[發(fā)明專利]一種在文檔中獲得一個或多個關(guān)鍵元素的設(shè)備和方法

有效

• 申請?zhí)枺?/td>: 201010218148.4
• 申請日: 2010-07-06
• 公開（公告）號: CN102314448A
• 公開（公告）日: 2012-01-11
• 發(fā)明（設(shè)計）人: 謝宣松;姜珊珊;孫軍;鄭繼川;趙利軍
• 申請（專利權(quán)）人: 株式會社理光
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 北京市柳沈律師事務(wù)所 11105
• 代理人: 黃小臨

1.一種在文檔中獲得一個或多個關(guān)鍵元素的方法，包括以下步驟：

a)抽取該文檔的結(jié)構(gòu)元素，所述結(jié)構(gòu)元素至少包含標(biāo)題元素，其中，該文檔包括多個結(jié)構(gòu)上的層，所述結(jié)構(gòu)上的層至少包含標(biāo)題層，且每個結(jié)構(gòu)元素對應(yīng)于各自的層；

b)確定除了標(biāo)題層以外的一層中的被抽取的結(jié)構(gòu)元素在其對應(yīng)的層內(nèi)的層內(nèi)權(quán)重；

c)確定所述被抽取的結(jié)構(gòu)元素與除了其對應(yīng)的層和標(biāo)題層以外的其他層中的結(jié)構(gòu)元素之間的跨層權(quán)重；

d)確定所述被抽取的結(jié)構(gòu)元素與標(biāo)題元素之間的全局權(quán)重；

e)組合所述被抽取的結(jié)構(gòu)元素的層內(nèi)權(quán)重、跨層權(quán)重和全局權(quán)重來確定所述被抽取的結(jié)構(gòu)元素的最后權(quán)重；以及

f)根據(jù)所述一層中的結(jié)構(gòu)元素的最后權(quán)重，來獲得所述一層中的一個或多個關(guān)鍵元素。

2.根據(jù)權(quán)利要求1所述的方法，其中所述結(jié)構(gòu)元素還包括區(qū)域元素、段落元素、句子元素、詞元素、字元素中的一個或多個，所述結(jié)構(gòu)上的層還包括區(qū)域?qū)印⒍温鋵印⒕渥訉印⒃~層和字層中的一個或多個。

3.根據(jù)權(quán)利要求1或2所述的方法，其中，所述步驟b)包括：

b-1)給被抽取的結(jié)構(gòu)元素賦予初始權(quán)重；

b-2)確定被抽取的結(jié)構(gòu)元素與在其對應(yīng)的層內(nèi)的其他結(jié)構(gòu)元素之間的層內(nèi)關(guān)系鏈的權(quán)重；

b-3)根據(jù)被抽取的結(jié)構(gòu)元素的初始權(quán)重和其層內(nèi)關(guān)系鏈的權(quán)重，確定被抽取的結(jié)構(gòu)元素在其對應(yīng)的層內(nèi)的層內(nèi)權(quán)重。

4.根據(jù)權(quán)利要求3所述的方法，其中，在步驟b-1)中，區(qū)域元素或段落元素的初始權(quán)重與區(qū)域或段落的位置信息有關(guān)；句子元素的初始權(quán)重與該句子被其他句子引用的次數(shù)有關(guān)；而且/或者詞或字的初始權(quán)重與該詞或字的詞性和/或出現(xiàn)詞頻有關(guān)。

5.根據(jù)權(quán)利要求3所述的方法，其中，在步驟b-2)中，對于區(qū)域元素、段落元素和句子元素，通過兩個結(jié)構(gòu)元素之間共同包含的詞或字的數(shù)目和兩個結(jié)構(gòu)元素的詞或字的總數(shù)來計算兩個結(jié)構(gòu)元素之間的層內(nèi)關(guān)系鏈的權(quán)重；且對于詞元素和字元素，則通過同層的兩個結(jié)構(gòu)元素同時出現(xiàn)在同一個預(yù)定大小的元素窗口內(nèi)時之間的距離和該元素窗口的預(yù)定大小來計算兩個結(jié)構(gòu)元素在該元素窗口內(nèi)的關(guān)系值，并通過這兩個結(jié)構(gòu)元素在整個文檔中的各個元素窗口內(nèi)的關(guān)系值之和來計算這兩個結(jié)構(gòu)元素在整個文檔中層內(nèi)關(guān)系鏈的權(quán)重。

