文本匹配方法、装置、电子设备、介质及程序产品与流程

1.本发明涉及图像处理技术领域，尤其涉及一种文本匹配方法、装置、电子设备、介质及程序产品。


背景技术：

2.层级结构图是一层次清晰的嵌套结构图，经常出现在用户的日常工作和学习生活中。其中，以思维导图为例，是一种表达发散性思维的有效图形思维工具。为便于文件传输和用户阅读，思维导图通常以图像的形式存在。然而，思维导图以图像格式作为文件存储与传输方式时，存在一个很大的缺陷，即支持查阅、但无法再编辑。因此，需基于图像技术对结构图进行还原处理，以实现还原结构图的再编辑。
3.然而在还原结构图的过程中，如何实现结构图中文本与节点之间的关联匹配，是亟需解决的重要问题。


技术实现要素：

4.本发明实施例通过提供一种文本匹配方法、装置、电子设备、介质及程序产品，解决了现有技术中无法实现思维导图中文本与节点匹配的技术问题，从而实现了层级结构图中文本与节点的快速及高效匹配，有利于提升文本匹配的便捷性及高效性。
5.第一方面，本发明实施例提供一种文本匹配方法，包括：
6.获取原始层级结构图中的文本信息及层级结构信息，所述文本信息包括m个目标文本块，所述层级结构信息包括n个层级节点，m和n均为正整数；
7.从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块；
8.将n个所述层级节点各自的关联文本块与n个所述层级节点进行关联匹配，得到所述原始层级结构图对应的还原层级结构图。
9.可选地，所述从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块包括：
10.根据n个所述层级节点各自的类型，确定n个所述层级节点各自的文本筛选策略；
11.根据n个所述层级节点各自的文本筛选策略，从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块。
12.可选地，若所述层级结构信息还包括每个所述层级节点的类型，n个所述层级节点中包括目标层级节点，且所述目标层级节点的类型为预设块节点类型，所述文本信息还包括每个所述目标文本块的文本框，则：
13.所述根据n个所述层级节点各自的类型，确定n个所述层级节点各自的文本筛选策略包括：
14.根据所述预设块节点类型，确定所述目标层级节点的文本筛选策略为第一筛选策略；
15.所述根据n个所述层级节点各自的文本筛选策略，从m个所述目标文本块中筛选出
n个所述层级节点各自的关联文本块包括：
16.根据所述第一筛选策略的指示，计算每个所述目标文本块的文本框与所述目标层级节点的节点框之间的相交面积；
17.选取所述相交面积大于预设面积的文本框所对应的目标文本块，作为所述目标层级节点的关联文本块。
18.可选地，若所述层级结构信息还包括每个所述层级节点的类型，n个所述层级节点中包括目标层级节点，且所述目标层级节点的类型为预设点节点类型，所述文本信息还包括每个所述目标文本块的文本框，则：
19.所述根据n个所述层级节点各自的类型，确定n个所述层级节点各自的文本筛选策略包括：
20.根据所述预设点节点类型，确定所述目标层级节点的文本筛选策略为第二筛选策略；
21.所述根据n个所述层级节点各自的文本筛选策略，从至少一个所述目标文本块中筛选出n个所述层级节点各自的关联文本块包括：
22.根据所述第二筛选策略的指示，计算每个所述目标文本块的文本框与所述目标层级节点之间的距离；
23.选取所述距离最小的文本框所对应的目标文本块，作为所述目标层级节点的关联文本块。
24.可选地，所述层级结构信息还包括所述层级节点之间的逻辑连线，所述目标层级节点为所述原始层级结构图中的叶子节点，所述计算每个所述目标文本块的文本框与所述目标层级节点之间的距离包括：
25.确定所述叶子节点与所述叶子节点的父节点之间的目标逻辑连线，所述目标逻辑连线包括至少一个特征点；
26.计算每个所述特征点与每个所述目标文本块的文本框之间的距离。
27.可选地，每个所述目标文本块的文本框对应有最大横坐标、最小横坐标、最大纵坐标及最小纵坐标，所述计算每个所述目标文本块的文本框与所述目标层级节点之间的距离包括：
28.根据每个所述目标文本块的文本框的最大横坐标、最小横坐标及所述目标层级节点的节点横坐标，计算每个所述目标文本块的文本框与所述目标层级节点之间的横坐标距离；
