[发明专利]word文本素材分级目录生成方法、装置及设备

说明书

本发明涉及人工智能技术领域，具体涉及一种word文本素材分级目录生成方法、装置及设备。其中，word文本素材分级目录生成方法，包括：获取word文件；通过预训练的标签识别模型，识别所述word文件的的标签；将所述word文件存储在所述标签对应的树状图文件夹内；其中，所述树状图文件夹为基于历史word文件提取的标签生成的。如此设置，通过电脑等智能设备执行本申请提供的方法以实现对于word文件的分类存储，以便于后期的查找。如此，提高了对于word文件的分类存储的速度，同时，分类存储的方式提高了查询早期“红头”word文件的效率，进而提高撰写效率。

技术领域

本发明涉及人工智能技术领域，具体涉及一种word文本素材分级目录生成方法、装置及设备。

背景技术

目前政府，电视台等机构因常年累月积压各种Word文本，因人员更替和文本未结构化梳理，导致大量的Word文本内容无法在使用时快速查找，如政府需要撰写一片关于国家领导的文稿，需要查询之前早期的Word文本，需要话费大量的时间去遍历查询早期“红头”word文件，费时费力，撰写效率不高。

当前主流都是采用人工查询编辑，重新分类方式进行处理，效率不高。

发明内容

有鉴于此，提供一种word文本素材分级目录生成方法、装置及设备，以解决相关技术中的问题。

本发明采用如下技术方案：

第一方面，本发明实施例提供了一种word文本素材分级目录生成方法，该方法包括：

获取word文件；

通过预训练的标签识别模型，识别所述word文件的的标签；

将所述word文件存储在所述标签对应的树状图文件夹内；其中，所述树状图文件夹为基于历史word文件提取的标签生成的。

可选的，当所述word文件需要存储进多个树状图文件夹内时；

选取一个树状图文件夹存储所述word文件的本体，其他的树状图文件夹存储所述word文件的指针文件。

可选的，所述预训练的标签识别模型包括：外部标题检测标签模型，内部标题检测规则模型，首端文本检测规则模型；

所述外部标题检测标签模型用于检测所述word文件的外部标题，得到标签；

所述内部标题检测标签模型用于检测所述word文件的外内部标题，得到标签；

所述首端文本检测标签模型用于检测所述word文件的首端文本，得到标签。

可选的，所述标签包括：时间标签、地区标签、人物标签。

可选的，选择标签即建立树状图文件夹的的方法包括：

提取预设数量的本领域word文件，通过NLP自然语音分词技术，设置时间，地区，省/州，市/县，人物所有建立标签；

根据得到时间，地区，人物自动生成文件夹“树状结构”集合，得到树状图文件夹。

可选的，还包括：

用户通过标题检索，标签检索，和文件夹架构对处理后的word文件进行查找；

用户对word文件和树状图文件夹进行管理。

可选的，所述获取word文件，包括：

定期自动扫描获取word文件；

和/或，获取用户上传的word文件。

第二方面，本申请实施例提供一种word文本素材分级目录生成装置，其特征在于，包括：