[发明专利]文档完整性检测方法、系统和电子设备

权利要求书

1.一种文档完整性检测方法，其特征在于，包括：

获取待检测文档；

基于参考特征对所述待检测文档的文档结构进行完整性检测，其中，所述参考特征为与所述待检测文档具有相同文档类型的文档特征；

确定所述待检测文档的文档结构完整时，判断所述待检测文档的文档内容是否缺失；

如果缺失，则确定所述待检测文档为不完整文档；

如果未缺失，则确定所述待检测文档为完整文档。

2.根据权利要求1所述的文档完整性检测方法，其特征在于，获取待检测文档，包括：

获取初始文档；所述初始文档包括文本文档或图像文档；

当所述初始文档为文本文档时，将所述文本文档确定为待检测文档；

当所述初始文档为图像文档时，对所述图像文档中的文字进行识别，并将所述图像文档对应的识别得到的文字确定为所述待检测文档。

3.根据权利要求1所述的文档完整性检测方法，其特征在于，基于参考特征对所述待检测文档的文档结构进行完整性检测，包括：

确定所述文档类型对应的参考特征；所述参考特征包括文档公共结构，所述文档公共结构以第一结构图的形式表征；

对所述待检测文档进行结构解析，确定所述待检测文档对应的第二结构图；

将所述第二结构图与所述第一结构图进行对比，对所述待检测文档的文档结构进行完整性检测。

4.根据权利要求3所述的文档完整性检测方法，其特征在于，确定所述文档类型对应的参考特征，包括：

确定所述文档类型对应的文档集合；其中，所述文档集合中至少包括一个与所述文档类型对应的参考文档；

对所述文档集合中的每个参考文档进行段落划分，得到每个参考文档对应的段落特征集合，并基于所述段落特征集合中每个段落之间的关系构建所述参考文档对应的文档结构图；

对所述文档集合包含的全部参考文档的文档结构图的文档公共结构进行匹配，确定所述文档类型对应的第一结构图。

5.根据权利要求3所述的文档完整性检测方法，其特征在于，对所述待检测文档进行结构解析，确定所述待检测文档对应的第二结构图，包括：

基于所述待检测文档的上下文对所述待检测文档进行段落划分，并把划分后得到的每个段落确定为节点，段落之间的关系确定为节点的连边；

基于所述节点和连边确定所述待检测文档对应的第二结构图。

6.根据权利要求4所述的文档完整性检测方法，其特征在于，所述参考特征包括共有类别实体；判断所述待检测文档的文档内容是否缺失，包括：

确定所述文档集合中的参考文档的共有类别实体；所述共有类别实体用于表征所述文档集合中每个参考文档均包含的内容类别；

对所述待检测文档的类别实体进行提取，确定目标类别实体；

通过判断所述共有类别实体是否为所述目标类别实体的子集，判断所述待检测文档的文档内容是否缺失。

7.根据权利要求6所述的文档完整性检测方法，其特征在于，确定所述文档集合中的参考文档的共有类别实体，包括：

对所述文档集合中的参考文档进行分词处理，并对分词处理后的文档进行词性标准化处理和去除停用词处理，确定所述参考文档所包含的目标词语；

计算所述目标词语在所述参考文档的第一词频，以及所述目标词语在所述文档集合中的第二词频；

基于所述第一词频和所述第二词频确定目标词频，并将所述目标词频小于预设词频阈值的目标词语确定为文档集合中的参考文档的共有类别实体。

8.根据权利要求1所述的文档完整性检测方法，其特征在于，对所述待检测文档的类别实体进行提取，确定目标类别实体，包括：

对所述待检测文档进行格式转换，得到格式转换后的所述待检测文档对应的类别标签；

基于所述类别标签确定文档内容在待检测文档中的文档位置；

通过预先匹配的提取规则对所述文档位置的文档内容进行提取，确定所述目标类别实体。