[发明专利]一种文档分析的方法及装置

权利要求书

1.一种文档分析的方法，其特征在于，所述方法包括：

确定待分析文档所属的业务类型，依据所述待分析文档所属的业务类型映射的实体类型集合，提取所述待分析文档中包含的实体；

依据实体在所述待分析文档中出现的位置以及实体与实体之间的句法结构，获取实体与实体之间的关系；

以实体为节点，实体之间的关系为边，构建知识图谱以及所述知识图谱与所述待分析文档的映射关系；

存储所述待分析文档、所述知识图谱与所述映射关系。

2.根据权利要求1所述的方法，其特征在于，所述确定待分析文档所属的业务类型，包括：

获取上传所述待分析文档的用户的标签，依据所述用户的标签匹配预设的业务类型库，获取所述待分析文档所属的业务类型；或，

提取所述待分析文档中的关键词，分别与预设的业务类型库中的每一业务类型包含的业务关键词进行匹配，依据匹配结果确定所述待分析文档所属的业务类型。

3.根据权利要求1所述的方法，其特征在于，所述提取所述待分析文档中包含的实体，包括：

针对所述实体类型集合中的每一实体类型，从所述待分析文档中，提取与所述实体类型相匹配的实体。

4.根据权利要求3所述的方法，其特征在于，所述从所述待分析文档中，提取与所述实体类型相匹配的实体，包括：

获取待分析文档中的文本信息，对所述文本信息进行分词；

基于分词结果，选取与所述实体类型相匹配的词或词组，得到所述待分析文档中包含的实体。

5.根据权利要求1所述的方法，其特征在于，所述依据实体在所述待分析文档中出现的位置以及实体与实体之间的句法结构，获取实体与实体之间的关系，包括：

获取提取出的所述实体在所述待分析文档中分别出现的位置；

基于获取的位置，计算两实体之间的一个或多个距离；

若两实体之间的距离小于预设的距离阈值，依据小于预设的距离阈值内的该两实体之间的文本信息对应的句法结构，获取该两实体之间的关系。

6.根据权利要求5所述的方法，其特征在于，所述依据小于预设的距离阈值内的该两实体之间的文本信息对应的句法结构，获取该两实体之间的关系，包括：

依据标点对所述两实体之间的文本信息进行拆分，得到一个或多个拆分句；

针对每一拆分句，依据以谓语为核心的句法结构，对该拆分句进行依存句法分析，得到该拆分句中所述两实体之间的关系；

合并各拆分句中所述两实体之间的关系，得到所述两实体之间的关系。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：

接收文档查询请求，依据所述文档查询请求中包含的查询关键词，获取查询文档；

依据所述映射关系，获取所述查询文档所映射的知识图谱；

展示所述查询文档以及获取的知识图谱。

8.一种文档分析的装置，其特征在于，包括：

实体提取模块，用于确定待分析文档所属的业务类型，依据所述待分析文档所属的业务类型映射的实体类型集合，提取所述待分析文档中包含的实体；

实体关系提取模块，用于依据实体在所述待分析文档中出现的位置以及实体与实体之间的句法结构，获取实体与实体之间的关系；

知识图谱构建模块，用于以实体为节点，实体之间的关系为边，构建知识图谱以及所述知识图谱与所述待分析文档的映射关系；

信息存储模块，用于存储所述待分析文档、所述知识图谱与所述映射关系。

9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的文档分析的方法的步骤。

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的文档分析的方法的步骤。