[发明专利]一种基于字典树的文本模板提取方法有效
| 申请号： | 201910427851.7 | 申请日： | 2019-05-21 |
| 公开（公告）号： | CN110147433B | 公开（公告）日： | 2021-01-29 |
| 发明（设计）人： | 王树大;张兆明;安丽娜 | 申请（专利权）人： | 北京鸿联九五信息产业有限公司 |
| 主分类号： | G06F16/33 | 分类号： | G06F16/33;G06F40/289;G06F16/36 |
| 代理公司： | 北京思睿峰知识产权代理有限公司 11396 | 代理人： | 谢建云;赵爱军 |
| 地址： | 100080 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于字典树的文本模板提取方法，包括：从文本签名下的文件中获取文本；对文本进行分词处理和统计，获得词序列；基于文件中的文本数量和词序列的词数，确定每个文件的关键词列表；基于关键词列表对分词序列进行过滤，以获得每个文本的关键词序列；基于每个文本的关键词序列构建字典树，所述字典树中的节点值为模板频数；将字典树的节点压入堆节点，获得模板词序列；基于模板频数、模板词序列中的词数以及子节点的模板频数占父节点的模板频数的比例，提取文本模板；重复迭代执行上述步骤，直到满足预定条件时迭代结束，将提取的文本模板存入数据库。 | ||
| 搜索关键词： | 一种 基于 字典 文本 模板 提取 方法 | ||
【主权项】：
1.一种基于字典树的文本模板提取方法，适于在计算设备中执行，所述方法包括：从文本签名下的文件中获取文本；对所述文本进行分词处理和统计，获得词序列；基于文件中的文本数量和词序列的词数，确定每个文件的关键词列表；基于关键词列表对词序列进行过滤，以获得每个文本的关键词序列；基于文件中每个文本的关键词序列构建字典树，所述字典树中的节点值为模板频数；将字典树的节点压入堆节点，获得模板词序列；基于模板频数、模板词序列中的词数以及子节点的模板频数占父节点的模板频数的比例，提取文本模板；以及重复迭代执行获得词序列、确定关键词列表、获得关键词序列、构建字典树、获得模板词序列、提取文本模板的步骤，直到满足预定条件时迭代结束，将提取的文本模板存入数据库。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京鸿联九五信息产业有限公司，未经北京鸿联九五信息产业有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910427851.7/，转载请声明来源钻瓜专利网。