29.根据每个所述目标文本块的文本框的最大纵坐标、最小纵坐标及所述目标层级节点的节点纵坐标，计算每个所述目标文本块的文本框与所述目标层级节点之间的纵坐标距离；
30.根据每个所述目标文本块的文本框与所述目标层级节点之间的横坐标距离和纵坐标距离，计算每个所述目标文本块的文本框与所述目标层级节点之间的距离。
31.可选地，所述目标文本块的文本框与所述目标层级节点之间的横坐标距离为：
32.dx＝max(px
min-px，0，px-px
max
)
33.其中，px
min
为所述目标文本块的文本框的最小横坐标，px为所述目标层级节点的节点横坐标，px
max
为所述目标文本块的文本框的最大横坐标；
34.所述目标文本块的文本框与所述目标层级节点之间的纵坐标距离为：
35.dy＝max(py
min-py，0，py-py
max
)
36.其中，py
min
为所述目标文本块的文本框的最小纵坐标，py为所述目标层级节点的节点纵坐标，py
max
为所述目标文本块的文本框的最大纵坐标。
37.可选地，所述获取原始层级结构图中的文本信息包括：
38.对原始层级结构图进行文本识别，得到所述原始层级结构图中的原始信息，所述原始信息包括至少一个文本行、至少一个原始文本块、每个所述文本行的文本框及每个所述原始文本块的文本框；
39.对每个所述文本行的文本框进行膨胀处理，得到每个所述文本行的膨胀框；
40.对每个所述文本行的膨胀框和每个所述原始文本块的文本框进行连通域分析，得到m个所述目标文本块；
41.根据m个所述目标文本块，得到所述文本信息。
42.可选地，所述获取原始层级结构图中的层级结构信息包括：
43.对原始层级结构图进行节点提取，得到所述原始层级结构图中的q个初始节点，q为正整数；
44.若检测到同一节点位置处存在p个重叠节点，则根据所述p个重叠节点的类型，对所述p个重叠节点进行重建处理，得到所述p个重叠节点对应的所述层级节点；
45.根据所述q个初始节点及所述p个重叠节点对应的所述层级节点，得到所述层级结构信息；
46.其中，p为小于或等于q的正整数，所述重叠节点为所述q个初始节点中的任一个。
47.可选地，所述根据所述p个重叠节点的类型，对所述p个重叠节点进行重建处理包括：
48.当所述p个重叠节点的类型均为预设点节点类型时，对所述p个重叠节点进行中心聚类；或者，
49.当所述p个重叠节点中存在类型为预设块节点类型的目标节点时，将所述p个重叠节点归并至所述目标节点。
50.可选地，所述将n个所述层级节点各自的关联文本块与n个所述层级节点进行关联匹配，得到所述原始层级结构图对应的还原层级结构图包括：
51.将n个所述层级节点各自的关联文本块与n个所述层级节点进行关联匹配，得到关联层级结构图，所述关联层级结构图包括父节点及叶子节点；
52.若检测到所述关联层级节点图中的任意两个相邻节点对应的关联文本块相同，则删除所述任意两个相邻节点中属于父节点的删除节点，保留属于叶子节点的保留节点；
53.将所述删除节点的父节点作为所述保留节点的父节点，从而得到所述原始层级结构图对应的还原层级结构图。
54.第二方面，本发明实施例提供一种文本匹配装置，包括：
55.获取模块，用于获取原始层级结构图中的文本信息及层级结构信息，所述文本信息包括m个目标文本块，所述层级结构信息包括n个层级节点，m和n均为正整数；
56.筛选模块，用于从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块；
57.匹配模块，用于将n个所述层级节点各自的关联文本块与n个所述层级节点进行关联匹配，得到所述原始层级结构图对应的还原层级结构图。
58.关于本发明实施例中未介绍或未描述的内容可对应参考前述方法实施例中的相关介绍，这里不再赘述。
59.第三方面，本发明实施例提供一种电子设备，包括有存储器，以及一个或者多个的程序，其中一个或者多个的程序存储于存储器中，且经配置以由一个或者多个的处理器执行所述一个或者多个的程序所包含的用于进行如第一方面提供的文本匹配方法对应的操作指令。
60.第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面提供的文本匹配方法对应的步骤。
61.第五方面，本发明实施例提供一种计算机程序产品，所述计算机程序产品包括计算机指令，该计算机指令存储在计算机可读存储介质中，且适于由处理器读取并执行，以使得具有所述处理器的计算机设备执行如第一方面提供的文本匹配方法对应的步骤。
