[发明专利]一种保持语义完整性的引文自动提取方法和装置

摘要

本发明提供了一种引文自动提取方法和装置。本发明能够以文本中作为阅读焦点的字符或字符串为中心自动提取上下文，所提取的引文长度处于预定的长度范围以内，并且保持所提取的引文具有语义完整性，这样能够从文本中抽取形成以被选择的字符或字符串作为阅读焦点并且长度合适、意思完整的一段语义场景，方便用户还原阅读焦点在上下文中的正确含义。

主权项

一种引文自动提取方法，其特征在于，包括：焦点设定步骤，从文本中选择作为阅读焦点的字符或字符串；上下文提取步骤，通过以完整语义单元为单位进行的文本扩展和/或截取，提取以所述阅读焦点为中心的上下文，从而获得文本长度处于预定长度区间内的且具有语义完整性的引文文本；其中，所述上下文提取步骤包括：以所述作为阅读焦点的字符或字符串为起点并沿扩展方向，以由扩展型边界符号所限定的具有较大尺度的完整语义单元为单位选取备选文本的扩展步骤；和/或针对备选文本，沿截取方向，以由截取型边界符号所限定的具有较小尺度的完整语义单元为单位截取备选文本的截取步骤；以及针对经扩展步骤和/或截取步骤处理后的备选文本，以最小语义单元为单位沿扩展方向扩展和/或沿截取方向截取所述备选文本的最小语义单元扩展截取步骤；其中，所述扩展型边界符号和截取型边界符号分别是预定义类型的边界符号。