[发明专利]文本检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种文本检测方法、装置、计算机设备和存储介质。所述方法包括：获取待检测文本；检测所述待检测文本的物理结构和/或逻辑结构；根据所述物理结构和/或逻辑结构对所述待检测文本进行关键词提取。采用本方法能够提高文本检测的准确性。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种文本检测方法、装置、计算机设备和存储介质。

背景技术

随着人工智能技术的发展，出现了文档检测技术，文本检测主要是为了提取文本中的关键信息，从而方便用户根据关键信息以得到文本的内容。

传统技术中，对于文本信息的提取可以是通过IF-IDF进行，其主要是采用文本逆频率IDF对TF值加权取权值大的作为关键信息。

然而，IDF的简单结构并不能有效地反映单词的重要程度和特征词的分布情况，使其无法很好地完成对权值调整的功能，所以TF-IDF算法的精度并不是很高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高检测精度的文本检测方法、装置、计算机设备和存储介质。

一种文本检测方法，所述方法包括：

获取待检测文本；

检测所述待检测文本的物理结构和/或逻辑结构；

根据所述物理结构和/或逻辑结构对所述待检测文本进行关键词提取。

在其中一个实施例中，所述检测所述待检测文本的物理结构，包括：

对所述待检测文本进行处理以得到所述待检测文本中每一分类的物理对象；

对所述物理对象进行预处理；

按照所述待检测文本的阅读顺序对预处理后的所述物理对象进行排序，得到所述待检测文本的物理结构。

在其中一个实施例中，所述对所述物理对象进行预处理包括以下至少一种：

合并被拆分的物理对象；

删除冗余的物理对象。

在其中一个实施例中，所述逻辑结构的检测方法包括：

获取待检测文本的物理结构；

根据所述物理结构得到所述待检测文本的标题以及标题关系；

根据所述标题以及标题关系构建逻辑框架；

将所述物理结构中除标题以外的物理对象补充进所述逻辑框架中，得到所述待检测文本的逻辑结构。

在其中一个实施例中，所述根据所述物理结构和/或逻辑结构对所述待检测文本进行关键词提取，包括：

根据所述物理结构和/或逻辑结构通过至少一种算法对所述待检测文本进行关键词提取；

对各个所述算法提取的待处理关键词进行融合得到初始关键词；

对所述初始关键词进行后处理得到目标关键词。

在其中一个实施例中，所述根据所述物理结构和/或逻辑结构通过至少一种算法对所述待检测文本进行关键词提取，包括：

根据所述物理结构和/或逻辑结构对所述待检测文本进行特征提取；

将所提取的特征分别输入至少一种算法中以对所述待检测文本进行关键词提取。

在其中一个实施例中，所述根据所述物理结构和/或逻辑结构对所述待检测文本进行特征提取，包括：

对所述待检测文本中的物理对象进行分词提取；