[发明专利]一种文本结构化处理方法

摘要

本发明涉及文本处理技术领域，提供了一种文本分类内容提取方法，包含步骤确定所述分类项目；对所述文本进行格式化处理，得到预处理文本；从所述预处理文本中获取各所述分类项目对应的初始内容；分别对各个所述分类项目对应的初始内容进行确认，以获取各个所述分类项目对应的分类内容。此外，基于所述文本分类内容提取方法，本发明还提供一种文本结构化处理方法。基于本发明所提供的技术方案，可实现对普通格式文本的规范化处理，不仅包括对文本整体的格式的统一整理，使其能更好的应用于计算机的分析处理，还包括针对文本个体的差异类信息进行规范化处理，使得最终对于该些文本的分析统计更加准确。

主权项

1.一种文本分类内容提取方法，其特征在于，所述方法包含步骤：

确定所述分类项目；

对所述文本进行格式化处理，得到预处理文本；

从所述预处理文本中获取各所述分类项目对应的初始内容；

分别对各个所述分类项目对应的初始内容进行确认，以获取各个所述分类项目对应的分类内容。

2.如权利要求1所述的提取方法，其特征在于，所述对所述文本进行格式化处理包含将所述文本格式转化为文本格式，并进行分句处理。

3.如权利要求1所述的提取方法，其特征在于，所述从所述预处理文本中获取各所述分类项目对应的初始内容包含利用正则表达式或关键词搜索从所述预处理文本中获得各所述分类项目对应的初始内容。

4.如权利要求1所述的提取方法，其特征在于，所述分别对各个所述分类项目对应的初始内容进行确认包含基于支持向量机分类器对所述初始内容进行分类识别。

5.一种文本结构化处理方法，其特征在于，所述方法包含步骤：

基于权利要求1至4中任一项所述的文本分类内容提取方法对所述文本进行分类内容提取，以获得包含所述文本的分类项目及各所述分类项目对应内容的规范化文本；

预测所述规范化文本中的用户录入位置；

基于所述用户录入位置获取用户录入信息，并对所述用户录入信息进行规范化处理。

6.如权利要求5所述的文本结构化处理方法，其特征在于，预测所述规范化文本中的用户录入位置包含步骤：

确定所述文本与历史样本的相似度；

判断所述相似度的最高值是否大于预设阈值；

若大于，则选取相似度最高的所述历史样本为参考样本，基于所述参考样本的录入位置预测所述文本中的录入位置；

若不大于，则基于预设神经网络模型对所述用户录入位置进行预测。

7.如权利要求6所述的文本结构化处理方法，其特征在于，所述基于预设神经网络模型对所述用户录入位置进行预测包含步骤：

将所述规范化文本内容转换成多个序列；

基于预设神经网络模型对所述各个序列进行计算，分别获得各个所述序列对应的输出值；

根据所述输出值确定所述用户录入位置。

8.如权利要求1所述的文本结构化处理方法，其特征在于，所述文本为合同文本，所述用户录入信息包含付款信息，其中所述基于所述用户录入位置获取用户录入信息，并对所述用户录入信息进行规范化处理包含对所述用户录入信息中的所述付款信息进行规范化处理。

9.如权利要求8所述的文本结构化处理方法，其特征在于，所述对所述用户录入信息中的所述付款信息进行规范化处理具体包含步骤：

从所述规范化文本中分别提取出与所述金额信息和所述付款方式相关的语句；

从所述金额信息相关的语句中提取出所述金额信息，包括基于预设条件随机场模型对与所述金额信息相关的语句进行序列化标注，基于特定标注获取所述金额信息；

从所述付款方式相关的语句中提取出所述付款方式，包括：

对所述付款方式相关的语句进行句法分析；

在所述句法分析结果上进行语义角色标注；

基于预设的推理逻辑获取所述付款方式。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的文本分类内容提取方法。

11.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求5至9中任一项所述文本结构化处理方法。