[发明专利]一种基于文本行的文档分段方法及装置有效
| 申请号： | 201710616443.7 | 申请日： | 2017-07-26 |
| 公开（公告）号： | CN107391457B | 公开（公告）日： | 2020-10-27 |
| 发明（设计）人： | 林康;罗鹰;张鑫阳 | 申请（专利权）人： | 成都科来软件有限公司 |
| 主分类号： | G06F40/10 | 分类号： | G06F40/10;G06F40/12 |
| 代理公司： | 成都九鼎天元知识产权代理有限公司 51214 | 代理人： | 徐静 |
| 地址： | 610041 四川省成都市高新区*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及文本处理领域，本发明针对现有技术存在的问题，提供一种基于文本行的文档分段方法及装置。通过对个文本行单元的合并分数判断是否合并为同一段，当文本行得分不满足合并时，结束当前段落合并，开始新的段落。该方法简单有效的解决现有技术存在的问题。本发明提取出页面和文档数据结构，每一文本行对应的文档数据结构中提取该文本行信息；遍历全文的每个包含文本行的文档数据结构，根据这些文档数据结构的文本行信息构成的文本行信息列表，分别统计出计算出全文上下文和页面上下文信息，依据每个页面中的n个文本行单元结构列表，结合其他的上下文本行信息，对每个页面，按照分段算法将其中的文本行单元进行分段。 | ||
| 搜索关键词： | 一种 基于 文本 文档 分段 方法 装置 | ||
【主权项】：
一种基于文本行的文档分段方法，其特征在于包括：步骤1：对于由文本行构成的文档格式进行数据解析，提取出页面和文档数据结构，每一文本行对应的文档数据结构中提取该文本行信息；遍历全文的每个包含文本行的文档数据结构，根据这些文档数据结构的文本行信息构成的文本行信息列表，分别计算出全文上下文和页面上下文信息；步骤2：依据每个页面中的n个文本行单元结构列表，结合全文上下文和页面上下文信息，对每个页面，按照分段算法将其中的文本行单元进行分段。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都科来软件有限公司，未经成都科来软件有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710616443.7/，转载请声明来源钻瓜专利网。
