[发明专利]内容识别方法、装置、服务器及存储介质

说明书

本公开实施例提供一种内容识别方法、装置、服务器及存储介质；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。

技术领域

本公开实施例涉及内容识别技术，尤其涉及一种内容识别方法、装置、服务器及存储介质。

背景技术

为更好的管理和使用文本数据，通常会使用命名实体识别对文本数据进行解析，以得到结构化的数据。

相关技术中，通常采用的命名实体识别方法是以文本的一个句子或一行为单位识别个句子或行内的实体，通过句内或行内上下文信息推断出实体。但对于信息简练的文本，如简历、病例等，由于没有足够的信息用于实体推断，无法实现准确的命名实体识别。

发明内容

有鉴于此，本公开实施例提供一种内容识别方法、装置、服务器及存储介质。

本公开实施例提供了一种内容识别方法，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。

上述方案中，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。

上述方案中，所述基于所述对应关系，分别确定所述各行文本中目标词语对应的版面特征，包括：

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。

上述方案中，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。

上述方案中，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。

上述方案中，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：