[发明专利]文档转换方法、装置、设备及存储介质

说明书

本申请提供一种文档转换方法、装置、设备及存储介质。涉及语言处理技术领域。该方法包括：获取待转换的第一文档的文档内容，文档内容包括已排序的多个字符；从多个字符中的首字符开始依次确定每个字符的字符类型；基于每个字符的字符类型，从第一文档中提取多个文本，多个文本的文本类型包括至少两种；对于每个文本，通过与文本的文本类型匹配的盲文转换模型，将文本转换为盲文文本；将多个文本转换后的多个盲文文本组合为第二文档。该方法能够将包括不同类型文本的第一文档自动转换为第二文档，与通过人工将不同类型的文本手动录入不同的翻译系统相比，提高了文档转换的效率。

技术领域

本申请涉及语言处理技术领域，尤其涉及一种文档转换方法、装置、设备及存储介质。

背景技术

近年来，信息无障碍的研究越来越受到人们的关注。信息无障碍是指任何人在任何情况下都能平等的、无障碍地获取、利用信息。目前由于盲文资料相对比较匮乏，导致盲人在获取信息时仍存在较大困难。因此，为了增加盲文资料，需要将普通文档转换为盲文文档。

现有技术中，通过单一类型的翻译系统，将普通文档转换为盲文文档。当某一文档中同时存在多种类型的文本时，先通过人工建立多个类型的翻译系统，然后从文档中分离出不同类型的文本，通过人工将不同类型的文本手动录入不同的翻译系统，最后在通过人工将不同的翻译系统转换后的文本进行合并。

然而，发明人发现现有技术至少存在如下技术问题：由于当文档中同时存在多种类型的文本时，需要人工分别处理每个类型的文本，而人工处理文本费时费力。因此，通过现有技术中的方法对文档进行转换的效率低。

发明内容

本申请提供一种文档转换方法、装置、设备及存储介质，能够提高文档转换的效率。

第一方面，本申请提供一种文档转换方法，包括：

获取待转换的第一文档的文档内容，所述文档内容包括已排序的多个字符；

从所述多个字符中的首字符开始依次确定每个字符的字符类型；

基于每个字符的字符类型，从所述第一文档中提取多个文本，所述多个文本的文本类型不同；

对于每个文本，通过与所述文本的文本类型匹配的盲文转换模型，将所述文本转换为盲文文本；

将多个文本转换后的多个盲文文本组合为第二文档。

在一种可能的设计中，所述基于每个字符的字符类型，从所述第一文档中提取多个文本，包括：从所述多个字符中的首字符开始依次提取字符；若本次提取的第一字符的字符类型与所述首字符的字符类型不同，则将所述第一字符之前的多个字符组合为第一本文；继续从所述第一字符开始依次从所述多个字符中提取字符；若本次提取的第二字符的字符类型与所述第一字符的字符类型不同，则将所述第二字符之前的多个字符组合为第二本文；直至所述多个字符提取结束，得到多个文本。

在另一种可能的设计中，所述文本类型包括中文类型、数学类型、英文类型和符号类型；所述对于每个文本，通过与所述文本的文本类型匹配的盲文转换模型，将所述文本转换为盲文文本，包括：若所述文本的文本类型为数学公式类型，则通过训练好的深度神经网络模型，将所述文本转换为盲文文本，所述深度神经网络模型用于输入LaTeX格式的数学公式输出ASCII格式的盲文文本。

在另一种可能的设计中，还包括：若所述文本的文本类型为中文类型，则通过中文盲文转换模型，将所述文本转换为盲文文本；若所述文本的文本类型为英文类型，则通过英文盲文转换模型，将所述文本转换为盲文文本；若所述文本的文本类型为符号类型，则通过符号盲文转换模型，将所述文本转换为盲文文本。