6.根據(jù)權(quán)利要求3所述的方法，其中，在步驟b-3)中，利用TextRank的基于圖的算法，根據(jù)被抽取的結(jié)構(gòu)元素的初始權(quán)重和其層內(nèi)關(guān)系鏈的權(quán)重，來計算被抽取的結(jié)構(gòu)元素在其對應(yīng)的層內(nèi)的層內(nèi)權(quán)重。

7.根據(jù)權(quán)利要求1或2所述的方法，其中，在所述步驟c)中，通過所述被抽取的結(jié)構(gòu)元素和所述其他層中的結(jié)構(gòu)元素之間的包含次數(shù)、該被抽取的結(jié)構(gòu)元素的層內(nèi)權(quán)重和/或其他層結(jié)構(gòu)元素的層內(nèi)權(quán)重這些參數(shù)中的一個或多個來計算在所述被抽取的結(jié)構(gòu)元素的跨層權(quán)重。

8.根據(jù)權(quán)利要求1或2所述的方法，其中，在所述步驟d)中，通過被抽取的結(jié)構(gòu)元素與標(biāo)題元素之間共同包含的詞或字的數(shù)目、共同包含的詞或字出現(xiàn)的詞頻、共同包含的詞或字的詞性、被抽取的結(jié)構(gòu)元素的詞或字的總數(shù)、標(biāo)題元素的詞或字的總數(shù)、被抽取的結(jié)構(gòu)元素的層內(nèi)權(quán)重和/或被抽取的結(jié)構(gòu)元素的跨層權(quán)重這些參數(shù)中的一個或多個來計算被抽取的結(jié)構(gòu)元素的全局權(quán)重。

9.根據(jù)權(quán)利要求1所述的方法，其中，在所述步驟f)中，將所述一層中的結(jié)構(gòu)元素的最后權(quán)重進行排序，獲得最后權(quán)重最高的一個或多個結(jié)構(gòu)元素作為所述一層中的一個或多個關(guān)鍵元素。

10.一種在文檔中獲得一個或多個關(guān)鍵元素的設(shè)備，包括：

抽取裝置，抽取該文檔的結(jié)構(gòu)元素，所述結(jié)構(gòu)元素至少包含標(biāo)題元素，其中，該文檔包括多個結(jié)構(gòu)上的層，所述結(jié)構(gòu)上的層至少包含標(biāo)題層，且每個結(jié)構(gòu)元素對應(yīng)于各自的層；

層內(nèi)權(quán)重確定裝置，確定除了標(biāo)題層以外的一層中的被抽取的結(jié)構(gòu)元素在其對應(yīng)的層內(nèi)的層內(nèi)權(quán)重；

跨層權(quán)重確定裝置，確定所述被抽取的結(jié)構(gòu)元素與除了其對應(yīng)的層和標(biāo)題層以外的其他層中的結(jié)構(gòu)元素之間的跨層權(quán)重；

全局權(quán)重確定裝置，確定所述被抽取的結(jié)構(gòu)元素與標(biāo)題元素之間的全局權(quán)重；

最后權(quán)重確定裝置，組合被抽取的結(jié)構(gòu)元素的層內(nèi)權(quán)重、跨層權(quán)重和全局權(quán)重來確定所述被抽取的結(jié)構(gòu)元素的最后權(quán)重；以及

關(guān)鍵元素獲得裝置，根據(jù)所述一層中的被抽取的結(jié)構(gòu)元素的最后權(quán)重，來獲得所述一層中的一個或多個關(guān)鍵元素。

11.根據(jù)權(quán)利要求10所述的設(shè)備，其中所述結(jié)構(gòu)元素還包括區(qū)域元素、段落元素、句子元素、詞元素、字元素中的一個或多個，所述結(jié)構(gòu)上的層還包括區(qū)域?qū)印⒍温鋵印⒕渥訉印⒃~層和字層中的一個或多個。