[發(fā)明專利]帶格式文本的信息抽取方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011308474.4
• 申請(qǐng)日: 2020-11-19
• 公開(kāi)（公告）號(hào): CN112487138A
• 公開(kāi)（公告）日: 2021-03-12
• 發(fā)明（設(shè)計(jì)）人: 陳敏骎;吳鵬;越榮中;蔣萱;郝麗翠
• 申請(qǐng)（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F16/35;G06F40/295
• 代理公司: 北京中博世達(dá)專利商標(biāo)代理有限公司 11274
• 代理人: 胡艷娟

1.一種帶格式文本的信息抽取方法，其特征在于，所述方法包括：

確定需要抽取帶格式文本中屬于目標(biāo)類別的文本塊；

基于文本塊粒度的特征信息，識(shí)別所述帶格式文本中屬于所述目標(biāo)類別的文本塊；

輸出所述帶格式文本中屬于所述目標(biāo)類別的文本塊的標(biāo)識(shí)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于文本塊粒度的特征信息，識(shí)別所述帶格式文本中屬于所述目標(biāo)類別的文本塊，包括：

基于所述帶格式文本中的待識(shí)別文本塊的特征信息，識(shí)別所述待識(shí)別文本塊是否屬于所述目標(biāo)類別。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于文本塊粒度的特征信息，識(shí)別所述帶格式文本中屬于目標(biāo)類別的文本塊，包括：

基于所述帶格式文本中的目標(biāo)文本塊的特征信息，識(shí)別所述帶格式文本中的待識(shí)別文本塊是否屬于所述目標(biāo)類別；

或者，基于所述帶格式文本中的待識(shí)別文本塊的特征信息和所述帶格式文本中的目標(biāo)文本塊的特征信息，識(shí)別所述待識(shí)別文本塊是否屬于所述目標(biāo)類別；

其中，所述目標(biāo)文本塊是與所述待識(shí)別文本塊之間具有預(yù)設(shè)位置關(guān)系的文本塊。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，

所述目標(biāo)文本塊是在所述待識(shí)別文本塊的預(yù)設(shè)范圍內(nèi)的文本塊；

或者，所述目標(biāo)文本塊是在所述待識(shí)別文本塊的預(yù)設(shè)方位，且與所述待識(shí)別文本塊相鄰的文本塊。

5.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的方法，其特征在于，所述文本塊粒度的特征信息，包括以下至少一項(xiàng)：

所述文本塊的數(shù)據(jù)信息；

所述文本塊的元數(shù)據(jù)信息；

或，所述文本塊的空間位置信息。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述文本塊的數(shù)據(jù)信息包括以下至少一項(xiàng)：

所述文本塊中的字符串的總長(zhǎng)度；

所述文本塊是否包含預(yù)設(shè)字符或預(yù)設(shè)字符串；

所述文本塊包含的預(yù)設(shè)字符或預(yù)設(shè)字符串的總數(shù)；

所述文本塊包含的預(yù)設(shè)字符或預(yù)設(shè)字符串占所述文本塊的字符的比例；

所述文本塊是否包含預(yù)設(shè)關(guān)鍵詞；

所述文本塊是否包含預(yù)設(shè)命名實(shí)體；

或，所述文本塊是否包含預(yù)設(shè)格式信息。

7.根據(jù)權(quán)利要求5或6所述的方法，其特征在于，所述文本塊的元數(shù)據(jù)信息，包括以下至少一項(xiàng)：

所述文本塊的字體、字號(hào)、顏色、是否加粗、是否斜體或是否有下劃線。

8.根據(jù)權(quán)利要求5至7任一項(xiàng)所述的方法，其特征在于，所述文本塊的空間位置信息包括以下至少一項(xiàng)：

所述文本塊相對(duì)所述帶格式文本的頁(yè)邊緣的距離；

或，所述文本塊相對(duì)所述帶格式文本中的參考文本塊的距離。

9.根據(jù)權(quán)利要求1至8任一項(xiàng)所述的方法，其特征在于，所述確定需要抽取帶格式文本中屬于目標(biāo)類別的文本塊，包括：

接收請(qǐng)求消息，所述請(qǐng)求消息用于請(qǐng)求抽取所述帶格式文本中屬于所述目標(biāo)類別的文本塊。

10.根據(jù)權(quán)利要求1至9任一項(xiàng)所述的方法，其特征在于，在所述確定需要抽取帶格式文本中屬于目標(biāo)類別的文本塊之前，所述方法還包括：

顯示第一用戶界面，所述第一用戶界面包含第一指示信息和第二指示信息，所述第一指示信息用于指示用戶輸入所述帶格式文本，所述第二指示信息用于指示用戶輸入所述目標(biāo)類別的標(biāo)識(shí)。

11.根據(jù)權(quán)利要求1至10任一項(xiàng)所述的方法，其特征在于，在執(zhí)行所述基于文本塊粒度的特征信息，識(shí)別所述帶格式文本中屬于所述目標(biāo)類別的文本塊的過(guò)程中，所述方法還包括：

顯示第二用戶界面，所述第二用戶界面包含第三指示信息，所述第三指示信息用于指示用戶正在執(zhí)行信息抽取過(guò)程。