[发明专利]信息的提取方法、装置、电子设备及存储介质

说明书

本申请提供的一种信息的提取方法、装置、电子设备及存储介质，在确定不能够提取所述文档中的文字的情况下，将所述文档转换为能够提取文字的目标文档；基于目标信息的关键字确定在所述目标文档中的目标文字段落；基于目标信息的要素从目标文字段落确定目标信息，实现对目标信息(如参考文献)的自动并快速地提取，节约用户时间。

技术领域

本申请涉及文档处理技术领域，特别地涉及一种信息的提取方法、装置、电子设备及存储介质。

背景技术

在论文写作过程中，论文作者需要参考大量文献著作，也经常需要提取文献末尾所引用文献的文字信息。本地存储的文档资料，其类型主要包括：可解析版PDF、扫描版PDF、Word和PNG/JPG图片等。对于能够提取文字的文档类型，如：word文档类型和可解析版PDF类型，直接人工手动提取出参考文献段落，而对于不能直接提取文字的文档类型，如：对于扫描版文件PDF和PNG/JPG图片等，需要人工借助图片识别工具，先将其转换为文本文档，然后再人工手动提取出所需参考文献信息，需要耗费大量的人工成本。

发明内容

针对上述相关技术中的问题，本申请提供一种信息的提取方法、装置、电子设备及存储介质。

本申请提供了一种信息的提取方法，所述方法包括：

获取具有目标信息的文档；

在确定不能够提取所述文档中的文字的情况下，将所述文档转换为能够提取文字的目标文档；

基于目标信息的关键字确定在所述目标文档中的目标文字段落；

基于目标信息的要素从目标文字段落确定目标信息。

在一些实施例中，所述方法还包括：

确定所述文档的类型；

基于所述类型确定是否能够提取所述文档的文字，其中，在确定能够提取所述文档的文字的情况下，基于目标信息的关键字确定在所述文档中的目标文字段落，并基于目标信息的要素从目标文字段落确定目标信息。

在一些实施例中，所述将所述文档转换为能够提取文字的目标文档，包括：

对所述文档进行扫描，获取图像文件；

对所述图像文件进行解析，获得所述图像文件对应的文字及版面信息；

基于所述文字和所述版面信息确定所述目标文档。

在一些实施例中，所述目标信息包括：参考文献，所述目标信息对应的要素包括以下至少之一：作者姓名、文献标题名称、文献类型、文献出处、年号、期刊号、起始页数、终止页数，所述基于目标信息的要素从目标文字段落确定目标信息，包括：

基于目标信息的要素从目标文字段落提取各个要素对应的文字；

基于各个要素对应的文字的预设的排序规则确定参考文献。

在一些实施例中，所述方法还包括：

将所述参考文献进行可视化展示。

在一些实施例中，所述方法还包括：

获取所述文档的标识信息；

建立所述标识信息与所述参考文献之间的对应关系；

并保存所述对应关系。

在一些实施例中，所述方法还包括：

获取针对可视化展示的参考文献中目标参考文献的选择操作；

基于所述选择操作搜索所述目标参考文献对应的信息。

本申请实施例再提供一种信息的提取装置，包括：