[发明专利]一种文本结构化的方法有效
| 申请号： | 201711036517.6 | 申请日： | 2017-10-30 |
| 公开（公告）号： | CN107729526B | 公开（公告）日： | 2020-04-07 |
| 发明（设计）人： | 汪东升;邱朋飞;徐涛 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F16/25 | 分类号： | G06F16/25;G06F16/335;G06F16/903 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;吴欢燕 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种文本结构化的方法，包括：S1，根据待结构化文本的文本类型，获取相应的切分配置文件和抽取配置文件；S2，遍历切分配置文件中的第一切分规则，根据每一第一切分规则中的起点类型、终点类型、起点位置和终点位置，从待结构化文本中获取对应第一切分规则的切分片段；S3，遍历抽取配置文件中的每一切分片段的第一抽取规则，将每一第一抽取规则中的正则表达式与切分片段进行匹配，根据匹配结果从切分片段中抽取待获取的信息，得到结构化的文本。本发明通过设计一套通用的文本结构化的方法，根据不同文本的文本类型调用相应的配置文件，快速实现不同类型的文本的结构化。 | ||
| 搜索关键词： | 一种 文本 结构 方法 | ||
【主权项】：
一种文本结构化的方法，其特征在于，包括：S1，根据待结构化文本的文本类型，获取相应的切分配置文件和抽取配置文件；S2，遍历所述切分配置文件中的第一切分规则，根据每一所述第一切分规则中的起点类型、终点类型、起点位置和终点位置，从所述待结构化文本中获取对应所述第一切分规则的切分片段；S3，遍历所述抽取配置文件中的每一所述切分片段的第一抽取规则，将每一所述第一抽取规则中的正则表达式与所述切分片段进行匹配，根据匹配结果从所述切分片段中抽取待获取的信息，得到结构化的文本；其中，所述起点位置的类型与所述起点类型对应，所述终点位置的类型与所述终点类型对应。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711036517.6/，转载请声明来源钻瓜专利网。
