[发明专利]文档检测方法、装置、设备及存储介质

说明书

本申请提出一种文档检测方法、装置、设备及存储介质。具体实现方案为：获取待处理文档的至少一个文档单元；对文档单元进行特征识别，得到文档单元的属性特征；根据属性特征对应的文档指标，对属性特征进行规范性分析，得到属性特征对应的规范性分析结果；根据规范性分析结果，得到待处理文档的评估结果。本申请实施例对待处理文档进行识别和规范性分析，基于布局、风格等文档指标对待处理文档进行评估，以便于用户根据评估结果对文档进行整理和改进，从而提高文档的规范性和展示效果。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种文档检测方法、装置、设备及存储介质。

背景技术

随着互联网的发展，能够从各个角度展示主题内容的各类文档类型层出不穷。例如：PPT(PowerPoint，演示文稿)、WORD、PDF(Portable Document Format，可移植文档格式)等。以上各类文档可作为交互、沟通和展示主题思想的基础工具。但是，很多情况下，制作完成的文档可能会由于书写格式、布局风格等不符合规范的情况而影响到展示效果，造成文档阅读和观看的体验不佳。

发明内容

本申请实施例提供一种文档检测方法、装置、设备及存储介质，以解决相关技术存在的问题，技术方案如下：

第一方面，本申请实施例提供了一种文档检测方法，包括：

获取待处理文档的至少一个文档单元；

对文档单元进行特征识别，得到文档单元的属性特征；

根据属性特征对应的文档指标，对属性特征进行规范性分析，得到属性特征对应的规范性分析结果；

根据规范性分析结果，得到待处理文档的评估结果。

在一种实施方式中，获取待处理文档的至少一个文档单元，包括：

在展示待处理文档的过程中，至少截取待处理文档的一个展示界面；

将一个展示界面作为待处理文档的一个文档单元。

在一种实施方式中，对文档单元进行特征识别，得到文档单元的属性特征，包括：

获取待处理文档的文档类型；

确定与文档类型对应的特征识别模型；

利用特征识别模型对文档单元进行特征识别。

在一种实施方式中，获取待处理文档的文档类型，包括：

获取待处理文档的扩展名；

根据扩展名确定待处理文档的文档类型。

在一种实施方式中，获取待处理文档的文档类型，包括：

获取待处理文档中的预设关键字；

根据预设关键字确定待处理文档的文档类型。

在一种实施方式中，文档单元的属性特征包括字体格式、段落格式、背景风格、页面布局、链接、多媒体内容、文本内容、敏感词、错字和文档摘要中的至少一种。

在一种实施方式中，在文档单元的属性特征包括文档摘要的情况下，根据属性特征对应的文档指标，对属性特征进行规范性分析，得到属性特征对应的规范性分析结果，包括：

对待处理文档的多个文档单元各自对应的文档摘要进行聚类分析，得到聚类结果；

对于聚类结果中属于同一类别的文档摘要进行词性分析，得到文档摘要中每个词的词性；

对于属于同一类别的文档摘要中的词性相同的词，进行相关性分析；

根据相关性分析的结果和属性特征对应的文档指标，得到属性特征对应的规范性分析结果。