[发明专利]基于文档拆分的知识库建设方法及装置

说明书

一种基于文档拆分的知识库建设方法及装置，所述知识库建设方法包括：获取待处理的文档；判断所述文档是否具有标题；如果所述文档具有标题，则确定所述文档内的各级标题；至少将部分标题作为介绍知识点的介绍问题，以及将所述部分标题下的至少部分内容作为所述介绍知识点的答案存储至知识库中。本发明技术方案可以实现在已有的文档的基础上形成知识点，还可以实现对知识库中知识点的内容的扩展，提升知识库的丰富性，进而扩大知识库的应用范围。

技术领域

本发明涉及语言处理技术领域，尤其涉及一种基于文档拆分的知识库建设方法及装置。

背景技术

在智能问答系统中，知识库可以提供知识点，知识点可以包括标准问及其答案。在形成知识库中的知识点时，通常需要人工撰写或整理标准问及其答案。

但是，如何在已有的文档的基础上形成知识点，是一个亟待解决的问题。

发明内容

本发明解决的技术问题是如何在已有的文档的基础上形成知识点。

为解决上述技术问题，本发明实施例提供一种基于文档拆分的知识库建设方法，所述方法包括：获取待处理的文档；判断所述文档是否具有标题；如果所述文档具有标题，则确定所述文档内的各级标题；至少将部分标题作为介绍知识点的介绍问题，以及将所述部分标题下的至少部分内容作为所述介绍知识点的答案存储至知识库中。

可选的，所述判断所述文档是否具有标题包括：判断所述文档是否具备目录或大纲级别，当所述文档具备目录或大纲级别时，所述文档具有标题；如果所述文档未具备目录或大纲级别，则判断所述文档是否具备编号或不同大小的字体，当所述文档具有编号或不同大小的字体时，所述文档具有标题；否则，所述文档不具有标题。

可选的，所述确定所述文档内的各级标题包括：如果所述文档具备目录，则根据所述文档的目录来确定各级标题；或者，如果所述文档具备大纲级别，则根据所述文档的大纲级别来确定各级标题；或者，如果所述文档具有编号，则根据所述编号的编号优先级确定各级编号，将每级编号至首个换行符之间的内容作为每级标题；或者，如果所述文档具备不同大小的字体，则按照所述文档中各个段落的字体从大到小的顺序确定各级标题；或者，如果所述文档具有编号，则按照编号在所述文档中首次出现的顺序确定各级编号，将每级编号至首个换行符之间的内容作为每级标题。

可选的，所述至少将部分标题作为介绍知识点的介绍问题，以及将所述部分标题下的至少部分内容作为所述介绍知识点的答案存储至知识库中包括：对于第i级标题，确定所述第i级标题或所述第i级标题及其至少一个上级标题为所述介绍知识点的介绍问题，确定所述第i级标题下的至少部分内容作为相应的答案，其中，所述文档包括M级标题，i的取值范围为[1，M]。

可选的，所述至少将部分标题作为介绍知识点的介绍问题，以及将所述部分标题下的至少部分内容作为所述介绍知识点的答案存储至知识库中包括：对于第i级标题，将所述第i级标题及其至少一个上级标题采用关联词进行连接，形成完整语句，并将所述完整语句作为所述介绍问题，确定所述第i级标题下的至少部分内容作为相应的答案，其中，所述文档包括M级标题，i的取值范围为[1，M]。

可选的，所述基于文档拆分的知识库建设方法还包括：如果所述文档未具有标题，则根据标点符号将所述文档切分为多个句子；按照所述多个句子的语义相关性将所述多个句子拆分为多个段落，段落的数量小于等于句子的数量；提取每个段落的内容摘要；将每一段落的内容摘要作为所述介绍知识点的介绍问题，以及至少将所述段落作为所述介绍知识点的答案存储至所述知识库。

可选的，所述至少将部分标题作为介绍知识点的介绍问题，以及将所述部分标题下的至少部分内容作为所述介绍知识点的答案存储至知识库中包括：如果标题下的内容的字数达到预设阈值，则将所述内容切分为多个句子；按照所述多个句子的语义相关性将所述多个句子拆分为多个段落，段落的数量小于等于句子的数量；提取每个段落的内容摘要；将每一段落的内容摘要作为所述介绍知识点的介绍问题，以及至少将所述段落作为所述介绍知识点的答案存储至所述知识库。