62.本发明实施例提供的一个或多个技术方案，至少实现了如下技术效果或者优点：
63.本发明实施例提供的方案，获取原始层级结构图中的文本信息及层级结构信息，所述文本信息至少包括m个目标文本块，所述层级结构信息至少包括n个层级节点，接着从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块，最后将n个所述层级节点各自的关联文本块与n个所述层级节点关联匹配，得到所述原始层级结构图对应的还原层级结构图。上述方案中，本发明能依据原始层级结构图中的m个目标文本块和n个层级节点，为每个层级节点筛选各自的关联文本块，进而将每个层级节点的关联文本块和每个层级节点进行关联匹配，从而生成新的还原层级结构图，这样实现了层级结构图中文本和节点的快速及高效匹配，有利于提升文本匹配的便捷性及高效性，同时还解决了现有技术中无法实现思维导图中文本与节点匹配的技术问题。
附图说明
64.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
65.图1是本发明实施例提供的一种文本匹配方法的流程示意图。
66.图2是本发明实施例提供的一种重叠节点的聚类示意图。
67.图3是本发明实施例提供的一种重叠节点的归并示意图。
68.图4是本发明实施例提供的一种不同节点类型的节点示意图。
69.图5是本发明实施例提供的一种计算目标层级节点与文本块的文本框的场景示意图。
70.图6是本发明实施例提供的一种关联层级结构图中节点删除的场景示意图。
71.图7是本发明实施例提供的一种文本匹配装置的结构示意图。
72.图8是本发明实施例提供的一种电子设备的示意图。
73.图9是本发明实施例提供的一种服务器的结构示意图。
具体实施方式
74.本发明提供一种文本匹配方法、装置、电子设备及可读存储介质，以解决现有技术中无法实现思维导图中文本与节点匹配的技术问题，总体思路如下：
75.获取原始层级结构图中的文本信息及层级结构信息，所述文本信息至少包括m个目标文本块，所述层级结构信息至少包括n个层级节点，m和n均为正整数；从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块；将n个所述层级节点各自的关联文本块与n个所述层级节点进行关联匹配，得到所述原始层级结构图对应的还原层级结构图。
76.通过上述技术方案，本发明能依据原始层级结构图中的m个目标文本块和n个层级节点，为每个层级节点筛选各自的关联文本块，进而将每个层级节点的关联文本块和每个层级节点进行关联匹配，从而生成新的还原层级结构图，这样实现了层级结构图中文本和节点的快速及高效匹配，有利于提升文本匹配的便捷性及高效性，同时还解决了现有技术中无法实现思维导图中文本与节点匹配的技术问题。
77.请参考图1，为本发明实施例提供的一种文本匹配方法的流程示意图。所述方法可应用于终端设备中，例如智能手机、平板电脑，也可应用于与终端设备建立有数据交互的服务器上，还可应用于由终端设备和服务器组成的系统中，本发明不做限定。如图1所示的方法包括以下步骤：
78.s101、获取原始层级结构图中的文本信息及层级结构信息，所述文本信息至少包括m个目标文本块，所述层级结构信息至少包括n个层级节点，m和n均为正整数。
79.本发明所述原始层级结构图可指等待还原处理的层级结构图。所述层级结构图指可以用于表示层级或级别关系的结构图，该结构图能清晰地表现出各个级别的层次关系，其可包括但不限于思维导图、流程结构图、树形结构图、或其他自定义具备层次或层级关系的结构图等。
80.所述文本信息包括但不限于m个目标文本块、至少一个文本行、每个所述目标文本块的文本框或位置、每个所述文本行的文本框或位置、或其他用于描述所述原始层级结构图中关于文本内容的相关信息等。所述层级结构信息包括但不限于n个层级节点、每个所述层级节点的节点位置、每个所述层级节点的类型、或其他用于描述所述原始层级结构图中关于层级结构的相关信息等。
81.下面介绍获取所述原始层级结构图中的文本信息的具体实施方式。
82.在一实施方式中，本发明可对所述原始层级结构图进行文本识别，以得到所述原始层级结构图中的原始信息。所述原始信息包括至少一个文本行、每个所述文本行的文本框、至少一个原始文本块及每个所述原始文本块的文本框。
