[發明專利]一種文本信息生成方法及裝置

在審

• 申請號: 202010133941.8
• 申請日: 2020-02-28
• 公開（公告）號: CN111310423A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 任寧
• 申請（專利權）人: 中科鼎富（北京）科技發展有限公司
• 主分類號: G06F40/174
• 分類號: G06F40/174;G06Q10/10;G06Q30/06
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 李飛

1.一種文本信息生成方法，其特征在于，所述方法包括：

從文本中定位錨定對象所在文本塊；

從所述文本塊中，抽取所述錨定對象并獲取所述錨定對象所在的位置信息，抽取限定信息并獲取所述限定信息的位置信息；

根據所述錨定對象所在的位置信息與所述限定信息的位置信息生成至少一個條目，其中，一個所述條目中包括一個所述錨定對象以及多個所述限定信息。

2.如權利要求1所述的文本信息生成方法，其特征在于，當所述錨定對象為金額時；

所述從文本中定位錨定對象所在文本塊，包括：從文本中定位所述金額所在的文本塊；

所述從所述文本塊中，抽取所述錨定對象并獲取所述錨定對象所在的位置信息，抽取限定信息并獲取所述限定信息的位置信息，包括：通過第一規則從所述文本塊抽取所述金額并獲取所述金額所在的位置信息，通過第二規則從所述文本塊抽取所述限定信息并獲取所述限定信息的位置信息，其中，所述金額包括：大寫金額或小寫金額；

所述根據所述錨定對象所在的位置信息與所述限定信息的位置信息生成至少一個條目，包括：根據所述金額所在的位置信息和所述限定信息的位置信息來提取與所述金額相關的所述限定信息，將所提取的所述限定信息與所述金額信息生成一個所述條目。

3.如權利要求2所述的文本信息生成方法，其特征在于，當所述文本為合同文本時，所述根據所述金額所在的位置信息和所述限定信息的位置信息來提取與所述金額相關的所述限定信息，將所提取的所述限定信息與所述金額信息生成一個所述條目，包括：

從第二金額所在的位置，向前查找得到離所述第二金額最近的且出現在第一金額之后的第二金額限定信息，其中，所述第二金額限定信息包括時間單位、面積單位、時間序列、具體時間、是否含稅、款項名稱、重量單位和電費單位中的至少一個；

根據所述第二金額以及所述第二金額限定信息生成第一條目。

4.如權利要求3所述的文本信息生成方法，其特征在于，當所述第二金額限定信息缺少所述時間單位、所述面積單位、所述電費單位、所述重量單位、所述是否含稅、所述款項名稱和所述具體時間中的至少一種信息時，所述根據所述金額所在的位置信息和所述限定信息的位置信息來提取與所述金額相關的所述限定信息，將所提取的所述限定信息與所述金額信息生成一個所述條目，包括：

從所述第二金額所在位置，向后查找離所述第二金額最近的且出現在第三金額之前的所述第二限定信息；

根據所述第二金額以及所述第二金額限定信息生成所述第一條目。

5.如權利要求3或4所述的文本信息生成方法，其特征在于，當所述限定信息包括具體時間時，所述根據所述金額所在的位置信息和所述限定信息的位置信息來提取與所述金額相關的所述限定信息，將所提取的所述限定信息與所述金額信息生成一個所述條目，包括：

從所述第二金額所在位置，向前查找并抽取離所述第二金額最近的具體時間作為所述第二金額限定信息；

根據所述第二金額以及所述第二金額限定信息生成所述第一條目。

6.如權利要求5所述的文本信息生成方法，其特征在于，

所述從所述文本塊通過第二規則抽取限定信息并獲取所述限定信息的位置信息，包括：

將詞表與所述文本塊進行匹配，得到與所述詞表的內容匹配的多個字符串以及所述多個字符串的起始位置信息和結束位置信息；

對所述多個字符串中的部分字符串進行合并處理得到所述限定信息以及所述限定信息的起始位置信息和結束位置信息，其中，當第一字符串的起始位置小于或等于第二字符串的起始位置，且所述第一字符串的結束位置大于或等于所述第二字符串的結束位置時，對所述第一字符串和第二字符串進行合并處理，將所述第一字符串作為所述限定信息，將所述第一字符串的起始位置信息和結束位置信息作為所述限定信息的位置信息；

所述從第二金額所在的位置，向前查找得到離所述第二金額最近的且出現在第一金額之后的第二金額限定信息，包括：根據所述限定信息的起始位置信息和結束位置信息，確定位于所述第二金額所在位置和所述第一金額所在的位置之間的所述限定信息作為所述第二金額限定信息。