匹配，其中，一个段落主题至少匹配一个解析字符串，也可以匹配两个以上的解析字符串。举例说明为，针对法律文书中的段落主题“原告”，其中原告为该段落主题的主题关键字，服务器中可以预先设置两个解析字符串与“原告”这个主题关键字对应，也即这两个解析字符串与段落主题“原告”相匹配。那么，当针对某判决书拆分后的一个文本段落时，该文本段落对应的段落主题为“原告”，此时，可以从多个解析字符串中选取出这两个解析字符串。
具体地，本实施例中的解析字符串可以按照一定规则进行制定，比如：
解析字符串A：@key{申请人}$start{申请人}option(（)@alias;option(）)symbol(：)@value;symbol(，)@remark;$end{enter}
对于上述解析字符串A，其中，@key{}用来标注需要解析的文本段落中的属性关键字，$start用来说明以什么开头，$contains用来说明包含什么关键字，option（）用来标注选项，若括弧中的文本在对应位置出现了则替换为symbol解析，symbol（）用来标注分隔符。$end{}中内容用来标注以什么结尾，若为enter（即段落标记），则代表一直到当前段落的末尾。若后续有“~”，则代表本次解析需迭代，迭代适用于会重复出现多次的文本段落，且每个文本段落均应该列出的情况。
进一步地，针对一个段落主题中存在两个以上主题关键字的情形，如图3所示，上述步骤102可以包括：
301、获取所述文本段落对应的段落主题的主题关键字；
302、若获取到的所述主题关键字存在两个以上，则分别从预设的各个解析字符串中选取出与所述主题关键字相匹配的解析字符串，其中，一个主题关键字匹配一个以上的解析字符串；
303、将选取出的所有所述解析字符串确定为与所述文本段落对应的段落主题相匹配的解析字符串。
对于上述步骤301，关于主题关键字的获取，一种方式是，服务器上可以预先配置好各个段落主题所对应的主题关键字。比如，对于上述的段落主题“原告”，该段落主题所对应的主题关键字即为“原告”。另一种方式是，服务器也可以预先配置好段落主题所对应的多个主题关键字，即一个段落主题对应多个可能出现的主题关键字。
对于上述步骤301~303，可以理解的是，在获取该文本段落对应的段落主题的主题关键字之后，如果获取到的主题关键字存在两个以上，本实施例中为了保证后续提取该文本段落得到的文本信息的信息量最大（信息量最大是用户所追求的），因此，将所有获取到的这些主题关键字相匹配的解析字符串均确定为文本段落对应的段落主题相匹配的解析字符串，在后续解析、提取文本信息时，针对该文本段落，采用这里确定的两个以上的解析字符串分别进行文本信息的提取，详细在后续步骤中说明。
103、针对每个所述文本段落，采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息；
可以理解的是，在上述步骤102中，需要分别针对各个文本段落中的每个文本段落选取出相匹配的解析字符串，在选取出之后，步骤103针对每个所述文本段落，采用与其对应的解析字符串对该文本段落进行解析，提取出该文本段落对应的文本信息。
进一步地，若选取出两个以上解析字符串与一个文本段落对应的段落主题相匹配，则针对所述一个文本段落，提取文本信息的过程可以包括：采用所述两个以上解析字符串分别对所述一个文本段落进行解析，得到所述一个文本段落对应的两个以上文本信息；然后，将所述两个以上文本信息进行合并处理，得到合并后的文本信息。由上述步骤102中的内容可知，针对一个文本段落可能确定出两个以上的解析字符串与之相匹配，此时，采用两个以上解析字符串分别对该文本段落进行解析，可以得到这两个以上解析字符串分别解析得到的两个以上的文本信息。然后，为了在保证信息量最大化的同时减少冗余数据，可以将这两个以上文本信息进行合并处理，除去其中的重复信息后，即可得到合并后的文本信息，作为该文本段落对应的文本信息。
举例说明，假设该文本段落为：“申请人（一审被告）：张三，女， 1997年8月17日出生，家住xxxxx。”与该文本段落对应的段落主题相匹配的解析字符串有以下两个：
字符串k1：@key{申请人}$start{申请人}option(（)@alias;option(）)symbol(：)@value;symbol(，)@remark;$end{enter}
字符串k2：@key{申请人}$start{申请人}symbol(：)@value;symbol(，)@remark;$end{enter}
采用上述字符串k1对该文本段落进行解析，提取得到的文本信息为“[{remark=女， 1997年8月17日出生，家住xxxxx。, alias=一审被告, value=张三, Applicant=申请人}]”；
采用上述字符串k2对该文本段落进行解析，提取得到的文本信息为“[{remark=女， 1997年8月17日出生，家住xxxxx。, value=张三, Applicant=申请人}]”；
将得到的这两个文本信息进行合并处理，得到最终的文本信息为“[{remark=女， 1997年8月17日出生，家住xxxxx。, alias=一审被告, value=张三, Applicant=申请人}]”，相当于去掉了字符串k2提取得到的文本信息。
