[发明专利]一种文本页面的排序方法及相关设备

说明书

本发明实施例提供了一种文本页面的排序方法及相关设备，用于减少人力成本。该方法包括：获取目标裁判文书；对所述目标裁判文书中每一页面进行分段；确定所述目标裁判文书中每一页面的段落的段落属性；基于所述目标裁判文书中每一页面的段落的段落属性以及预设的段落排序规则对所述目标裁判文书的页面进行排序。

技术领域

本发明涉及文本处理领域，特别涉及一种文本页面的排序方法及相关设备。

背景技术

在使用爬虫爬取裁判文书的时候，经常会得到一系列单页的裁判文书，它们往往是被打乱页面顺序的裁判文书。在对整篇裁判文书进行分析的时候无序就无法得到正确的裁判文书，从而影响我们正常的展示以及分析。

现有方案都是通过人工对每个文档进行排序，再读取内容。但是在爬取大批量的文书后，要对每个案子的文书都人工排序，工作量巨大。

发明内容

本发明实施例提供了一种文本页面的排序方法及相关设备，用于减少人力成本，提高文本排序的效率。

本发明实施例第一方面提供了一种文本页面的排序方法，具体包括：

获取目标裁判文书；

对所述目标裁判文书中每一页面进行分段；

确定所述目标裁判文书中每一页面的段落的段落属性；

基于所述目标裁判文书中每一页面的段落的段落属性以及预设的段落排序规则对所述目标裁判文书的页面进行排序。

可选地，所述确定所述目标裁判文书中每一页面的段落的段落属性包括：

基于预设训练模型识别所述目标裁判文书中每一页面的段落的段落属性。

可选地，所述基于所述目标裁判文书中每一页面的段落的段落属性以及预设的段落排序规则对所述目标裁判文书中的页面进行排序包括；

判断所述目标裁判文书的第一页面的最后一个段落是否为被分隔后的段落，所述第一页面为所述目标裁判文书的中不为最后一页的任意一个页面；

若否，则获取所述第一页面的最后一个段落的段落属性；

基于所述第一页面的最后一个段落的段落属性以及预设的段落排序规则，从所述目标裁判文书中每个第一页面中确定出与所述第一页面相邻的第二页面，所述第二页面的第一个段落的段落属性与所述第一页面的最后一个段落的段落属性相邻，且所述第二页面的第一个段落为未被分隔的段落。

可选地，当所述第一页面的最后一个段落为被分隔后的段落时，所述方法还包括：

判断所述第一页面的最后一个段落包含的字数是否大于预设阈值；

若是，则获取所述第一页面的最后一个段落的段落属性；

基于所述第一页面的最后一个段落的段落属性，从所述目标裁判文书中除所述第一页面之外的其他页面中确定第三页面，所述第三页面的第一个段落的段落属性与所述第一页面的最后一个段落的段落属性相同，且所述第三页面的第一个段落的内容大于所述预设阈值，所述第三页面为所述目标裁判文书中与所述第一页面相邻的页面。

可选地，当所述第一页面的最后一段落的内容小于所述预设阈值时，所述方法还包括：

获取所述第一页面倒数第二个段落的段落属性；

基于所述第一页面倒数第二个段落的段落属性，从所述目标裁判文书中除所述第一页面之外的其他页面中确定第四页面，所述第四页面的第一个段落的段落属性与所述第一页面倒数第二个段落的段落属性相邻，其中，所述第四页面为与所述第一页面相邻的页面。

可选地，当所述第三页面的第一个段落的内容小于所述预设阈值时，所述方法还包括：