[发明专利]一种文档的结构化拆分方法，装置及系统

说明书

本申请实施例公开了一种文档的结构化拆分方法，装置及系统，所述方法在整篇文档中筛选出目标段落，所述目标段落为段落属性符合所述属性规则的段落；将所述目标段落与所述目标段落对应的知识逐一建立关联，此时，目标段落与目标段落对应的知识形成一个知识条目，进而将整篇文档拆分成多个知识条目。搜索系统在搜索有用知识的过程中，应用平台服务器仅需对知识条目进行分析，筛选出有用知识，缩小了搜索系统的搜索范围，进而缩短了搜索的时间，提高了系统带宽、数据库等资源的利用率。

技术领域

本申请实施例涉及文件搜索系统技术领域，特别涉及一种文档的结构化拆分方法，装置及系统。

背景技术

随着互联网技术的发展，基于互联网的搜索系统也越来越多。典型的基于互联网的搜索系统如图1所示，这个系统一般有一个应用平台服务器1，以及与其连接的数据存储服务器2，该数据存储服务器2设置在平台服务器1内部或独立设置，以及，与应用平台服务器1通过互联网3或移动互联网3连接的终端4，通常，应用平台服务器1为终端4提供应用服务。

信息搜索系统就是一个示例性的基于互联网的搜索系统。通常，用户在终端中输入想要了解的信息的“搜索词”，应用平台服务器1基于该“搜索词”，遍历所述存储服务器2中的文档，搜索出与所述“搜索词”相关联的有用知识，并将相关信息，发送至终端4进行显示。

但是，申请人发现现有技术提供的搜索系统在提供搜索有用知识的过程中存在搜索操作效率低以及搜索操作过多占用系统资源的问题。例如，用户想搜索“美食”相关的有用知识，此时，应用平台服务器1在遍历所述整篇word文档，搜索出与“美食”相关的有用知识。通常，整篇word文档是一个比较大的知识，应用平台服务器1在遍历所述整篇word文档的过程中，需要对整篇word文档的内容进行分析，然后，筛选出与“美食”相关的有用知识。在此过程中，应用平台服务器1，长时间的处于等待状态，降低了系统带宽、数据库等资源的利用率。

申请内容

本申请的发明目的在于提一种文档的结构化拆分方法，装置及系统，以解决现有技术示出的搜索系统搜索效率低的技术问题。

本申请实施例第一方面提供了一种文档的结构化拆分方法，包括：

选取标题模板，确定所述标题模板的属性规则；

根据所述属性规则，遍历文档的段落，筛选出目标段落，以及，所述目标段落对应的知识，所述目标段落为段落属性符合所述属性规则的段落；

将所述目标段落与所述目标段落对应的知识逐一建立关联；

根据所述关联，拆分所述文档。

由以上技术方案可知，本申请实施例示出一种文档的结构化拆分方法，所述方法在整篇文档中筛选出目标段落，所述目标段落为段落属性符合所述属性规则的段落；将所述目标段落与所述目标段落对应的知识逐一建立关联，此时，目标段落与目标段落对应的知识形成一个知识条目，进而将整篇文档拆分成多个知识条目。搜索系统在搜索有用知识的过程中，应用平台服务器仅需对知识条目进行分析，筛选出有用知识，缩小了搜索系统的搜索范围，进而缩短了搜索的时间，提高了系统带宽、数据库等资源的利用率。

本申请实施例第二方面示出一种文档的结构化生拆分装置，所述装置包括：

选取单元，用于选取标题模板，确定所述标题模板的属性规则；

遍历单元，用于根据所述属性规则，遍历文档的段落，筛选出目标段落，以及，所述目标段落对应的知识；

建立单元，用于将所述目标段落与所述目标段落对应的知识逐一建立关联；

拆分单元，用于根据所述关联，拆分所述文档。