83.具体实现中，本发明可采用预设的第一文本检测算法对所述原始层级结构图进行文本检测，得到所述原始层级结构图中的至少一个文本行，并输出每个所述文本行的文本框。在获得每个所述文本行后，本发明可采用预设的文本识别算法对每个所述文本行进行文本识别，以识别获得每个所述文本行的文本内容，可选地本发明可将所述文本行的文本框(即该文本框的位置坐标)与所述文本行的文本内容进行绑定。为方便描述，本发明下文以所述文本行代表所述文本行的文本内容为例，进行相关内容的阐述。
84.所述文本识别算法包括但不限于光学字符识别(optical character recognition，ocr)算法、基于几何特征的文本识别算法或其他用于文本识别的算法等。
85.同理，本发明可采用预设的第二文本检测算法对所述原始层级结构图进行文本检测，具体可以节点为单位检测所述原始层级结构图中的各个原始文本块，并输出每个所述原始文本块的文本框(即该文本框的位置坐标)。
86.所述第一文本检测算法和所述第二文本检测算法均为系统自定义设置的算法，它们可以相同，也可不同，本发明不做限定。所述第一文本检测算法或所述第二文本检测算法包括但不限于有色赋时网(colored timed petri net，ctpn)算法、切片链接(seglink)算法、旋转区域建议网络(rotation region proposal network，rrpn)算法、场景文字识别(scene text recognition，str)算法、融合文本分割网络(fused text segmentation networks，ftsn)算法、或其他用于文本检测的算法等等。
87.进一步，本发明可对每个所述文本行的文本框进行膨胀处理，得到每个所述文本行的膨胀框。具体地，本发明可按照预设的膨胀比例对每个所述文本行的文本框进行轻微膨胀，得到每个所述文本行的膨胀框。可选地，每个所述文本行的文本框所采用的膨胀比例为系统自定义设置的，例如根据用户经验设置的经验值等，它们可以相同，也可不相同，其具体可根据实际需求确定，本发明不做限定。
88.最后，本发明对每个所述文本行的膨胀框和每个所述原始文本块的文本框进行连通域分析，得到m个所述目标文本块。进而根据m个所述目标文本块得到所述文本信息。
89.具体实现中，本发明可采用预设的连通域分析算法(connected component analysis)对每个所述文本行的膨胀框和每个所述原始文本块的文本框进行连通域分析，以得到m个目标文本块、每个所述目标文本块的文本框(即该文本框的位置坐标)，每个所述目标文本块所包括的至少一个文本行及每个所述目标文本块的文本内容等信息，从而获得所述原始层级结构图中的所述文本信息。其中，所述连通域分析算法包括但不限于种子填充算法(seed-filling)及两次连通域标记(two pass)算法等。
90.需要说明的是，本发明涉及的所述文本块是以节点为单位从层级结构图中识别获得的文本块，其可由一个或多个文本行组成，换言之所述文本块包括至少一个文本行。所述文本块的文本框包围所述文本块中的所有文本行。
91.下面介绍获取所述原始层级结构图中的层级结构信息的具体实施方式。
92.在一实施方式中，本发明可对所述原始层级结构图进行节点提取及连线提取，以得到所述原始层级结构图中的层级结构信息。所述层级结构信息包括所述原始层级结构图中的n个层级节点及所述层级节点之间的逻辑连线。
93.具体实现时，本发明还可采用预先训练好的关键节点检测模型对所述原始层级结构图进行节点检测并提取，得到所述原始层级结构图中的q个初始节点，可选地还可获得每个所述初始节点的类型。其中，q的数值并不做限定，通常为大于1的正整数。所述关键节点检测模型包括但不限于有限元ansys提取模型、前馈神经网络模型、卷积神经网络模型、或其他用于节点提取的模型等。
94.相应地，本发明可采用预先训练好的引导线分割模型对所述原始层级结构图中层级节点之间的逻辑连线进行提取，以将所述逻辑连线从所述原始层级结构图的图像背景中分割出来，从而获得所述原始层级结构图中所述层级节点之间的逻辑连线，所述逻辑连线的数量并不做限定，通常为多个。所述引导线分割模型包括但不限于轮廓提取模型、高斯线条提取模型、多源图像线条提取模型、或其他用于提取图像连线的模型等。
95.在可选实施例中，本发明在获得所述q个初始节点后，可检测同一节点位置处是否存在至少两个重叠节点，如果存在，则需对这些重叠节点进行重建处理，以重建获得对应的一个层级节点。反之，当同一节点位置处不存在重叠节点时，可直接将该节点位置处的初始节点作为一个层级节点，同理类似，本发明可获得n个所述层级节点。可选地还可获得每个所述层级节点的节点位置、所述层级节点之间的逻辑连线等信息，从而获得所述层级结构信息。
