[發明專利]一種文本信息提取方法、裝置、電子設備及存儲介質

有效

• 申請號: 202110643959.7
• 申請日: 2021-06-09
• 公開（公告）號: CN113377911B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 高明;華煌圣;彭政;張文斐;張栩華;王德輝;劉己未;宋強
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/383;G06F40/216;G06F40/289
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 黃忠

1.一種文本信息提取方法，其特征在于，包括：

分別對多個預設文本段落和多個預設問題文本進行文本預處理，得到對應的預處理文本段落和對應的預處理問題文本；

計算所述預處理文本段落的第一特征項；

計算所述預處理問題文本的第二特征項；

采用所述第一特征項和所述第二特征項，計算所述預處理文本段落與所述預處理問題文本之間的關聯度；

根據所述關聯度將多個所述預處理文本段落劃分為若干個帕累托集合；

對所述帕累托集合進行排序，得到帕累托序列；

從所述帕累托序列中提取多個所述問題文本對應的文本信息；

其中，所述計算所述預處理文本段落的第一特征項的步驟，包括：

獲取所述預處理文本段落的第一分詞詞匯表；所述第一分詞詞匯表包括多個第一詞匯；

計算每個所述第一詞匯的第一詞頻和第一逆向文件頻率；

采用所述第一詞頻和所述第一逆向文件頻率計算對應的第一詞匯的第一絕對特征值；

根據預設文本段落特征項閾值和所述第一絕對特征值計算對應的第一詞匯的第一相對特征值；

采用所述第一分詞詞匯表中的每個所述第一詞匯的第一相對特征值，計算所述預處理文本段落的第一特征項；

其中，所述根據所述關聯度將多個所述預處理文本段落劃分為若干個帕累托集合的步驟，包括：

在所述預處理文本段落中確定未歸類文本段落，并采用所述未歸類文本段落構建文本集合；

依次遍歷所述文本集合中的未歸類文本段落，將不具有被支配關系的未歸類文本段落確定為非支配個體；

將遍歷得到的所有所述非支配個體添加進同一個帕累托集合中；

判斷所述文本集合中是否存在未歸類文本；

若否，返回在所述預處理文本段落中確定未歸類文本段落，并采用所述未歸類文本段落構建文本集合的步驟；

若是，輸出所有帕累托集合。

2.根據權利要求1所述的方法，其特征在于，所述計算所述預處理問題文本的第二特征項的步驟，包括：

獲取所述預處理問題文本的第二分詞詞匯表；所述第二分詞詞匯表包括多個第二詞匯；

計算每個所述第二詞匯的第二詞頻和第二逆向文件頻率；

采用所述第二詞頻和所述第二逆向文件頻率計算對應的第二詞匯的第二絕對特征值；

根據預設問題文本特征項閾值和所述第二絕對特征值計算對應的第二詞匯的第二相對特征值；

采用所述第二分詞詞匯表中的每個所述第二詞匯的第二相對特征值，計算所述預處理問題文本的第二特征項。

3.根據權利要求1所述的方法，其特征在于，所述從所述帕累托序列中提取多個所述問題文本對應的文本信息的步驟，包括：

根據預設的文本信息數和所述帕累托序列確定目標帕累托集合和臨界帕累托集合；

計算所述臨界帕累托集合中各預處理文本段落的擁擠度；

對所述擁擠度進行排序，得到擁擠度序列；

根據所述目標帕累托集合、所述文本信息數和所述擁擠度序列，從所述臨界帕累托集合中確定目標文本段落；

提取所述目標帕累托集合中的預處理文本段落和所述目標文本段落作為多個所述問題文本所要提取的文本信息。