[发明专利]一种文本信息提取方法、装置、电子设备及存储介质

说明书

本发明公开了一种文本信息提取方法、装置、电子设备及存储介质，其中，方法包括：分别对多个预设文本段落和多个预设问题文本进行文本预处理，得到对应的预处理文本段落和对应的预处理问题文本；计算预处理文本段落的第一特征项；计算预处理问题文本的第二特征项；采用第一特征项和第二特征项，计算预处理文本段落与预处理问题文本之间的关联度；根据关联度将多个预处理文本段落划分为若干个帕累托集合；对帕累托集合进行排序，得到帕累托序列；从帕累托序列中提取多个问题文本对应的文本信息。通过本发明，提高了多问题关联文本信息的提取效率和提取准确度。

技术领域

本发明涉及信息提取技术领域，尤其涉及一种文本信息提取方法、装置、电子设备及存储介质。

背景技术

随着大数据时代的到来，互联网中蕴含着与日俱增的数据，给人们的生活、学习以及办公提供了便捷性。因此，从海量文本数据中提取出用户需要的信息成为迫切的需求。

现如今人们在使用互联网文本检索工具时，往往需要对多个输入问题进行检索，提取与各个问题都比较相关联的文本信息。从而导致文本信息提取效率低，准确度低。

发明内容

本发明提供了一种文本信息提取方法、装置、电子设备及存储介质，用于解决现有的文本信息提取方法往往需要对多个输入问题进行检索，提取与各个问题都比较相关联的文本信息，从而导致文本信息的提取效率较低，提取准确度较低的技术问题。

本发明提供了一种文本信息提取方法，包括：

分别对多个预设文本段落和多个预设问题文本进行文本预处理，得到对应的预处理文本段落和对应的预处理问题文本；

计算所述预处理文本段落的第一特征项；

计算所述预处理问题文本的第二特征项；

采用所述第一特征项和所述第二特征项，计算所述预处理文本段落与所述预处理问题文本之间的关联度；

根据所述关联度将多个所述预处理文本段落划分为若干个帕累托集合；

对所述帕累托集合进行排序，得到帕累托序列；

从所述帕累托序列中提取多个所述问题文本对应的文本信息。

可选地，所述计算所述预处理文本段落的第一特征项的步骤，包括：

获取所述预处理文本段落的第一分词词汇表；所述第一分词词汇表包括多个第一词汇；

计算每个所述第一词汇的第一词频和第一逆向文件频率；

采用所述第一词频和所述第一逆向文件频率计算对应的第一词汇的第一绝对特征值；

根据预设文本段落特征项阈值和所述第一绝对特征值计算对应的第一词汇的第一相对特征值；

采用所述第一分词词汇表中的每个所述第一词汇的第一相对特征值，计算所述预处理文本段落的第一特征项。

可选地，所述计算所述预处理问题文本的第二特征项的步骤，包括：

获取所述预处理问题文本的第二分词词汇表；所述第二分词词汇表包括多个第二词汇；

计算每个所述第二词汇的第二词频和第二逆向文件频率；

采用所述第二词频和所述第二逆向文件频率计算对应的第二词汇的第二绝对特征值；

根据预设问题文本特征项阈值和所述第二绝对特征值计算对应的第二词汇的第二相对特征值；

采用所述第二分词词汇表中的每个所述第二词汇的第二相对特征值，计算所述预处理问题文本的第二特征项。

可选地，所述根据所述关联度将多个所述预处理文本段落划分为若干个帕累托集合的步骤，包括：