104、在提取得到各个所述文本段落对应的文本信息之后，按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息。
可以理解的是，执行步骤103分别提取得到各个文本段落对应的文本信息之后，可以按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息。上述的“模板”是指服务器中预先设置的用于汇总这些文本信息的模板，该模板具体可以为设有一定布局的信息列表，汇总时，将各个文本信息分别填入列表中的各个指定位置即可。
进一步地，服务器中可以预先设置有多个模板，这些模板存储在模板库中。当需要时，在从模板库中选取合适的模板作为用于汇总文本信息的模板，如图4所示，在执行步骤104之前，还可以包括：
401、根据所述结构化文本的文本类型从预设的模板库中筛选出与所述文本类型匹配的两个以上模板；
402、根据各个所述文本段落对应的段落主题从所述两个以上模板中选取出与所述段落主题匹配度最高的模板，作为用于汇总各个所述文本信息的模板。
对于上述步骤401，可以理解的是，服务器中预设的模板与各种结构化文本的文本类型存在对应关系，在筛选时，根据当前结构化文本的文本类型从模板库中筛选出与该文本类型匹配的两个以上模板。然后，再根据该结构化文本的各个文本段落对应的段落主题步骤401中筛选出的模板中再次进行选取，计算选取出的模板分别与该段落主题的各个匹配度，然后选取出其中与各个段落主题匹配度最高的模板，作为最终用于汇总的模板。
本实施例中，首先，根据预设的段落主题将当前的结构化文本拆分为各个文本段落；然后，针对每个所述文本段落，从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串；接着，针对每个所述文本段落，采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息；在提取得到各个所述文本段落对应的文本信息之后，按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息。这样，本实施例可以针对结构化文本先拆分后解析的方式，对结构化文本的各个文本段落分别采用解析字符串提取出文本信息，最终得到整个结构化文本的文本信息，大大提高了结构化文本的文本信息提取效率，尤其是在大数据处理方面，可以满足用户对巨量的结构化文本的文本信息提取需求。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图5示出了本申请实施例中一种结构化文本的文本信息提取装置一个实施例结构图。
本实施例中，一种结构化文本的文本信息提取装置包括：
段落拆分模块501，用于根据预设的段落主题将当前的结构化文本拆分为各个文本段落；
字符串选取模块502，用于针对每个所述文本段落，从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串；
文本信息提取模块503，用于针对每个所述文本段落，采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息；
文本信息汇总模块504，用于在提取得到各个所述文本段落对应的文本信息之后，按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息。
进一步地，若所述字符串选取模块选取出两个以上解析字符串与一个文本段落对应的段落主题相匹配，则针对所述一个文本段落，所述文本信息提取模块可以包括：
分别解析单元，用于采用所述两个以上解析字符串分别对所述一个文本段落进行解析，得到所述一个文本段落对应的两个以上文本信息；
合并处理单元，用于将所述两个以上文本信息进行合并处理，得到合并后的文本信息。
进一步地，所述字符串选取模块可以包括：
关键字获取单元，用于获取所述文本段落对应的段落主题的主题关键字；
匹配选取单元，用于若获取到的所述主题关键字存在两个以上，则分别从预设的各个解析字符串中选取出与所述主题关键字相匹配的解析字符串，其中，一个主题关键字匹配一个以上的解析字符串；
字符串确定单元，用于将选取出的所有所述解析字符串确定为与所述文本段落对应的段落主题相匹配的解析字符串。
进一步地，所述段落拆分模块可以包括：
段落主题确定单元，用于从预设的多个段落主题中确定出与所述结构化文本的文本类型对应的段落主题；
拆分段落单元，用于根据确定出的所述段落主题将所述结构化文本拆分为各个文本段落。
进一步地，所述结构化文本的文本信息提取装置还可以包括：
模板筛选模块，用于根据所述结构化文本的文本类型从预设的模板库中筛选出与所述文本类型匹配的两个以上模板；
模板选取模块，用于根据各个所述文本段落对应的段落主题从所述两个以上模板中选取出与所述段落主题匹配度最高的模板，作为用于汇总各个所述文本信息的模板。
