[發(fā)明專利]公式主體定位方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811611964.4
• 申請(qǐng)日: 2018-12-27
• 公開（公告）號(hào): CN111400491A
• 公開（公告）日: 2020-07-10
• 發(fā)明（設(shè)計(jì)）人: 陳一帆;顏欽欽;高良才;湯幟
• 申請(qǐng)（專利權(quán)）人: 北大方正集團(tuán)有限公司;北大方正信息產(chǎn)業(yè)集團(tuán)有限公司;北京大學(xué)
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F40/131
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司 11205
• 代理人: 張子青;劉芳

本發(fā)明提供一種公式主體定位方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，方法包括：獲取初步定位獲得的公式整體數(shù)據(jù)；對(duì)所述公式整體數(shù)據(jù)進(jìn)行分割，獲得至少一行公式行數(shù)據(jù)；針對(duì)每一行公式行數(shù)據(jù)，對(duì)所述公式行數(shù)據(jù)進(jìn)行聚類操作，獲得至少一個(gè)待選公式主體；去除所述待選公式主體中的非公式主體信息，獲得所述公式主體。從而能夠精準(zhǔn)地定位到公式主體信息，噪聲較低，便于后續(xù)的檢索、識(shí)別操作。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)字出版領(lǐng)域，尤其涉及一種公式主體定位方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

現(xiàn)有的電子文檔中一般除了文本以外，還包括公式等內(nèi)容，因此，在對(duì)電子文檔進(jìn)行處理的過程中，還需要對(duì)電子文檔中的公式進(jìn)行定位以及識(shí)別。

現(xiàn)有的公式識(shí)別方法一般都是對(duì)電子文檔進(jìn)行識(shí)別，確定公式所在的位置，對(duì)該位置的公式進(jìn)行整體定位。

但是，對(duì)于電子文檔中的公式而言，由于在布局上存在條件、分段、二維、嵌套等關(guān)系，因此，采用上述定位方法定位效果欠佳。舉例來說，大量文獻(xiàn)中的公式帶有后續(xù)處理無用的符號(hào)信息；而對(duì)于多行公式或者方程組公式，整體定位結(jié)果不易于檢索；對(duì)于內(nèi)嵌公式來說，定位結(jié)果中往往包含上下文信息；一些復(fù)雜文檔中存在圖表形式的偽公式，因此，針對(duì)上述情況來說，采用整體定位公式的方法獲得的公式中往往包含較多的噪聲。

發(fā)明內(nèi)容

本發(fā)明提供一種公式主體定位方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用于解決現(xiàn)有的公式識(shí)別方法定位效果欠佳，獲得的公式中往往包含較多的噪聲的技術(shù)問題。

本發(fā)明的第一個(gè)方面是提供一種公式主體定位方法，包括：

獲取初步定位獲得的公式整體數(shù)據(jù)；

對(duì)所述公式整體數(shù)據(jù)進(jìn)行分割，獲得至少一行公式行數(shù)據(jù)；

針對(duì)每一行公式行數(shù)據(jù)，對(duì)所述公式行數(shù)據(jù)進(jìn)行聚類操作，獲得至少一個(gè)待選公式主體；

去除所述待選公式主體中的非公式主體信息，獲得所述公式主體。

本發(fā)明的另一個(gè)方面是提供一種公式主體定位裝置，包括：

獲取模塊，用于獲取初步定位獲得的公式整體數(shù)據(jù)；

分割模塊，用于對(duì)所述公式整體數(shù)據(jù)進(jìn)行分割，獲得至少一行公式行數(shù)據(jù)；

聚類模塊，用于針對(duì)每一行公式行數(shù)據(jù)，對(duì)所述公式行數(shù)據(jù)進(jìn)行聚類操作，獲得至少一個(gè)待選公式主體；

去除模塊，用于去除所述待選公式主體中的非公式主體信息，獲得所述公式主體。

本發(fā)明的又一個(gè)方面是提供一種公式主體定位設(shè)備，包括：存儲(chǔ)器，處理器；

存儲(chǔ)器；用于存儲(chǔ)所述處理器可執(zhí)行指令的存儲(chǔ)器；

其中，所述處理器被配置為由所述處理器執(zhí)行如上述的公式主體定位方法。

本發(fā)明的又一個(gè)方面是提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)執(zhí)行指令，所述計(jì)算機(jī)執(zhí)行指令被處理器執(zhí)行時(shí)用于實(shí)現(xiàn)如上述的公式主體定位方法。

本發(fā)明提供的公式主體定位方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，通過獲取初步定位獲得的公式整體數(shù)據(jù)；對(duì)所述公式整體數(shù)據(jù)進(jìn)行分割，獲得至少一行公式行數(shù)據(jù)；針對(duì)每一行公式行數(shù)據(jù)，對(duì)所述公式行數(shù)據(jù)進(jìn)行聚類操作，獲得至少一個(gè)待選公式主體；去除所述待選公式主體中的非公式主體信息，獲得所述公式主體。從而能夠精準(zhǔn)地定位到公式主體信息，噪聲較低，便于后續(xù)的檢索、識(shí)別操作。

附圖說明