[发明专利]文档的处理方法及装置有效
| 申请号： | 201910697312.5 | 申请日： | 2019-07-30 |
| 公开（公告）号： | CN110427488B | 公开（公告）日： | 2022-09-23 |
| 发明（设计）人： | 袁灿;于政 | 申请（专利权）人： | 北京明略软件系统有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35 |
| 代理公司： | 北京康信知识产权代理有限责任公司 11240 | 代理人： | 江舟 |
| 地址： | 100086 北京市海淀区*** | 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： | 本发明公开了一种文档的处理方法及装置。该方法包括：通过获取文档中的多个文本块；通过分类器确定多个文件块中每个文本块的所属标签，以及通过预设的语言模型对多个文件块中两两相邻的文本块进行分析，得到两两相邻的文本块的连续概率，其中，语言模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：两两相邻的文本块和两两相邻的文本块的连续概率；在确定指定的两两相邻的文本块的连续概率的大于预设阈值，且指定的两两相邻的文本块属于同一标签的情况下，将指定的两两相邻的文本块进行合并。本发明解决了现有技术中，对文档中的文本进行合并时，由于文本中存在换行、分栏等情况，导致文本合并存在精确度低的技术问题。 | ||
| 搜索关键词： | 文档 处理 方法 装置 | ||
【主权项】：
1.一种文档的处理方法，其特征在于，包括：获取文档中的多个文本块；通过分类器确定所述多个文件块中每个文本块的所属标签，以及通过预设的语言模型对所述多个文件块中两两相邻的文本块进行分析，得到所述两两相邻的文本块的连续概率，其中，所述语言模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：两两相邻的文本块和两两相邻的文本块的连续概率；在确定指定的两两相邻的文本块的连续概率的大于预设阈值，且所述指定的两两相邻的文本块属于同一标签的情况下，将所述指定的两两相邻的文本块进行合并。
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明略软件系统有限公司，未经北京明略软件系统有限公司许可，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/201910697312.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种数据标注方法、装置及存储介质
- 下一篇：一种DPI数据分类方法及系统
