[發明專利]文本內容提取方法、裝置、系統及存儲介質

在審

• 申請號: 201710896296.3
• 申請日: 2017-09-27
• 公開（公告）號: CN107807917A
• 公開（公告）日: 2018-03-16
• 發明（設計）人: 劉克亮
• 申請（專利權）人: 風變科技（深圳）有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30
• 代理公司: 廣州三環專利商標代理有限公司44202
• 代理人: 麥小嬋,郝傳鑫

1.一種文本內容提取方法，其特征在于，包括如下步驟：

接收編輯終端發送的文本內容提取請求，并發送文本內容提取頁面至所述編輯終端；

接收編輯終端根據文本內容提取頁面發送的書籍信息；所述書籍信息包括書籍類別、書籍名稱，以及作者；

根據所述書籍信息，查詢書籍數據庫并利用語義分析和預設的內容提取規則提取該書籍的目標文本內容，并打包發送至所述編輯終端。

2.根據權利要求1所述的一種文本內容提取方法，其特征在于，所述根據所述書籍信息，查詢書籍數據庫并利用語義分析和預設的內容提取規則提取該書籍的目標文本內容，并打包發送至所述編輯終端，具體為：

根據書籍的書籍類別、書籍名稱，以及作者，查詢書籍數據庫以獲取所述書籍文本內容；

對待提取書籍的文本內容數據進行語義分析，并根據語義分析結果匹配規則庫中對應的內容提取規則；

若匹配成功，則使用所述內容提取規則從所述書籍的文本內容中提取目標文本內容，并將提取的所述目標文本內容打包發送至所述編輯終端；

若匹配失敗，則記錄語義分析結果，并建立新的內容提取規則，并將該新建立的內容提取規則更新至規則庫。

3.根據權利要求2所述的一種文本內容提取方法，其特征在于，所述對待提取書籍的文本內容數據進行語義分析包括：對提取書籍的文本內容數據進行分詞和詞性標注；對分詞的結果進行實體標注；構建數據中各詞之間的關聯關系；所述實體標注包括人名標注、時間標注以及數字標注。

4.根據權利要求3所述的一種文本內容提取方法，其特征在于，所述對分詞的結果進行實體標注，具體為：

采用條件隨機場的模型，根據經機器學習對書籍的文本內容作出的分詞和詞性標注，同時利用書籍的文本內容的上下文內容、前后詞語的詞性以及詞語的長度，進一步對書籍的文本內容進行實體標注。

5.根據權利要求1至4任一項所述的一種文本內容提取方法，其特征在于，所述內容提取規則為根據選取的書籍文本內容樣本、關鍵詞，以及與關鍵詞相關聯的語法關系進行訓練分析提??；所述規則庫為根據書籍的文本內容和語義分析建立。

6.一種文本內容提取裝置，其特征在于，包括：

文本內容提取請求接收單元，接收編輯終端發送文本內容提取請求，并發送文本內容提取頁面至所述編輯終端；

文本內容提取單元，用于接收編輯終端根據文本內容提取頁面發送的書籍信息，并根據所述書籍信息，查詢書籍數據庫并利用語義分析和預設的內容提取規則提取該書籍的目標文本內容，并打包發送至所述編輯終端；所述書籍信息包括書籍類別、書籍名稱，以及作者。

7.一種文本內容提取裝置，其特征在于，包括處理器，存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，所述處理器執行所述計算機程序時，實現如權利要求1至4所述的文本內容提取方法。

8.一種存儲介質，其特征在于，所述存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述存儲介質所在設備執行如權利要求1至4任意一項所述的文本內容提取方法。

9.一種文本內容提取系統，其特征在于，包括編輯終端和服務器；

編輯終端，用于發送文本內容提取請求至服務器；

所述服務器，用于根據所述文本內容提取請求，發送文本內容提取頁面至所述編輯終端；

所述編輯終端，還用于獲取用戶根據文本內容提取頁面選取的書籍信息，并發送至服務器；所述書籍信息包括書籍類別、書籍名稱，以及作者；

所述服務器，還用于根據所述書籍信息，查詢書籍數據庫并利用語義分析和預設的內容提取規則提取該書籍的目標文本內容，并打包發送至所述編輯終端。