图6是本申请一实施例提供的服务器的示意图。如图6所示，该实施例的服务器6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机可读指令62，例如执行上述的结构化文本的文本信息提取方法的程序。所述处理器60执行所述计算机可读指令62时实现上述各个结构化文本的文本信息提取方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器60执行所述计算机可读指令62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块501至504的功能。
示例性的，所述计算机可读指令62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令指令段，该指令段用于描述所述计算机可读指令62在所述服务器6中的执行过程。
所述服务器6可以是本地服务器、云端服务器等计算设备。所述服务器可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是服务器6的示例，并不构成对服务器6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述服务器还可以包括输入输出设备、网络接入设备、总线等。
所述处理器60可以是中央处理单元(Central
Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路 (Application
Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述服务器6的内部存储单元，例如服务器6的硬盘或内存。所述存储器61也可以是所述服务器6的外部存储设备，例如所述服务器6上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash
Card）等。进一步地，所述存储器61还可以既包括所述服务器6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机可读指令以及所述服务器所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (20)
- 一种结构化文本的文本信息提取方法，其特征在于，包括：根据预设的段落主题将当前的结构化文本拆分为各个文本段落；针对每个所述文本段落，从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串；针对每个所述文本段落，采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息；在提取得到各个所述文本段落对应的文本信息之后，按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息。
- 根据权利要求1所述的结构化文本的文本信息提取方法，其特征在于，若选取出两个以上解析字符串与一个文本段落对应的段落主题相匹配，则针对所述一个文本段落，所述采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息的步骤具体包括：采用所述两个以上解析字符串分别对所述一个文本段落进行解析，得到所述一个文本段落对应的两个以上文本信息；将所述两个以上文本信息进行合并处理，得到合并后的文本信息。
- 根据权利要求1所述的结构化文本的文本信息提取方法，其特征在于，所述从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串包括：获取所述文本段落对应的段落主题的主题关键字；若获取到的所述主题关键字存在两个以上，则分别从预设的各个解析字符串中选取出与所述主题关键字相匹配的解析字符串，其中，一个主题关键字匹配一个以上的解析字符串；将选取出的所有所述解析字符串确定为与所述文本段落对应的段落主题相匹配的解析字符串。
- 根据权利要求1所述的结构化文本的文本信息提取方法，其特征在于，所述根据预设的段落主题将当前的结构化文本拆分为各个文本段落包括：从预设的多个段落主题中确定出与所述结构化文本的文本类型对应的段落主题；根据确定出的所述段落主题将所述结构化文本拆分为各个文本段落。
- 根据权利要求1至4中任一项所述的结构化文本的文本信息提取方法，其特征在于，在按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息之前，还包括：根据所述结构化文本的文本类型从预设的模板库中筛选出与所述文本类型匹配的两个以上模板；根据各个所述文本段落对应的段落主题从所述两个以上模板中选取出与所述段落主题匹配度最高的模板，作为用于汇总各个所述文本信息的模板。
- 一种结构化文本的文本信息提取装置，其特征在于，包括：段落拆分模块，用于根据预设的段落主题将当前的结构化文本拆分为各个文本段落；字符串选取模块，用于针对每个所述文本段落，从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串；文本信息提取模块，用于针对每个所述文本段落，采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息；文本信息汇总模块，用于在提取得到各个所述文本段落对应的文本信息之后，按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息。
