[发明专利]内容识别方法、装置、服务器及存储介质

权利要求书

1.一种内容识别方法，其特征在于，所述方法包括：

基于区块类型，将目标文本划分为至少一个区块；

获取所述目标文本中各行文本与所述各行文本所属区块的对应关系；

基于所述对应关系，分别确定所述各行文本中目标词语所属区块、及距离所属区块起始行的行数；

获取划分得到的各区块的上下文信息；

基于所述上下文信息，确定与目标词语所属区块相邻的区块；

基于所述各行文本中目标词语所属区块、距离所属区块起始行的行数及与所属区块相邻的区块，分别确定所述各行文本中目标词语对应的版面特征；

基于所述目标词语对应的版面特征，对所述目标文本进行命名实体识别。

2.如权利要求1所述的方法，其特征在于，所述基于区块类型，将目标文本划分为至少一个区块，包括：

将所述目标文本的文本内容与区块类型进行匹配，得到所述文本内容中与所述区块类型相匹配的关键字；

基于所述关键字所处所述目标文本的位置，对所述目标文本进行区块划分。

3.如权利要求1所述的方法，其特征在于，所述基于所述目标词语对应的版面特征，对所述目标文本进行命名实体识别，包括：

获取所述目标词语对应的版面特征的特征向量；

获取所述目标词语对应的词向量；

将所述特征向量与所述词向量进行拼接，得到所述目标词语对应的目标特征向量；

基于所述目标词语对应的目标特征向量，对所述目标文本进行命名实体识别。

4.如权利要求3所述的方法，其特征在于，所述获取所述目标词语对应的版面特征的特征向量，包括：

构建版面特征向量矩阵，所述版面特征向量矩阵包括各区块对应的向量；

构建版面偏移特征向量矩阵，所述偏移特征向量矩阵包括，所述目标词语距离所属区块起始行的行数对应的向量；

基于构建的版面特征向量矩阵和版面偏移特征向量矩阵，获取所述目标词语对应的版面特征的特征向量。

5.如权利要求1所述的方法，其特征在于，所述基于所述目标词语对应的版面特征，对所述目标文本进行命名实体识别，包括：

将所述目标词语对应的版面特征输入神经网络模型，输出所述目标词语对应的实体标签，所述实体标签表征所述目标词语对应的实体类别。

6.一种内容识别装置，其特征在于，所述装置包括：

区块划分单元，用于基于区块类型，将目标文本划分为至少一个区块；

获取单元，用于获取所述目标文本中各行文本与所述各行文本所属区块的对应关系；

确定单元，用于基于所述对应关系，分别确定所述各行文本中目标词语所属区块、及距离所属区块起始行的行数；获取划分得到的各区块的上下文信息；基于所述上下文信息，确定与目标词语所属区块相邻的区块；基于所述各行文本中目标词语所属区块、距离所属区块起始行的行数及与所属区块相邻的区块，分别确定所述各行文本中目标词语对应的版面特征；

识别单元，用于基于所述目标词语对应的版面特征，对所述目标文本进行命名实体识别。

7.如权利要求6所述的装置，其特征在于，

所述区块划分单元，还用于将所述目标文本的文本内容与区块类型进行匹配，得到所述文本内容中与所述区块类型相匹配的关键字；

基于所述关键字所处所述目标文本的位置，对所述目标文本进行区块划分。

8.如权利要求6所述的装置，其特征在于，

所述识别单元，还用于获取所述目标词语对应的版面特征的特征向量；

获取所述目标词语对应的词向量；

将所述特征向量与所述词向量进行拼接，得到所述目标词语对应的目标特征向量；

基于所述目标词语对应的目标特征向量，对所述目标文本进行命名实体识别。