[发明专利]内容识别方法、装置、服务器及存储介质有效
申请号: | 201910651578.6 | 申请日: | 2019-07-18 |
公开(公告)号: | CN110414395B | 公开(公告)日: | 2022-08-02 |
发明(设计)人: | 罗强 | 申请(专利权)人: | 北京字节跳动网络技术有限公司 |
主分类号: | G06V30/414 | 分类号: | G06V30/414;G06V30/14;G06F40/295 |
代理公司: | 北京新知远方知识产权代理事务所(普通合伙) 11397 | 代理人: | 马军芳;张艳 |
地址: | 100041 北京市石景山区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 内容 识别 方法 装置 服务器 存储 介质 | ||
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。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910651578.6/1.html,转载请声明来源钻瓜专利网。
- 内容再现系统、内容提供方法、内容再现装置、内容提供装置、内容再现程序和内容提供程序
- 内容记录系统、内容记录方法、内容记录设备和内容接收设备
- 内容服务系统、内容服务器、内容终端及内容服务方法
- 内容分发系统、内容分发装置、内容再生终端及内容分发方法
- 内容发布、内容获取的方法、内容发布装置及内容传播系统
- 内容提供装置、内容提供方法、内容再现装置、内容再现方法
- 内容传输设备、内容传输方法、内容再现设备、内容再现方法、程序及内容分发系统
- 内容发送设备、内容发送方法、内容再现设备、内容再现方法、程序及内容分发系统
- 内容再现装置、内容再现方法、内容再现程序及内容提供系统
- 内容记录装置、内容编辑装置、内容再生装置、内容记录方法、内容编辑方法、以及内容再生方法