- 根据权利要求6所述的文本信息提取装置，其特征在于，其特征在于，若选取出两个以上解析字符串与一个文本段落对应的段落主题相匹配，则针对所述一个文本段落，所述文本信息提取模块可以包括：分别解析单元，用于采用所述两个以上解析字符串分别对所述一个文本段落进行解析，得到所述一个文本段落对应的两个以上文本信息；合并处理单元，用于将所述两个以上文本信息进行合并处理，得到合并后的文本信息。
- 根据权利要求6所述的文本信息提取装置，其特征在于，所述字符串选取模块可以包括：关键字获取单元，用于获取所述文本段落对应的段落主题的主题关键字；匹配选取单元，用于若获取到的所述主题关键字存在两个以上，则分别从预设的各个解析字符串中选取出与所述主题关键字相匹配的解析字符串，其中，一个主题关键字匹配一个以上的解析字符串；字符串确定单元，用于将选取出的所有所述解析字符串确定为与所述文本段落对应的段落主题相匹配的解析字符串。
- 根据权利要求6所述的文本信息提取装置，其特征在于，所述段落拆分模块可以包括：段落主题确定单元，用于从预设的多个段落主题中确定出与所述结构化文本的文本类型对应的段落主题；拆分段落单元，用于根据确定出的所述段落主题将所述结构化文本拆分为各个文本段落。
- 根据权利要求6至9中任一项所述的文本信息提取装置，其特征在于，所述结构化文本的文本信息提取装置还可以包括：模板筛选模块，用于根据所述结构化文本的文本类型从预设的模板库中筛选出与所述文本类型匹配的两个以上模板；模板选取模块，用于根据各个所述文本段落对应的段落主题从所述两个以上模板中选取出与所述段落主题匹配度最高的模板，作为用于汇总各个所述文本信息的模板。
- 一种服务器，其特征在于，所述服务器包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：根据预设的段落主题将当前的结构化文本拆分为各个文本段落；针对每个所述文本段落，从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串；针对每个所述文本段落，采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息；在提取得到各个所述文本段落对应的文本信息之后，按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息。
- 根据权利要求11所述的服务器，其特征在于，其特征在于，若选取出两个以上解析字符串与一个文本段落对应的段落主题相匹配，则针对所述一个文本段落，所述采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息的步骤具体包括：采用所述两个以上解析字符串分别对所述一个文本段落进行解析，得到所述一个文本段落对应的两个以上文本信息；将所述两个以上文本信息进行合并处理，得到合并后的文本信息。
- 根据权利要求11所述的服务器，其特征在于，其特征在于，所述从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串包括：获取所述文本段落对应的段落主题的主题关键字；若获取到的所述主题关键字存在两个以上，则分别从预设的各个解析字符串中选取出与所述主题关键字相匹配的解析字符串，其中，一个主题关键字匹配一个以上的解析字符串；将选取出的所有所述解析字符串确定为与所述文本段落对应的段落主题相匹配的解析字符串。
- 根据权利要求11所述的服务器，其特征在于，所述根据预设的段落主题将当前的结构化文本拆分为各个文本段落包括：从预设的多个段落主题中确定出与所述结构化文本的文本类型对应的段落主题；根据确定出的所述段落主题将所述结构化文本拆分为各个文本段落。
- 根据权利要求11-14任一项所述的服务器，其特征在于，在按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息之前，还包括：根据所述结构化文本的文本类型从预设的模板库中筛选出与所述文本类型匹配的两个以上模板；根据各个所述文本段落对应的段落主题从所述两个以上模板中选取出与所述段落主题匹配度最高的模板，作为用于汇总各个所述文本信息的模板。
- 一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如下步骤：根据预设的段落主题将当前的结构化文本拆分为各个文本段落；针对每个所述文本段落，从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串；针对每个所述文本段落，采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息；在提取得到各个所述文本段落对应的文本信息之后，按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息。
