买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京庖丁科技有限公司

摘要：本发明公开了一种文档目录结构的提取方法、装置、设备和介质。该方法包括：获取待处理文档的标题组件有序序列；基于标题组件有序序列中标题组件之间的层级关系，建立标题逻辑树；根据标题逻辑树，生成待处理文档的目录结构。根据本发明实施例提供的文档目录结构的提取方法、装置、设备和介质，可以提高目录结构的提取准确性。

主权项：1.一种文档目录结构的提取方法，其特征在于，所述方法包括：获取待处理文档的标题组件有序序列；基于所述标题组件有序序列中标题组件之间的层级关系，建立标题逻辑树；根据所述标题逻辑树，生成所述待处理文档的目录结构；所述基于所述标题组件有序序列中标题组件之间的层级关系，建立标题逻辑树，具体包括：将所述标题组件有序序列中的标题组件依次作为第一标题组件；针对每一第一标题组件，执行以下操作：若所述标题逻辑树中所述第一标题组件的前一标题组件和所述前一标题组件的祖先节点中存在与所述第一标题组件同级的第二标题组件，将所述第一标题组件作为所述第二标题组件的兄弟节点插入所述标题逻辑树；若所述前一标题组件和所述前一标题组件的祖先节点中不存在所述第二标题组件，将所述第一标题组件作为所述前一标题组件的子节点插入所述标题逻辑树；所述方法还包括：利用目标数据和标题层级二分类模型，得到所述前一标题组件和所述前一标题组件的祖先节点中的标题组件的层级分类得分，其中，所述目标数据包括所述前一标题组件和所述前一标题组件的祖先节点中的标题组件的特征和所述第一标题组件的特征；若所述前一标题组件和所述前一标题组件的祖先节点中存在层级分类得分大于预设分数阈值的标题组件，则确定所述前一标题组件和所述前一标题组件的祖先节点中存在所述第二标题组件；若所述前一标题组件和所述前一标题组件的祖先节点中的所有标题组件的层级分类得分均小于所述预设分数阈值，则确定所述前一标题组件和所述前一标题组件的祖先节点中不存在所述第二标题组件；所述利用目标数据和标题层级二分类模型，得到所述前一标题组件和所述前一标题组件的祖先节点中的标题组件的层级分类得分，包括：将所述前一标题组件和所述前一标题组件的祖先节点中的标题组件的特征和所述第一标题组件的特征输入第一关系特征生成模型，得到表征所述前一标题组件和所述前一标题组件的祖先节点中的标题组件的特征和所述第一标题组件的特征之间关系的第一关系特征；将所述第一关系特征输入所述标题层级二分类模型，得到所述前一标题组件和所述前一标题组件的祖先节点中的标题组件的层级分类得分；所述获取待处理文档的标题组件有序序列，包括：获取所述待处理文档的逻辑组件有序序列；将所述逻辑组件有序序列输入标题检测模型，得到所述标题组件有序序列；其中，若所述标题检测模型包括第一特征提取子模型和标题二分类子模型，所述将所述逻辑组件有序序列输入标题检测模型，得到所述标题组件有序序列，包括：将所述逻辑组件有序序列输入所述第一特征提取子模型，得到所述逻辑组件有序序列中逻辑组件的特征；针对每一所述逻辑组件的特征，将所述每一所述逻辑组件的特征输入所述标题二分类子模型，得到所述每一逻辑组件的标题分类结果，其中，所述标题分类结果为标题，或者，非标题；将所述逻辑组件有序序列中所述标题分类结果为标题的逻辑组件加入所述标题组件有序序列。

全文数据：

权利要求：

百度查询： 北京庖丁科技有限公司 文档目录结构的提取方法、装置、设备和介质