[发明专利]带格式文本的信息抽取方法和装置

权利要求书

1.一种带格式文本的信息抽取方法，其特征在于，所述方法包括：

确定需要抽取带格式文本中属于目标类别的文本块；

基于文本块粒度的特征信息，识别所述带格式文本中属于所述目标类别的文本块；

输出所述带格式文本中属于所述目标类别的文本块的标识。

2.根据权利要求1所述的方法，其特征在于，所述基于文本块粒度的特征信息，识别所述带格式文本中属于所述目标类别的文本块，包括：

基于所述带格式文本中的待识别文本块的特征信息，识别所述待识别文本块是否属于所述目标类别。

3.根据权利要求1所述的方法，其特征在于，所述基于文本块粒度的特征信息，识别所述带格式文本中属于目标类别的文本块，包括：

基于所述带格式文本中的目标文本块的特征信息，识别所述带格式文本中的待识别文本块是否属于所述目标类别；

或者，基于所述带格式文本中的待识别文本块的特征信息和所述带格式文本中的目标文本块的特征信息，识别所述待识别文本块是否属于所述目标类别；

其中，所述目标文本块是与所述待识别文本块之间具有预设位置关系的文本块。

4.根据权利要求3所述的方法，其特征在于，

所述目标文本块是在所述待识别文本块的预设范围内的文本块；

或者，所述目标文本块是在所述待识别文本块的预设方位，且与所述待识别文本块相邻的文本块。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述文本块粒度的特征信息，包括以下至少一项：

所述文本块的数据信息；

所述文本块的元数据信息；

或，所述文本块的空间位置信息。

6.根据权利要求5所述的方法，其特征在于，所述文本块的数据信息包括以下至少一项：

所述文本块中的字符串的总长度；

所述文本块是否包含预设字符或预设字符串；

所述文本块包含的预设字符或预设字符串的总数；

所述文本块包含的预设字符或预设字符串占所述文本块的字符的比例；

所述文本块是否包含预设关键词；

所述文本块是否包含预设命名实体；

或，所述文本块是否包含预设格式信息。

7.根据权利要求5或6所述的方法，其特征在于，所述文本块的元数据信息，包括以下至少一项：

所述文本块的字体、字号、颜色、是否加粗、是否斜体或是否有下划线。

8.根据权利要求5至7任一项所述的方法，其特征在于，所述文本块的空间位置信息包括以下至少一项：

所述文本块相对所述带格式文本的页边缘的距离；

或，所述文本块相对所述带格式文本中的参考文本块的距离。

9.根据权利要求1至8任一项所述的方法，其特征在于，所述确定需要抽取带格式文本中属于目标类别的文本块，包括：

接收请求消息，所述请求消息用于请求抽取所述带格式文本中属于所述目标类别的文本块。

10.根据权利要求1至9任一项所述的方法，其特征在于，在所述确定需要抽取带格式文本中属于目标类别的文本块之前，所述方法还包括：

显示第一用户界面，所述第一用户界面包含第一指示信息和第二指示信息，所述第一指示信息用于指示用户输入所述带格式文本，所述第二指示信息用于指示用户输入所述目标类别的标识。

11.根据权利要求1至10任一项所述的方法，其特征在于，在执行所述基于文本块粒度的特征信息，识别所述带格式文本中属于所述目标类别的文本块的过程中，所述方法还包括：

显示第二用户界面，所述第二用户界面包含第三指示信息，所述第三指示信息用于指示用户正在执行信息抽取过程。