[发明专利]知识组块提取方法、装置、电子设备和存储介质

权利要求书

1.一种知识组块提取方法，其特征在于，所述方法包括：

获取PPTX文档中每页幻灯片的文本信息；其中，所述文本信息包括幻灯片中文本框中的文字内容、文本框的位置和文本框中字体大小；

根据所述文本信息，确定每页幻灯片的知识类别；

基于所述知识类别，对每页幻灯片进行要素抽取，获取每页幻灯片的知识组块；

其中，所述根据所述文本信息，确定每页幻灯片的知识类别包括：

根据所述文本信息，确定每页幻灯片中的标题和关键点；

利用所述标题和所述关键点，判断每页幻灯片是否为目录页；

在所述幻灯片不是目录页的情况下，利用所述标题和所述关键点确定所述幻灯片的知识类别；

其中，所述利用所述标题和关键点，判断每页幻灯片是否为目录页包括：

判断每页幻灯片的标题或关键点中是否存在预设词组，或者判断每页幻灯片是否有标题、关键点个数是否少于预设第一阈值，关键点的字数是否少于预设第二阈值，幻灯片中除标题和关键点之外的正文的字数是否少于预设第三阈值，关键点和正文中是否存在第二预设词组；

当标题或关键点中存在预设词组，或者幻灯片没有标题、关键点个数少于预设第一阈值，关键点的字数少于预设第二阈值，幻灯片中除标题和关键点之外的正文的字数少于预设第三阈值，且关键点和正文中存在第二预设词组时，确定所述标题或关键点对应的幻灯片为目录页。

2.根据权利要求1所述的方法，其特征在于，所述根据所述文本信息，确定每页幻灯片中的标题和关键点包括：

将所述文本信息中文本框的位置在预设范围内的文本框作为第一候选集合；

从所述第一候选集合中选取位置最顶端的文本框中字数在预设范围内字体最大的文本内容作为标题；

判断所述标题中有无预设词组；

当所述标题中有预设词组时，将所述幻灯片中除标题外的其他文本框中字体最大的文本内容作为关键点；

当所述标题中没有预设词组时，则在所述幻灯片中除标题外的其他文本内容的字体大小存在不同时，将所述除标题外的其他文本内容中字体最大的文本内容作为关键点。

3.根据权利要求1所述的方法，其特征在于，所述基于所述知识类别，对每页幻灯片进行要素抽取，获取每页幻灯片的知识组块包括：

根据所述知识类别，判断每页幻灯片是否为无类别幻灯片；

在所述幻灯片不是无类别幻灯片的情况下，对所述幻灯片进行要素抽取，获取所述幻灯片的知识组块。

4.根据权利要求3所述的方法，其特征在于，所述对所述幻灯片进行要素抽取，获取所述幻灯片的知识组块包括：

获取所述幻灯片标题中的要素，将所述标题中的要素作为所述幻灯片的知识组块；

当所述幻灯片的标题中没有要素时，获取所述幻灯片关键点中的要素，将所述关键点中的要素作为所述幻灯片的知识组块；

当所述幻灯片的关键点中没有要素时，获取所述幻灯片相邻幻灯片的时间要素，将所述幻灯片相邻幻灯片的时间要素作为所述幻灯片的知识组块；

当所述幻灯片相邻幻灯片没有时间要素时，获取所述幻灯片文件名中的要素，将所述文件名中的要素作为所述幻灯片的知识组块。

5.根据权利要求4所述的方法，其特征在于，所述获取所述幻灯片相邻幻灯片的时间要素包括：

当所述幻灯片相邻幻灯片为目录页时，将所述幻灯片相邻幻灯片的标题中的要素作为所述幻灯片相邻幻灯片的时间要素；

当所述幻灯片相邻幻灯片的标题中没有要素时，将所述幻灯片相邻幻灯片的关键点中的要素作为所述幻灯片相邻幻灯片的时间要素；

当所述幻灯片相邻幻灯片的关键点中没有要素时，确定所述幻灯片相邻幻灯片没有时间要素。

6.根据权利要求4所述的方法，其特征在于，所述获取所述幻灯片相邻幻灯片的时间要素包括：

当所述幻灯片相邻幻灯片不是目录页时，将所述幻灯片相邻幻灯片的标题中的要素作为所述幻灯片相邻幻灯片的时间要素；

当所述幻灯片相邻幻灯片的标题中没有要素时，确定所述幻灯片相邻幻灯片没有时间要素。