[发明专利]信息处理设备和信息处理方法

权利要求书

1.一种信息处理设备，包括：

预处理单元，用于对按照层级结构布局的待处理文本信息进行预处理 以生成可编辑文本；以及

目录识别单元，用于根据所述可编辑文本的正文中各个段落的段落特 征，对所述可编辑文本的目录中的各个层级进行识别，以生成具有层级结 构的目录。

2.如权利要求1所述的信息处理设备，其中，所述目录识别单元包 括：

目录页识别子单元，用于根据所述可编辑文本的各个页面中是否包含 满足第一预定规则的段落来识别第一目录页，并且根据所述第一目录页中 段落的段落特征识别其他目录页，以获取所述可编辑文本中的目录和正 文；

特征量化子单元，用于提取所述正文中各个段落的段落特征，并且对 所述段落特征进行量化；以及

目录层级识别子单元，用于基于量化的段落特征，通过对所述目录的 目录页中包括的目录行进行遍历，来确定所述目录中包含的目录的层级。

3.如权利要求2所述的信息处理设备，其中，所述目录层级识别子 单元包括：

提取模块，用于将所述第一目录页中满足所述第一预定规则的段落下 方的第一个目录行作为第1层级标题，并根据所述第1层级标题的段落特 征，提取各个目录页中包括的、其他的第1层级标题；以及

遍历模块，用于根据所有目录页中相邻两个第1层级标题之间含有的 段数，选取具有最多段数的第1层级标题以及选取其他任一个第1层级标 题作为目标第1层级标题，对每个所述目标第1层级标题下的各个目录行 进行遍历，以确定所述目标第1层级标题下包括的层级数，从而确定所述 目录的层级。

4.如权利要求3所述的信息处理设备，其中，所述遍历模块被配置 为针对每个目标第1层级标题，当所述目标第1层级标题下所具有的段数 不为0时，将所述目标第1层级标题紧下方的目录行确定为标准第2层级 标题，通过将所述目标第1层级标题下的、除标准第2层级标题之外的各 个目录行作为比较目录行、并针对所述每个比较目录行进行如下操作来获 得该比较目录行对应的层级数，其中，将该比较目录行对应的层级数K 的初始值设置为2：

操作(i)，利用包括所述目标第1层级标题对应的正文段落、所述标 准第2层级标题对应的正文段落以及所述正文中除上述段落之外的其他 任一段落在内的K+1个标准初始质心进行聚类，从而获得K+1个标准稳 定质心；

操作(ii)，仅将所述K+1个标准初始质心中、标准第K层级标题对 应的正文段落替换为所述比较目录行对应的正文段落，从而构成比较初始 质心，并利用所述比较初始质心进行聚类，以获得K+1个比较稳定质心； 以及

操作(iii)，将所述标准稳定质心与所述比较稳定质心之间的差值与 预定阈值进行比较，以确定该比较目录行对应的层级数。

5.如权利要求4所述的信息处理设备，其中，在操作(iii)中，

如果所述差值不大于所述预定阈值，则将与该比较目录行对应的层级 数确定为K；

如果所述差值大于所述预定阈值，则将K加1，并判断执行K加1 操作之后的K是否等于N+1，其中，N为在针对已经遍历过的目录行获 得的层级数中的最大值；

如果K等于N+1，则将该比较目录行的层级确定为N+1，并将 该比较目录行作为标准第K层级标题，将该目录行对应的正文段落作为 K+1个标准初始质心之一，用于执行针对K等于N+1时进行的所述操作 (i)；

否则，迭代执行操作(i)至操作(iii)，直到确定该比较目录行 对应的层级数，

其中，所述遍历模块被配置为基于与每个比较目录行对应的层级数， 确定所述目标第1层级标题下包括的层级数。