一种文本知识提取方法、装置、电子设备和存储介质与流程

技术特征：
1.一种文本知识提取方法，其特征在于，所述方法包括：获取待处理的文档；对所述文档建立文档对象模型dom，根据所述dom确定第一标签集；对第一标签集中至少一个标签进行分词；针对所述至少一个标签的分词结果，提取文本知识；所述文本知识表示所述标签中相邻分词之间的关系。2.根据权利要求1所述的方法，其特征在于，所述对第一标签集中至少一个标签进行分词，包括：在所述至少一个标签的字号大小和字符个数满足第一设定条件，或者所述至少一个标签的字号大小和水平起始位置满足第二设定条件的情况下，对所述至少一个标签进行分词。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：在所述第一标签集中的标签的字号大于所述第一标签集中的标签相邻的两个标签的字号，且所述第一标签集中的标签的字符个数小于k的情况下，确定所述第一标签集中的标签满足第一设定条件，其中，k为大于0的正整数；在所述第一标签集中的标签的字号大于所述第一标签集中的标签相邻的两个标签的字号，且所述第一标签集中的标签的水平起始位置的坐标小于所述第一标签集中的标签相邻的两个标签的水平起始位置的坐标的情况下，确定所述第一标签集中的标签满足第二设定条件。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：根据所述dom，查找所述第一标签集中的标题型标签，所述标题型标签表示字号大小或者水平起始位置满足第三设定条件的标签；查找所述标题型标签的父级标签，在所述父级标签为标题型标签的情况下，对所述标题型标签和所述标题型标签的父级标签进行分词；提取第三知识集，其中，所述第三知识集表示所述标题型标签的分词结果与对应的父级标签的分词结果之间的关系。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：在所述第一标签集中的标签的字号大于所述第一标签集中的标签相邻的两个标签的字号，或者所述第一标签集中的标签的水平起始位置的坐标小于所述第一标签集中的标签相邻的两个标签的水平起始位置的坐标的情况下，确定所述第一标签集中的标签满足第三设定条件。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：将文本知识和所述第三知识集进行合并，形成知识库；将所述知识库以知识图谱的方式进行存储。7.根据权利要求1所述的方法，其特征在于，所述对第一标签集中至少一个标签进行分词，包括：对所述至少一个标签中每个标签的英文内容片段进行英文分词和词性标注，得到第一分词结果；对所述至少一个标签中每个标签的中文内容片段进行中文分词和词性标注，得到第二
分词结果；将所述第一分词结果与所述第二分词结果进行合并，得到所述至少一个标签的分词结果。8.根据权利要求1所述的方法，其特征在于，所述针对所述至少一个标签的分词结果，提取文本知识，包括：根据所述至少一个标签的分词结果，确定所述至少一个标签中存在顺序相邻的名词分词的情况下，提取第一知识集，其中，所述第一知识集表示所述相邻名词分词之间的属性关系；根据所述至少一个标签的分词结果，确定所述至少一个标签中存在相邻的名词分词和动词分词，或者，存在相邻的名词分词和动名词分词的情况下，提取第二知识集，其中，所述第二知识集表示相邻分词之间的操作关系；将所述第一知识集和所述第二知识集合并，得到所述文本知识。9.一种文本知识提取装置，其特征在于，所述装置包括：获取模块，用于获取待处理的文档；确定模块，用于对所述文档建立文档对象模型dom，根据所述dom确定第一标签集；提取模块，用于对第一标签集中至少一个标签进行分词；针对所述至少一个标签的分词结果，提取文本知识；所述文本知识表示所述标签中相邻分词之间的关系。10.一种电子设备，其特征在于，所述设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1至8任一项所述方法的步骤。11.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。

技术总结
本发明提供一种文本知识提取方法、装置、电子设备和计算机存储介质，所述方法包括：获取待处理的文档；对所述文档建立DOM，根据所述DOM确定第一标签集；对第一标签集中至少一个标签进行分词；针对所述至少一个标签的分词结果，提取文本知识；所述文本知识表示所述标签中相邻分词之间的关系；如此，对于文本知识的提取，该方法既不依赖人类手工建立的本体知识库，又对文档内本文的组织形式没有限制，实现文本知识的自动化提取。文本知识的自动化提取。文本知识的自动化提取。


技术研发人员：蔡敦波
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2020.07.13
技术公布日：2022/1/14