[发明专利]文本中的时间信息及主题信息的抽取方法和系统

权利要求书

1.一种文本中的时间信息及主题信息的抽取方法，其特征在于，所述抽取方法包括：

根据句子分隔符，将所述文本拆分为一个或多个子句；

根据日期正则表达式与时分正则表达式，分别抽取所述子句中的日期与时分；

将抽取的日期与时分按照预定规则合并为时间信息；

判断所述文本内容是否包含主题模式；

若是，抽取所述主题模式对应的文本内容作为所述时间的主题信息；否则

抽取所述时间附近的子句内容作为所述主题信息。

2.根据权利要求1所述的抽取方法，其特征在于，还包括：

所述将抽取的日期与时分按照预定规则合并为时间信息之前，判断所述日期与时分是否为误匹配，并在判定所述日期与时分是误匹配时，放弃所述抽取；

所述将抽取的日期与时分按照预定规则合并为时间信息之后，判断所述时间信息是否有效，并在判定所述时间信息无效时，丢弃所述时间信息。

3.根据权利要求1所述的抽取方法，其特征在于，所述将抽取的日期与时分按照预定规则合并为时间具体包括：

判断相邻或者相近的第一日期与第二日期是否为同一日期；若是，将所述第一日期与所述第二日期合并为一个日期；否则

进一步判断所述第一日期是否小于所述第二日期；若是，判定所述第一日期为任务开始日期；否则判定所述第二日期为任务结束日期；

将所述日期和时分合并为时间；当所述日期没有对应的时分时，给出默认时分；当所述时分没有对应的日期时，给出默认日期；

判断相邻或者相近的所述时间是否为同一时间；若是，将所述相邻或者相近的所述时间合并为一个时间。

4.根据权利要求3所述的抽取方法，其特征在于，

所述相邻或者相近的第一日期与第二日期为距离值小于预设阈值的两个日期；

所述默认日期为所示文本发布日期；所述默认时分为00:00。

5.根据权利要求1至4中任一项所述的抽取方法，其特征在于，

所述文本为输入文本或者语音生成文本；

所述句子分隔符包括以下至少一项或其组合：冒号、分号、句号、感叹号。

6.根据权利要求1至4中任一项所述的抽取方法，其特征在于，

所述日期正则表达式包括以下至少一项或其组合：“年月日”、“****.**.**”、“****‐**‐**”、“****/**/**”、“明年”、“下月”、“明天”、“下周”；

所述时分正则表达式包括以下至少一项或其组合：“点分”“**:**”、“下午*点”、“上午*点”。

7.根据权利要求1至4中任一项所述的抽取方法，其特征在于，

所述主题模式包括以下至少一项或其组合：“主题：”、“分享：”。

8.一种文本中的时间信息及主题信息的抽取系统，其特征在于，所述抽取系统包括：

拆分单元，用于根据句子分隔符，将所述文本拆分为一个或多个子句；

时间抽取单元，用于根据日期正则表达式与时分正则表达式，分别抽取所述子句中的日期与时分；

合并单元，用于将抽取的日期与时分按照预定规则合并为时间信息；

判断单元包括第一判断单元，用于判断所述文本内容是否包含主题模式；

若是，主题抽取单元，用于抽取所述主题模式对应的文本内容作为所述时间的主题；否则

所述主题抽取单元，用于抽取所述时间附近的子句内容作为所述主题信息。

9.根据权利要求8所述的抽取系统，其特征在于，还包括：

所述将抽取的日期与时分按照预定规则合并为时间信息之前，所述第一判断单元，还用于判断所述日期与时分是否为误匹配，并在判定所述日期与时分是误匹配时，放弃所述抽取；

所述用于将抽取的日期与时分按照预定规则合并为时间信息之后，所述第一判断单元，还用于判断所述时间信息是否有效，并在判定所述时间信息无效时，丢弃所述时间信息。