[發(fā)明專(zhuān)利]一種數(shù)據(jù)提取方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202210780916.8
• 申請(qǐng)日: 2022-07-05
• 公開(kāi)（公告）號(hào): CN114861641B
• 公開(kāi)（公告）日: 2022-09-20
• 發(fā)明（設(shè)計(jì)）人: 賈新;李善平;晉梁昊;邵強(qiáng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京拓普豐聯(lián)信息科技股份有限公司;河南拓普計(jì)算機(jī)網(wǎng)絡(luò)工程有限公司;合肥拓普網(wǎng)絡(luò)系統(tǒng)工程有限責(zé)任公司;北京劍魚(yú)信息技術(shù)有限公司
• 主分類(lèi)號(hào): G06F40/258
• 分類(lèi)號(hào): G06F40/258;G06F40/289;G06F16/35
• 代理公司: 北京超凡宏宇專(zhuān)利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 曹延鵬

1.一種數(shù)據(jù)提取方法，其特征在于，所述方法包括：

基于接收到的待解析文章中的每個(gè)自然段在所述待解析文章中的位置，依次對(duì)每個(gè)所述自然段進(jìn)行第一排序；所述自然段包括標(biāo)題自然段和內(nèi)容自然段；所述第一排序用于確定出每個(gè)所述自然段的段落號(hào)；

針對(duì)每個(gè)所述標(biāo)題自然段，基于各所述標(biāo)題自然段在所述待解析文章中的位置、所述標(biāo)題自然段中的標(biāo)題內(nèi)容，確定各所述標(biāo)題自然段之間的第一層級(jí)關(guān)系，以及基于所述標(biāo)題自然段與所述內(nèi)容自然段之間的位置關(guān)系確定所述標(biāo)題自然段與所述內(nèi)容自然段之間的第二層級(jí)關(guān)系；所述第一層級(jí)關(guān)系指代各個(gè)所述標(biāo)題自然段之間的歸屬關(guān)系；所述第二層級(jí)關(guān)系是所述標(biāo)題自然段與所述內(nèi)容自然段之間的歸屬關(guān)系；

針對(duì)每個(gè)所述內(nèi)容自然段，根據(jù)所述內(nèi)容自然段中的每個(gè)標(biāo)點(diǎn)符號(hào)將所述內(nèi)容自然段拆解為至少一個(gè)短語(yǔ)，并在所述內(nèi)容自然段中分別對(duì)所述短語(yǔ)、由至少一個(gè)短語(yǔ)組成的句子進(jìn)行第二排序和第三排序；所述第二排序?yàn)楦鶕?jù)各個(gè)所述短語(yǔ)在所述內(nèi)容自然段中的先后順序，對(duì)所述短語(yǔ)進(jìn)行排序；所述第三排序?yàn)楦鶕?jù)所述句子在所述內(nèi)容自然段中的先后順序，對(duì)所述句子進(jìn)行排序；

基于所述第一排序、所述第二排序、所述第三排序、所述第一層級(jí)關(guān)系、所述第二層級(jí)關(guān)系，構(gòu)建結(jié)構(gòu)化解析內(nèi)容；所述結(jié)構(gòu)化解析內(nèi)容中包含每個(gè)存儲(chǔ)元素、歸屬文件名、歸屬副標(biāo)題、所述存儲(chǔ)元素所在目標(biāo)自然段的第一排序、所述存儲(chǔ)元素的第二順序、所述存儲(chǔ)元素所屬句子的第三順序、所述目標(biāo)自然段的級(jí)別、基于所述級(jí)別確定的所述目標(biāo)自然段的上級(jí)和下級(jí)、所述存儲(chǔ)元素在所述待解析文章中對(duì)應(yīng)的原始語(yǔ)句，所述存儲(chǔ)元素為所述短語(yǔ)或所述標(biāo)題內(nèi)容，所述目標(biāo)自然段的級(jí)別是根據(jù)所述第一層級(jí)關(guān)系確定的；