- 根据权利要求16所述的计算机可读存储介质，其特征在于，若选取出两个以上解析字符串与一个文本段落对应的段落主题相匹配，则针对所述一个文本段落，所述采用选取出的所述解析字符串对所述文本段落进行解析，提取出所述文本段落对应的文本信息的步骤具体包括：采用所述两个以上解析字符串分别对所述一个文本段落进行解析，得到所述一个文本段落对应的两个以上文本信息；将所述两个以上文本信息进行合并处理，得到合并后的文本信息。
- 根据权利要求16所述的计算机可读存储介质，其特征在于，所述从预设的各个解析字符串中选取与所述文本段落对应的段落主题相匹配的解析字符串包括：获取所述文本段落对应的段落主题的主题关键字；若获取到的所述主题关键字存在两个以上，则分别从预设的各个解析字符串中选取出与所述主题关键字相匹配的解析字符串，其中，一个主题关键字匹配一个以上的解析字符串；将选取出的所有所述解析字符串确定为与所述文本段落对应的段落主题相匹配的解析字符串。
- 根据权利要求16所述的计算机可读存储介质，其特征在于，所述根据预设的段落主题将当前的结构化文本拆分为各个文本段落包括：从预设的多个段落主题中确定出与所述结构化文本的文本类型对应的段落主题；根据确定出的所述段落主题将所述结构化文本拆分为各个文本段落。
- 根据权利要求16-19任一项所述的计算机可读存储介质，其特征在于，在按照预设的模板汇总各个所述文本信息，得到所述结构化文本的文本信息之前，还包括：根据所述结构化文本的文本类型从预设的模板库中筛选出与所述文本类型匹配的两个以上模板；根据各个所述文本段落对应的段落主题从所述两个以上模板中选取出与所述段落主题匹配度最高的模板，作为用于汇总各个所述文本信息的模板。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711000763.6A CN107766328B (zh) | 2017-10-24 | 2017-10-24 | 结构化文本的文本信息提取方法、存储介质和服务器 |
| CN201711000763.6 | 2017-10-24 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2019080402A1 true WO2019080402A1 (zh) | 2019-05-02 |
Family
ID=61270047
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2018/074865 Ceased WO2019080402A1 (zh) | 2017-10-24 | 2018-01-31 | 结构化文本的文本信息提取方法、存储介质和服务器 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107766328B (zh) |
| WO (1) | WO2019080402A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111798344A (zh) * | 2020-07-01 | 2020-10-20 | 北京金堤科技有限公司 | 主体名称确定方法和装置、电子设备和存储介质 |
| CN112668284A (zh) * | 2020-12-29 | 2021-04-16 | 长春市把手科技有限公司 | 一种法律文书分段方法及系统 |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108734110B (zh) * | 2018-04-24 | 2022-08-09 | 达而观信息科技（上海）有限公司 | 基于最长公共子序列的文本段落识别对比方法及系统 |
| CN108845993B (zh) * | 2018-06-06 | 2022-04-12 | 中国科学技术信息研究所 | 文本信息的翻译方法、装置及终端设备 |
| CN109033249B (zh) * | 2018-07-05 | 2021-06-18 | 鼎富智能科技有限公司 | 公检法领域结构化文书的信息提取方法、装置及存储介质 |
| CN109165344A (zh) * | 2018-08-06 | 2019-01-08 | 百度在线网络技术（北京）有限公司 | 用于推送信息的方法和装置 |
| CN109448793B (zh) * | 2018-10-15 | 2021-04-20 | 智慧芽信息科技(苏州)有限公司 | 基因序列的权利范围标注、检索及信息标注方法、系统 |
| CN114625829B (zh) * | 2018-11-09 | 2025-01-17 | 医渡云（北京）技术有限公司 | 文本信息提取方法、装置、介质及电子设备 |
| TWI736831B (zh) * | 2019-01-28 | 2021-08-21 | 洽吧智能股份有限公司 | 文字關係解析方法與系統 |
| CN110188328B (zh) * | 2019-06-04 | 2023-12-26 | 北京市律典通科技有限公司 | 卷宗结构化处理方法和装置 |
| CN112131337B (zh) * | 2019-06-24 | 2025-01-14 | 北京京东尚科信息技术有限公司 | 非结构化数据的处理方法、装置、系统及存储介质 |
