[发明专利]文档的分割方法、装置及电子设备

说明书

本申请公开了一种文档的分割方法、装置及电子设备，涉及深度学习及自然语言处理技术领域。具体实现方案为：获取目标文档；从目标文档之中提取多个元素；获取多个元素的语义特征和图像特征；根据多个元素的语义特征和图像特征确定多个分割点；根据多个分割点对目标文档进行分割。由此，通过这种文档的分割方法，引入文档中包括的各元素的图像特征，对各元素的文本结构进行表达，以通过综合考虑文档的语义信息和文本结构特征，将文档分割为语义差异较大且文本结构相似的短文本，从而提升了文本分割的准确度。

技术领域

本申请涉及计算机技术领域，尤其涉及深度学习及自然语言处理技术领域，提出一种文档的分割方法、装置及电子设备。

背景技术

文档文本分割是自然语言处理领域的一个常见应用。比如，将一段长文本划分为一系列结构相似的短文本。

相关技术中，通常根据文档中前后句子间的关联度特征，从纯语义角度找到文档中的最佳分割位置。但是，这种文档分割方法，由于仅考虑了文档中句子的语义信息，从而导致分割结果的准确度较低。

发明内容

本申请提供了一种用于文档分割的方法、装置、电子设备以及存储介质。

根据本申请的一方面，提供了一种文档的分割方法，包括：获取目标文档；从所述目标文档之中提取多个元素；获取所述多个元素的语义特征和图像特征；根据所述多个元素的语义特征和所述图像特征确定多个分割点；以及根据所述多个分割点对所述目标文档进行分割。

根据本申请的另一方面，提供了一种文档的分割装置，包括：第一获取模块，用于获取目标文档；提取模块，用于从所述目标文档之中提取多个元素；第二获取模块，用于获取所述多个元素的语义特征和图像特征；确定模块，用于根据所述多个元素的语义特征和所述图像特征确定多个分割点；以及分割模块，用于根据所述多个分割点对所述目标文档进行分割。

根据本申请的再一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前所述的文档的分割方法。

根据本申请的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如前所述的文档的分割方法。

根据本申请的技术方案，解决了相关技术中，基于文档中句子的语义信息进行文档分割的方法，准确度较低的问题。通过从目标文档之中提取多个元素，并获取多个元素的语义特征和图像特征，之后根据多个元素的语义特征和图像特征确定多个分割点，进而根据多个分割点对目标文档进行分割。由此，通过引入文档中包括的各元素的图像特征，对各元素的文本结构进行表达，以通过综合考虑文档的语义信息和文本结构特征，将文档分割为语义差异较大且文本结构相似的短文本，从而提升了文本分割的准确度。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1为本申请实施例所提供的一种文档的分割方法的流程示意图；

图2为本申请实施例所提供的另一种文档的分割方法的流程示意图；

图3为本申请实施例所提供的一种通过文档分割模型对目标文档进行分割的示意图；

图4为本申请实施例所提供的再一种文档的分割方法的流程示意图；

图5为本申请实施例提供的一种文档的分割装置的结构示意图；

图6为用来实现本申请实施例的文档的分割方法的电子设备的框图。