[发明专利]一种文本结构化方法及装置

权利要求书

1.一种文本结构化方法，其特征在于，所述方法包括：

获取与上下文无关的文法规则集；

通过基于所述与上下文无关的文法规则集生成的语法分析器对文本集合中各文本进行解析；

针对所述文本集合中每个文本，在所述语法分析器成功解析该文本时，将所述语法分析器的输出确定为该文本对应的结构化文本；

其中，若所述文本集合的解析成功率小于阈值，则调整所述与上下文无关的文法规则集：

其中，调整所述与上下文无关的文法规则集，包括：针对每个所述语法分析器未成功解析的文本，若所述语法分析器未成功解析该文本的关键词，则将第一描述词作为关键词添加至所述与上下文无关的文法规则集中，所述第一描述词包括该文本中与未成功解析的关键词匹配的词语；若所述语法分析器未成功解析该文本的字段，则确定所述与上下文无关的文法规则集的关键词中是否存在第二描述词，所述第二描述词包括该文本中与未成功解析的字段对应的词语；若所述与上下文无关的文法规则集的关键词中不存在所述第二描述词，则将所述第二描述词作为关键词添加至所述与上下文无关的文法规则集中。

2.根据权利要求1所述的方法，其特征在于，其中，所述文本集合的解析成功率为所述语法分析器成功解析的文本的数量与所述文本集合包括的文本的数量的比。

3.根据权利要求1所述的方法，其特征在于，根据该文本调整所述与上下文无关的文法规则集还包括：

若所述与上下文无关的文法规则集的关键词中存在所述第二描述词，则根据该文本向所述与上下文无关的文法规则集中添加与该文本中未成功解析的字段对应的与上下文无关的文法规则。

4.根据权利要求1所述的方法，其特征在于，获取与上下文无关的文法规则集包括：根据所述文本集合包括的文本的类型获取所述与上下文无关的文法规则集。

5.一种文本结构化装置，其特征在于，所述装置包括：

获取模块，用于获取与上下文无关的文法规则集；

解析模块，用于通过基于所述与上下文无关的文法规则集生成的语法分析器对文本集合中各文本进行解析；

确定模块，用于针对所述文本集合中每个文本，在所述语法分析器成功解析该文本时，将所述语法分析器的输出确定为该文本对应的结构化文本；

其中，调整模块还用于：若所述文本集合的解析成功率小于阈值，则调整所述与上下文无关的文法规则集：其中，调整所述与上下文无关的文法规则集，包括：针对每个所述语法分析器未成功解析的文本，若所述语法分析器未成功解析该文本的关键词，则将第一描述词作为关键词添加至所述与上下文无关的文法规则集中，所述第一描述词包括该文本中与未成功解析的关键词匹配的词语；若所述语法分析器未成功解析该文本的字段，且所述与上下文无关的文法规则集的关键词中不存在第二描述词，则将所述第二描述词作为关键词添加至所述与上下文无关的文法规则集中；所述第二描述词包括该文本中与未成功解析的字段对应的词语。

6.根据权利要求5所述的装置，其特征在于，所述文本集合的解析成功率为所述语法分析器成功解析的文本的数量与所述文本集合包括的文本的数量的比。

7.根据权利要求5所述的装置，其特征在于，所述调整模块还用于：

若所述与上下文无关的文法规则集的关键词中存在所述第二描述词，则根据该文本向所述与上下文无关的文法规则集中添加与该文本中未成功解析的字段对应的与上下文无关的文法规则。

8.根据权利要求5所述的装置，其特征在于，所述获取模块还用于：根据所述文本集合包括的文本的类型获取所述与上下文无关的文法规则集。