[发明专利]文档内容识别方法、装置、电子设备及介质

说明书

本申请公开了一种文档内容识别方法、装置、电子设备及介质，涉及自然语言处理和知识图谱技术领域。具体实现方案为：通过对文档进行文本提取，得到文本内容，根据配置的属性标签，从文本内容中抽取与属性标签匹配的文本片段，查询知识图谱，从知识图谱包含的知识节点中确定出与文本片段匹配的参考节点后，根据参考节点中的知识内容和文本片段，生成文档的主题内容。由此，通过将知识图谱与文本内容中抽取出来的文本片段进行了关联，丰富了抽取出的文本片段的语义，进而，基于该丰富了语义的文本片段进行文档的主题内容的生成，能够使得生成的主题内容更加准确的表征文档的核心。

技术领域

本申请公开了一种文档内容识别方法、装置、电子设备及介质，涉及数据处理技术领域，具体为自然语言处理和知识图谱技术领域。

背景技术

随着时代的发展，文档内容识别技术也从最初的人工整理逐渐演进到目前的基于知识图谱的内容识别，以生成用户关注点并对文档内容进行精细化刻画表达，并大幅度的提升了分发效率。尤其在针对企业的资源进行调研后，发现基于知识图谱的内容理解，对企业资源管理至关重要。

但是，由于企业资源增长速度较快，在对企业文档内容识别时，内部文档管理、信息检索、推荐等场景，会导致信息获取难、不准确等问题。为此，提供一种准确度较高的文档内容识别方法是至关重要的。

发明内容

本申请提供了一种文档内容识别方法、装置、设备以及存储介质。

本申请第一方面实施例提供了一种文档内容识别方法，包括：

对文档进行文本提取，得到文本内容；

根据配置的属性标签，从所述文本内容中抽取与所述属性标签匹配的文本片段；

查询知识图谱，以从所述知识图谱包含的知识节点中确定出与所述文本片段匹配的参考节点；

根据所述参考节点中的知识内容和所述文本片段，生成所述文档的主题内容。

作为本申请实施例的第一种可能的实现方式，所述根据所述参考节点中的知识内容和所述文本片段，生成所述文档的主题内容，包括：

对所述参考节点中的知识内容和所述文本片段进行语义提取，得到第一语义信息；

对所述文档的标题和/或正文进行语义提取，得到第二语义信息；

根据所述第一语义信息和所述第二语义信息之间的语义相似度，确定是否将所述文本片段作为所述文档的主题内容。

作为本申请实施例的第二种可能的实现方式，所述知识图谱中各所述知识节点中包含词条，以及用于描述所述词条的知识内容；所述根据所述参考节点中的知识内容和所述文本片段，生成所述文档的主题内容，包括：

在所述知识图谱中，查询与所述参考节点中的知识内容关联的关联节点；

根据所述文本片段与所述关联节点中的知识内容之间的语义相似度，确定是否将所述关联节点中的词条作为所述文档的主题内容。

作为本申请实施例的第三种可能的实现方式，所述对所述参考节点中的知识内容和所述文本片段进行语义提取，得到第一语义信息，包括：

将所述参考节点中的知识内容和所述文本片段拼接，得到目标文本；

对所述目标文本进行语义提取，得到所述第一语义信息。

作为本申请实施例的第四种可能的实现方式，所述根据配置的属性标签，从所述文本内容中抽取与所述属性标签匹配的文本片段之前，还包括：

响应于用户配置操作，从设定的标签体系中，确定配置的所述属性标签；其中，所述属性标签，用于表征逻辑关系、事件、实体、实体所属类别或实体组成部件中的一个或多个组合。