確定所述待解析文章歸屬的文章類(lèi)別，基于為所述文章類(lèi)別預(yù)設(shè)的提取格式，從所述結(jié)構(gòu)化解析內(nèi)容中提取出目標(biāo)數(shù)據(jù)并發(fā)送到顯示終端，以在所述顯示終端顯示；

所述文章類(lèi)別是通過(guò)以下任意一種方式確定的：待解析文章名稱、待解析文章的來(lái)源和渠道、待解析文章預(yù)先標(biāo)記的類(lèi)別；

所述文章類(lèi)別包括工作報(bào)告、會(huì)議內(nèi)容和工作分工意見(jiàn)；所述目標(biāo)數(shù)據(jù)中包括原始語(yǔ)句、根據(jù)所述第一排序確定的原始語(yǔ)句所屬的自然段的段落號(hào)、自然段的上下級(jí)關(guān)系；所述上下級(jí)關(guān)系是基于所述級(jí)別確定的；所述基于為所述文章類(lèi)別預(yù)設(shè)的提取格式，從所述結(jié)構(gòu)化解析內(nèi)容中提取出目標(biāo)數(shù)據(jù)并發(fā)送到顯示終端，包括：

當(dāng)所述待解析文章的文章類(lèi)別為所述工作報(bào)告時(shí)，從所述結(jié)構(gòu)化解析數(shù)據(jù)中提取出用于描述工作任務(wù)的第一數(shù)據(jù)，并根據(jù)所述第一數(shù)據(jù)、所述第一數(shù)據(jù)對(duì)應(yīng)的目標(biāo)自然段確定所述目標(biāo)數(shù)據(jù)；

當(dāng)所述待解析文章的文章類(lèi)別為所述會(huì)議內(nèi)容時(shí)，從所述結(jié)構(gòu)化解析數(shù)據(jù)中提取出用于描述會(huì)議關(guān)鍵點(diǎn)的第二數(shù)據(jù)，并根據(jù)所述第二數(shù)據(jù)、所述第二數(shù)據(jù)對(duì)應(yīng)的自然段確定所述目標(biāo)數(shù)據(jù)；所述會(huì)議關(guān)鍵點(diǎn)是根據(jù)所述會(huì)議內(nèi)容中可識(shí)別的順序標(biāo)號(hào)確定的；

當(dāng)所述待解析文章的文章類(lèi)別為所述工作分工意見(jiàn)時(shí)，從所述結(jié)構(gòu)化解析數(shù)據(jù)中提取出包含為每個(gè)執(zhí)行部門(mén)安排的待執(zhí)行任務(wù)的第三數(shù)據(jù)，以根據(jù)所述第三數(shù)據(jù)、所述第三數(shù)據(jù)對(duì)應(yīng)的自然段確定所述目標(biāo)數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在基于所述待解析文章中的每個(gè)自然段在所述待解析文章中的位置，依次對(duì)每個(gè)所述自然段進(jìn)行第一排序之前，還包括：

針對(duì)每個(gè)預(yù)先指定的自然段，當(dāng)判斷所述自然段中存在滿足預(yù)設(shè)標(biāo)題格式的內(nèi)容時(shí)，將所述自然段拆分為第一自然段和第二自然段；所述第一自然段中的標(biāo)題內(nèi)容為所述內(nèi)容；

當(dāng)所述內(nèi)容中未攜帶有可識(shí)別的順序標(biāo)識(shí)時(shí)，為該內(nèi)容添加特定標(biāo)識(shí)，與所述待解析文章中的其他標(biāo)識(shí)構(gòu)成區(qū)別；

將所述待解析文章中的第一自然段、預(yù)先識(shí)別出的第三自然段確定為所述標(biāo)題自然段，以及將所述待解析文章中除所述標(biāo)題自然段的其他自然段確定為內(nèi)容自然段；所述第三自然段中攜帶有可識(shí)別的順序標(biāo)識(shí)；所述內(nèi)容自然段包括所述第二自然段。