[发明专利]信息录入方法和装置、电子设备、计算机可读存储介质

权利要求书

1.一种信息录入方法，所述方法包括：

对从提问社区获取的待识别素材进行聚类，得到问答素材；

对所述问答素材进行语料处理，得到问答语料对，所述问答语料对包括至少一个问题以及各个问题的答案；

对所述问答语料对进行题目判定，得到至少一个题目以及与各个题目对应的答案；所述对所述问答语料对进行题目判定包括：将问答语料对进行分词、自然语言处理，得到问答语料中各个词或字的语义，将各个词或字的语义与预设的题目共性特征进行相似度判断，当相似度高于相似度阈值时，确定当前问答语料对中的问题为题目；预设的题目共性特征通过提取人工标注且区分题目和非题目的问答文本的共性特征得到；

将各题目以及与各题目对应的答案在题库中进行结构化存储，以通过对所述问答素材进行处理，自动补充所述题库中题目以及题目的答案。

2.根据权利要求1所述的方法，所述方法还包括：

对所述题库中的题目进行处理，得到检索题目；

获取搜索信息；

基于所述检索题目，在所述题库中搜索与所述搜索信息对应的题目和答案。

3.根据权利要求1或2所述的方法，其中，所述对获取待识别素材进行聚类，得到问答素材包括：

获取待识别素材；

聚类所述待识别素材中符合问答条件的待识别素材，得到问答素材。

4.根据权利要求3所述的方法，其中，所述待识别素材包括待识别图像和待识别文本；所述聚类所述待识别素材中符合问答条件的待识别素材包括：

聚类所述待识别图像中符合图像问答条件的待识别图像，得到问答图像；

聚类所述待识别文本中符合文本问答条件的待识别文本，得到问答文本；

组合所述问答图像和所述问答文本，得到所述问答素材。

5.根据权利要求1或2所述的方法，其中，所述问答素材包括：问答图像，所述对所述问答素材进行语料处理，得到问答语料对，包括：

去除所述问答图像中区域噪声，得到无噪图像；

响应于所述无噪图像中的图像信息具有倾斜角度，对所述无噪图像的图像信息进行矫正，得到矫正图像；

依次对所述矫正图像进行版面切割、字符识别、字符排序，得到问答语料对。

6.根据权利要求1或2所述的方法，其中，所述对所述问答语料对进行题目判定，得到至少一个题目以及与各个题目对应的答案，包括：

选取所述问答语料对中的问题；

将选取的问题输入训练完成的题目识别模型，得到所述题目识别模型输出的至少一个题目；所述题目识别模型用于对输入的问题进行题目判断；

针对至少一个题目中的每个题目，从所述问答语料对中选出该题目的答案。

7.根据权利要求1或2所述的方法，其中，所述将各题目以及与各题目对应的答案在题库中进行结构化存储，包括：

对各题目以及与各题目对应的答案进行结构化处理，得到待存题目答案组；

将待存题目答案组与题库的题目答案组进行比对；

将与所述题库的题目答案组不相同的待存题目答案组存入所述题库。

8.一种信息录入装置，所述装置包括：

聚类单元，被配置成对从提问社区获取的待识别素材进行聚类，得到问答素材；

处理单元，被配置成对所述问答素材进行语料处理，得到问答语料对，所述问答语料对包括至少一个问题以及各个问题的答案；

判定单元，被配置成对所述问答语料对进行题目判定，得到至少一个题目以及与各个题目对应的答案；所述判定单元进一步被配置成：将问答语料对进行分词、自然语言处理，得到问答语料中各个词或字的语义，将各个词或字的语义与预设的题目共性特征进行相似度判断，当相似度高于相似度阈值时，确定当前问答语料对中的问题为题目；预设的题目共性特征通过提取人工标注且区分题目和非题目的问答文本的共性特征得到；

存储单元，被配置成将各题目以及与各题目对应的答案在题库中进行结构化存储，以通过对所述问答素材进行处理，自动补充所述题库中题目以及题目的答案。