| CN110941946A (zh) * | 2019-11-29 | 2020-03-31 | 西安四叶草信息技术有限公司 | 一种信息提取方法、装置、设备及存储介质 |
| CN111352917B (zh) * | 2020-02-28 | 2023-05-16 | 北京思特奇信息技术股份有限公司 | 信息录入方法、装置、电子设备及存储介质 |
| CN111488727B (zh) * | 2020-03-24 | 2023-09-19 | 南阳柯丽尔科技有限公司 | 词文件解析方法、词文件解析设备和计算机可读存储介质 |
| CN112651236B (zh) * | 2020-12-28 | 2021-10-01 | 中电金信软件有限公司 | 提取文本信息的方法、装置、计算机设备和存储介质 |
| CN116127945B (zh) * | 2022-12-26 | 2025-11-21 | 深圳中泓在线股份有限公司 | 网络链接处理方法和装置、电子设备、存储介质 |
| CN116227473A (zh) * | 2023-03-22 | 2023-06-06 | 马上消费金融股份有限公司 | 同义词的生成方法、装置、设备和计算机可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013030041A (ja) * | 2011-07-29 | 2013-02-07 | Nippon Telegr & Teleph Corp <Ntt> | 情報抽出方法、情報抽出装置、情報抽出プログラム |
| CN106776538A (zh) * | 2016-11-23 | 2017-05-31 | 国网福建省电力有限公司 | 企业非标准格式文档的信息提取方法 |
| CN106815208A (zh) * | 2015-12-01 | 2017-06-09 | 北京国双科技有限公司 | 法律裁判文书的解析方法及装置 |
| CN106815206A (zh) * | 2015-12-01 | 2017-06-09 | 北京国双科技有限公司 | 法律裁判文书的解析方法及装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104252444B (zh) * | 2013-06-27 | 2019-02-22 | 腾讯科技（北京）有限公司 | 一种杂志应用的排版方法、模块和系统 |
| US20150294220A1 (en) * | 2014-04-11 | 2015-10-15 | Khalid Ragaei Oreif | Structuring data around a topical matter and a.i./n.l.p./ machine learning knowledge system that enhances source content by identifying content topics and keywords and integrating associated/related contents |
| CN105654022A (zh) * | 2014-11-12 | 2016-06-08 | 北大方正集团有限公司 | 一种提取文档结构化信息的方法及装置 |
| CN105677764B (zh) * | 2015-12-30 | 2020-05-08 | 百度在线网络技术（北京）有限公司 | 信息提取方法和装置 |
-
2017
- 2017-10-24 CN CN201711000763.6A patent/CN107766328B/zh active Active
-
2018
- 2018-01-31 WO PCT/CN2018/074865 patent/WO2019080402A1/zh not_active Ceased
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013030041A (ja) * | 2011-07-29 | 2013-02-07 | Nippon Telegr & Teleph Corp <Ntt> | 情報抽出方法、情報抽出装置、情報抽出プログラム |
| CN106815208A (zh) * | 2015-12-01 | 2017-06-09 | 北京国双科技有限公司 | 法律裁判文书的解析方法及装置 |
| CN106815206A (zh) * | 2015-12-01 | 2017-06-09 | 北京国双科技有限公司 | 法律裁判文书的解析方法及装置 |
| CN106776538A (zh) * | 2016-11-23 | 2017-05-31 | 国网福建省电力有限公司 | 企业非标准格式文档的信息提取方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111798344A (zh) * | 2020-07-01 | 2020-10-20 | 北京金堤科技有限公司 | 主体名称确定方法和装置、电子设备和存储介质 |
