[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

说明书

技术领域

本发明涉及文本处理技术领域，具体而言，涉及一种文本中的时间信息及主题信息的抽取方法，还涉及一种文本中的时间信息及主题信息的抽取系统。

背景技术

用户在输入文本时会在输入中加入时间，表示会在某个指定时间做某件事，应用软件可以将用户提到的时间识别出来，用户则可以选择把时间转化成定时类任务。然而，现有的时间抽取系统只是从用户发帖中抽取出时间，抽取并不准确、抽取涵盖范围较小，并且没有抽取任务主题，任务主题需要用户在创建任务时自己填写。

因此，如何提高时间抽取的准确性和抽取涵盖范围，成为目前亟待解决的问题。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个目的在于提出了一种文本中的时间信息及主题信息的抽取方法。

本发明的另一个目的在于提出了一种文本中的时间信息及主题信息的抽取系统。

有鉴于此，本发明提出了一种文本中的时间信息及主题信息的抽取方法，包括：根据句子分隔符，将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；判断文本内容是否包含主题模式；若是，抽取主题模式对应的文本内容作为时间的主题信息；否则抽取时间附近的子句内容作为主题信息。

根据本发明的文本中的时间信息及主题信息的抽取方法，由于用户的输入文本可能很长，为了便于正则表达式的匹配，首先通过句子分隔符，将文本拆分为一个或多个子句，然后通过日期正则表达式与时分正则表达式分别抽取各子句中的日期和时分，之后再将日期和时分合并为时间信息，并为每个时间抽取任务主题。通过本发明的技术方案，有效降低了正则表达式匹配的复杂度，提高了匹配效率，同时抽取时间较为准确，抽取的时间类型涵盖范围较大，并且还能将任务的内容抽取出来自动填入任务的主题，能够帮助用户便捷地根据帖子内容创建提醒任务，有效地减少用户的使用成本，提升用户体验。

另外，根据本发明上述的文本中的时间信息及主题信息的抽取方法，还可以具有如下附加的技术特征：

在上述技术方案中，优选地，还包括：将抽取的日期与时分按照预定规则合并为时间信息之前，判断日期与时分是否为误匹配，并在判定日期与时分是误匹配时，放弃抽取；将抽取的日期与时分按照预定规则合并为时间信息之后，判断时间信息是否有效，并在判定时间信息无效时，丢弃时间信息。

在该技术方案中，首先，有些不是时间的词也可能会被当成时间匹配到，通过判断日期与时分是否为误匹配，并在判定日期与时分是误匹配时，将这种不应抽取出的时间排除，从而降低正则表达式匹配的复杂度，提高匹配效率、提高时间抽取的准确性，有效避免了时间误匹配给用户造成的麻烦。比如，用户输入“3号楼”，通过日期正则表达式会匹配到“3号”，但是这里“3号”并不是时间，此时放弃对“3号”的抽取。其次，有时用户输入的时间并不能保证是正确的，比如用户输入“2015.06.31”，这个时间是无效的，但系统抽取出的时间应该保证是有效的，由于在正则表达式匹配时，不能判断此类时间的有效性，所以在抽取到时间之后，通过对时间的有效性进行判定，能够确定抽取到的时间是否有效，如果判定为无效的时间，则将其丢弃，从而提高时间抽取的准确性、有效避免了无效时间给用户造成的麻烦。

在上述技术方案中，优选地，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，将第一日期与第二日期合并为一个日期；否则进一步判断第一日期是否小于第二日期；若是，判定第一日期为任务开始日期；否则判定第二日期为任务结束日期；将日期和时分合并为时间；当日期没有对应的时分时，给出默认时分；当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时间是否为同一时间；若是，将相邻或者相近的时间合并为一个时间。