96.具体地例如，本发明在检测到同一节点位置处存在p个重叠节点时，可根据所述p个重叠节点的类型对所述p个重叠节点进行重建处理，以得到所述p个重叠节点对应的所述层级节点。其中，p和q均为正整数，且p小于或等于q，所述重叠节点为所述q个初始节点中的任一个节点。下面介绍其存在的几种可能的实施方式。
97.在一具体实施方式中，当所述p个重叠节点的类型均为预设的点节点类型，即所述p个重叠节点均为点(node)节点时，本发明可采用预设的第一聚类算法对所述p个重叠节点进行中心聚类处理，以得到对应的一个所述层级节点。所述第一聚类算法为系统自定义设置的，其可包括但不限于k均值(k-means)算法、均值漂移聚类算法、凝聚层次聚类算法或其他自定义的聚类算法等。
98.举例来说，请参见图2示出一种可能的重叠节点的聚类示意图。如图2中，以同一节点位置处检测到4个重叠节点为例，图示分别为节点1～节点4。本发明可对这4个节点进行中心聚类，获得如图所示的层级节点1，具体为图示中的黑心实点。
99.在另一具体实施方式中，当所述p个重叠节点中存在一个类型为预设的块(block)节点类型的目标节点，即所述p个重叠节点中有一个block节点的目标节点，其余均为node节点。此时本发明可将所述p个重叠节点归并至所述目标节点处。
100.举例来说，请参见图3示出一种可能的重叠节点的归并示意图。如图3中，以同一节点位置处检测到一个block节点(即目标节点，图示为节点1)和1个node节点(即重叠节点，图示为节点2)为例。本发明可将节点2归并至节点1，从而获得最终的层级节点，即节点1。
101.需要说明的是，本发明中所述点(node)节点是指节点仅为一个个单独的点，所述块(block)节点是指节点具备文本框的文本块或文本行。举例来说，请参见图4示出一种具备不同节点类型的节点的原始层级结构图的示意图。如图4中，节点1即为点(node)节点。节点2即为块(block)节点。
102.在另一具体实施方式中，当所述p个重叠节点中存在类型为预设的块(block)节点类型的s个目标节点、及类型为预设的点(node)节点类型的t个剩余节点时，s和t之和等于p，且s为大于1的正整数，t也为正整数。此时本发明可采用预设的第二聚类算法对s个目标节点进行聚类处理，得到对应的一个所述层级节点。最后将其他节点(即所述t个剩余节点)归并至所述层级节点处。所述第二聚类算法可参见前述关于所述第一聚类算法的相关描述，这里不再赘述。所述第二聚类算法与所述第一聚类算法可以相同，也可不同，本发明不做限定。
103.s102、从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块。所述关联文本块为m个所述目标文本块中的一个。
104.在一实施方式中，本发明可根据n个所述层级节点各自的节点位置，从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块。具体实现中，以任一目标层级节点
为例，本发明可计算每个所述目标文本块的文本框与所述目标层级节点的节点位置之间的距离，从中选取距离最小的文本框所对应的目标文本块，作为所述目标层级节点的关联文本块。
105.在另一实施方式中，本发明可根据n个所述层级节点各自的类型，确定n个所述层级节点各自的文本筛选策略。进而按照n个所述层级节点各自的文本筛选策略，从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块。下面以n个所述层级节点中的任一目标层级节点为例，介绍确定所述目标层级节点的关联文本块所存在的几种具体实施方式。
106.在一具体实施方式中，当所述目标层级节点的类型为预设的块节点类型时，本发明可根据所述块节点类型，从预设的第一策略类型匹配库中确定出与之对应的所述目标层级节点的文本筛选策略为第一筛选策略。所述第一策略类型匹配库为系统预先自定义设置的，其包括节点类型和文本筛选策略的映射关系，所述映射关系具体为节点类型与节点的文本筛选策略一一对应。