| CN111798344B (zh) * | 2020-07-01 | 2023-09-22 | 北京金堤科技有限公司 | 主体名称确定方法和装置、电子设备和存储介质 |
| CN112668284A (zh) * | 2020-12-29 | 2021-04-16 | 长春市把手科技有限公司 | 一种法律文书分段方法及系统 |
| CN112668284B (zh) * | 2020-12-29 | 2023-12-15 | 长春市把手科技有限公司 | 一种法律文书分段方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107766328B (zh) | 2020-06-12 |
| CN107766328A (zh) | 2018-03-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019080402A1 (zh) | 结构化文本的文本信息提取方法、存储介质和服务器 | |
| CN109062874B (zh) | 财政数据的获取方法、终端设备及介质 | |
| WO2018205389A1 (zh) | 语音识别方法、系统、电子装置及介质 | |
| WO2017092555A1 (zh) | 一种裁判文书中的金额解析方法及装置 | |
| US9753905B2 (en) | Generating a document structure using historical versions of a document | |
| WO2019028990A1 (zh) | 代码元素的命名方法、装置、电子设备及介质 | |
| CN102541948A (zh) | 用于提取文档结构的方法和装置 | |
| WO2021139242A1 (zh) | 演示文稿生成方法、装置、设备及存储介质 | |
| WO2022127259A1 (zh) | 数据清洗方法、装置、设备及存储介质 | |
| US8484229B2 (en) | Method and system for identifying traditional arabic poems | |
| US11783112B1 (en) | Framework agnostic summarization of multi-channel communication | |
| WO2017096777A1 (zh) | 文献归一方法、文献搜索方法及对应装置、设备和存储介质 | |
| CN106547895B (zh) | 一种网页信息的提取方法及装置 | |
| CN110516203B (zh) | 争议焦点分析方法、装置、电子设备及计算机可存储介质 | |
| CN110866407B (zh) | 确定互译文本及文本间相似度分析方法、装置及设备 | |
| CN109101491B (zh) | 一种作者信息抽取方法、装置、计算机装置及计算机可读存储介质 | |
| CN111159497A (zh) | 正则表达式的生成方法及基于正则表达式的数据提取方法 | |
| CN116029280A (zh) | 一种文档关键信息抽取方法、装置、计算设备和存储介质 | |
| CN116614669A (zh) | 音视频数据处理方法和装置、电子设备及存储介质 | |
| CN111046649A (zh) | 一种文本分割方法和装置 | |
| Lin et al. | Combining a segmentation-like approach and a density-based approach in content extraction | |
| CN120277070A (zh) | 基于机器学习模型的内容检索方法、装置和设备 | |
| CN103440231A (zh) | 用于比较文本的设备和方法 | |
| US10229105B1 (en) | Mobile log data parsing | |
| CN102262617B (zh) | 一种书版小样处理方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18869612 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 32PN | Ep: public notification in the ep bulletin as address of the adressee cannot be established |
Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 09/10/2020) |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 18869612 Country of ref document: EP Kind code of ref document: A1 |