[發(fā)明專利]目標(biāo)對象文本段落劃分方法

在審

• 申請?zhí)枺?/td>: 202210182322.7
• 申請日: 2022-02-25
• 公開（公告）號: CN114564913A
• 公開（公告）日: 2022-05-31
• 發(fā)明（設(shè)計(jì)）人: 何松山;陳德全
• 申請（專利權(quán)）人: 盟浪可持續(xù)數(shù)字科技（深圳）有限責(zé)任公司
• 主分類號: G06F40/103
• 分類號: G06F40/103;G06F40/205;G06F40/289
• 代理公司: 深圳市博太聯(lián)眾專利代理事務(wù)所(特殊普通合伙) 44354
• 代理人: 任轉(zhuǎn)英

1.目標(biāo)對象文本段落劃分方法，其特征在于，該方法具體包括下述步驟：

步驟一：首先進(jìn)行大段劃分，大段劃分具體方式為：

S01：令i＝1，獲取到H11，自動(dòng)計(jì)算H11和H21之間的均值，也就是以第一個(gè)核算段來算，第二個(gè)核算段與第一個(gè)核算段之間的相似值，然后再以第二個(gè)核算段來算，第一個(gè)核算段與第二個(gè)核算段之間的相似值，計(jì)算二者均值，得到相似均值；

S02：若相似均值≤X2，則表示屬于在同一個(gè)大段內(nèi)；X2位預(yù)設(shè)數(shù)值；否則跳轉(zhuǎn)至步驟S05；

S03：之后獲取到下一個(gè)核算段，也就是第三個(gè)核算段，獲取到H12和H31之間的均值，代入到步驟S02的判定過程；

S04：依次獲取下一個(gè)核算段，并重復(fù)步驟S02的判定；

S05：自動(dòng)將前面的核算段標(biāo)記為一個(gè)核算大段；

S06：獲取到核算大段后的第一個(gè)核算段，按照步驟S01-S05的原理，得到下一個(gè)核算大段；

S07：重復(fù)步驟S06，得到所有的核算大段；

步驟二：之后進(jìn)行小段劃分，小段劃分原理具體與大段劃分方式類似，僅將相似均值的判定方式修改為：相似均值≤X3，根據(jù)判定將核算大段劃分為一個(gè)個(gè)小的核算小段；

步驟三：得到若干個(gè)劃分大段，若干個(gè)劃分大段內(nèi)包括若干個(gè)劃分小段；

步驟四：進(jìn)行文本格式整理，文本格式整理具體方式為：

將若干個(gè)劃分大段之間以空一行到方式相互間隔，之后將劃分大段內(nèi)的若干個(gè)劃分小組以回車另起一行到方式間隔，完成目標(biāo)文本的段落劃分。

2.根據(jù)權(quán)利要求1所述的目標(biāo)對象文本段落劃分方法，其特征在于，步驟二中進(jìn)行小段劃分的具體方式為：

SS1：選擇第一個(gè)核算大段；

SS2：按照步驟九里面相同的原理，劃分小段，不過將判定方式修改為，按照相似均值≤X3這個(gè)判定方式進(jìn)行判定，此處X3＝T1*X2；T1取值為0.45-0.6；

SS3：從第一個(gè)核算大段內(nèi)得到若該個(gè)核算小段；

SS4：之后獲取到第二個(gè)核算大段，重復(fù)步驟SS2-SS3的方式進(jìn)行判定，將其劃分為若干個(gè)核算小段；

SS5：重復(fù)性獲取下一個(gè)核算大段，重復(fù)步驟SS4，將所有的核算大段劃分完成。

3.根據(jù)權(quán)利要求1所述的目標(biāo)對象文本段落劃分方法，其特征在于，在進(jìn)行步驟一之前，還需進(jìn)行下述步驟：

步驟一：獲取到需要進(jìn)行段落劃分的文本，將其標(biāo)記為目標(biāo)文本；

步驟二：對目標(biāo)文本進(jìn)行初步劃分，得到若干個(gè)內(nèi)容段Di,i＝1...n；

步驟三：之后得到所有到內(nèi)容段Di，進(jìn)行語句篩選，得到總結(jié)詞和預(yù)設(shè)詞；

步驟四：從所有的內(nèi)容段Di中去除掉預(yù)設(shè)詞和總結(jié)詞，剩余的詞語標(biāo)記為核算詞，得到所有核算詞構(gòu)成的核算段，標(biāo)記為Hi，i＝1...n；Hi按照目標(biāo)文本的順序依次排列；

步驟五：令i＝1，選取對應(yīng)的核算段H1；

步驟六：獲取到H1內(nèi)所有的核算詞，自動(dòng)獲取到H1與其他核算段之間的相似比，得到H1與其余核算之間的相似比H1j，j＝1...n-1；

步驟七：之后令i值加一，重復(fù)步驟五-步驟七，得到所有的相似比，將其標(biāo)記為Hij；此處也是從目標(biāo)文本的第一個(gè)核算段開始；

步驟八：之后進(jìn)行段落文本劃分，段落文本劃分包括大段劃分和小段劃分兩個(gè)步驟。

4.根據(jù)權(quán)利要求3所述的目標(biāo)對象文本段落劃分方法，其特征在于，步驟二中的初步劃分具體方式如下：

獲取到所有到段間符號，段間符號具體為分號或者句號；

從目標(biāo)文本的初始開始往后推，每遇到一個(gè)段間符號時(shí)，將其前面所有到內(nèi)容劃分為一個(gè)內(nèi)容段；

持續(xù)往后，得到若干個(gè)內(nèi)容段，將其標(biāo)記為Di，i＝1...n。