[發明專利]文檔處理方法、文檔處理裝置和電子設備

在審

• 申請號: 202010816179.3
• 申請日: 2020-08-14
• 公開（公告）號: CN111984589A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 王楚涵
• 申請（專利權）人: 維沃移動通信有限公司
• 主分類號: G06F16/11
• 分類號: G06F16/11;G06F40/189
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;胡影

1.一種文檔處理方法，其特征在于，包括：

提取文檔的內容，所述文檔的內容至少包括文本段落；

標記所述文本段落中的序號的序號類型；

確定所述文本段落的段落類型；

根據目標文檔格式、所述序號的序號類型以及所述文本段落的段落類型，對所述文檔進行排版。

2.根據權利要求1所述的文檔處理方法，其特征在于，所述根據目標文檔格式、所述序號的序號類型以及所述文本段落的段落類型，對所述文檔進行排版的步驟之前，還包括：

獲取文檔格式要求文本；

對所述文檔格式要求文本的內容進行識別，得到所述目標文檔格式。

3.根據權利要求1所述的文檔處理方法，其特征在于，所述標記所述文本段落中的序號的序號類型的步驟之前，還包括：

采用正則表達式識別并獲取所述文本段落中的序號。

4.根據權利要求1所述的文檔處理方法，其特征在于，所述標記文本段落中的序號的序號類型的步驟包括：

通過文本序號模型判斷所述序號是否為真；

在所述文本序號模型的判斷結果為真的情況下，根據所述序號的格式，標記所述序號的序號類型。

5.根據權利要求1所述的文檔處理方法，其特征在于，所述確定所述文本段落的段落類型的步驟包括：

利用文本段落分類模型識別每一所述文本段落的段落類型，所述文本段落的段落類型為以下任意一項：標題、正文、圖片標注、表格標注。

6.根據權利要求5所述的文檔處理方法，其特征在于，所述利用文本段落分類模型識別每一所述文本段落的段落類型的步驟包括：

利用所述文本段落分類模型預測所述文本段落屬于任一段落類型的概率，將預測概率最高的段落類型確定為所述文本段落的段落類型。

7.根據權利要求6所述的文檔處理方法，其特征在于，所述利用文本段落分類模型識別每一所述文本段落的段落類型的步驟之后，還包括：

在概率最高的段落類型和概率次之的段落類型的概率差值小于預設閾值的情況下，將所述概率最高的段落類型對應的文本段落添加段落類型不確定標記；

接收用戶對所述段落類型不確定標記的輸入；

響應于所述輸入，對所述段落類型不確定標記的文本段落的段落類型進行修改。

8.一種文檔處理裝置，其特征在于，包括：

提取模塊，用于提取文檔的內容，所述文檔的內容至少包括文本段落；

序號標記模塊，用于標記所述文本段落中的序號的序號類型；

確定模塊，用于確定所述文本段落的段落類型；

排版模塊，用于根據目標文檔格式、所述序號的序號類型以及所述文本段落的段落類型，對所述文檔進行排版。

9.根據權利要求8所述的文檔處理裝置，其特征在于，還包括：

文本獲取模塊，用于獲取文檔格式要求文本；

格式識別模塊，用于對所述文檔格式要求文本的內容進行識別，得到所述目標文檔格式。

10.根據權利要求8所述的文檔處理裝置，其特征在于，還包括：

序號識別模塊，用于采用正則表達式識別并獲取所述文本段落中的序號。

11.根據權利要求8所述的文檔處理裝置，其特征在于，所述序號標記模塊包括：

序號判斷單元，用于通過文本序號模型判斷所述序號是否為真；

序號標記單元，用于在所述文本序號模型的判斷結果為真的情況下，根據所述序號的格式，標記所述序號的序號類型。

12.根據權利要求8所述的文檔處理裝置，其特征在于，所述確定模塊包括：

段落類型識別單元，用于利用文本段落分類模型識別每一所述文本段落的段落類型，所述文本段落的段落類型為以下任意一項：標題、正文、圖片標注、表格標注。