107.进一步，本发明可根据所述第一筛选策略的指示，计算m个目标文本块中每个所述目标文本块的文本框与所述目标层级节点的节点框之间的相交面积。可选地，为减少计算量、加快处理效率，本发明可根据所述目标层级节点的节点框(即该节点框的位置坐标)，计算处于所述目标层级节点的预设距离范围内的各个所述目标文本块的文本框与所述目标层级节点的节点框之间的相交面积。进而从中选取所述相交面积大于对应预设面积的文本框所对应的目标文本块，作为所述目标层级节点的关联文本块。
108.其中，所述预设面积为系统自定义设置的，例如其根据系统实际需求而设定。优选地，本发明实施例中所述预设面积是根据最小框面积确定的，例如其可为0.3倍的最小框面积。所述最小框面积可指每次计算过程中所述目标文本框的文本框和所述目标层级节点的节点框中尺寸最小框的面积。
109.在另一具体实施方式中，当所述目标层级节点的类型为预设的点节点类型时，本发明可根据所述点节点类型，从预设的第二策略类型匹配库中确定出与之对应的所述目标层级节点的文本筛选策略为第二筛选策略。关于所述第二策略类型匹配库可对应参考前述所述第一策略类型匹配库的相关介绍，所述第一策略类型匹配库和所述第二策略类型匹配库也可相同，也可不同，本发明不做限定。
110.进一步，本发明可根据所述第二筛选策略的指示，计算m个目标文本块中每个所述目标文本块的文本框与所述目标层级节点(具体为所述目标层级节点的节点位置)之间的距离。可选地，为减少计算量、加快处理效率，本发明可根据所述目标层级节点的节点位置，计算处于所述目标层级节点的预设距离范围内的各个所述目标文本块的文本框与所述目标层级节点之间的距离。进而从中选取所述距离最小的文本框所对应的目标文本块，作为所述目标层级节点的关联文本块。
111.具体实现中，当所述目标层级节点为所述原始层级结构图中的根节点时，本发明可直接计算每个所述目标文本块的文本框与所述目标层级节点之间的距离。反之，当所述目标层级节点为所述原始层级结构图中的叶子节点时，本发明可先确定所述叶子节点与所述叶子节点的父节点之间的目标逻辑连线，即确定所述目标层级节点所属的目标逻辑连线。所述目标逻辑连线是由一系列的特征点组成，换言之所述目标逻辑连线包括至少一个
特征点。相应地，本发明可计算所述目标逻辑连线上每个所述特征点与每个所述目标文本块的文本框之间的距离，以作为每个所述目标文本块与所述目标层级节点之间的距离。
112.举例来说，请参见图5示出一种可能的计算目标层级节点与文本块的文本框之间的场景示意图。如图5所示的目标层级节点为叶子节点1，所述叶子节点1所在/所属的目标逻辑连线为连线1，该连线1由多个特征点组成，具体如图所示的小黑点。本发明在计算所述目标层级节点与每个目标文本块的文本框之间的距离时，需计算图中每个小黑点与每个目标文本块的文本框之间的距离。
113.下面介绍点(具体可为所述目标层级节点或所述目标逻辑连线上的任一特征点)与每个所述目标文本块的文本框之间的距离的具体计算方式。以所述目标层级节点为例进行示例说明，但并不构成限定。
114.具体实现中，每个所述目标文本块的文本框对应有一个最大横坐标px
max
、一个最小横坐标px
min
、一个最大纵坐标py
max
及一个最小纵坐标py
min
。具体地，本发明可根据每个所述目标文本块的文本框的最大横坐标px
max
、最小横坐标px
min
及所述目标层级节点的节点横坐标px，计算得到每个所述目标文本块的文本框与所述目标层级节点之间的横坐标距离dx。可选地，其具体可采用如下公式(1)计算获得单个所述目标文本块的文本框与所述目标层级节点之间的横坐标距离dx。
115.dx＝max(px
min-px，0，px-px
max
)
ꢀꢀꢀꢀ
公式(1)
116.相应地，本发明可根据每个所述目标文本块的文本框的最大纵坐标py
max
、最小纵坐标py
min
及所述目标层级节点的节点纵坐标py，计算得到每个所述目标文本块的文本框与所述目标层级节点之间的纵坐标距离dy。可选地，其具体可采用如下公式(2)计算获得单个所述目标文本块的文本框与所述目标层级节点之间的纵坐标距离dy。
117.dy＝max(py
min-py，0，py-py
max
)
ꢀꢀꢀꢀ
公式(2)
118.最后，本发明可根据计算的每个所述目标文本块的文本框与所述目标层级节点之间的横坐标距离及纵坐标距离，计算每个所述目标文本块的文本框与所述目标层级节点之间的距离。以一个所述目标文本块的文本框与所述目标层级节点之间的横坐标距离dx及纵坐标距离dy为例，其具体可采用如下公式(3)计算获得该目标文本块的文本框与所述目标层级节点之间的距离d。
[0119][0120]
s103、将n个所述层级节点各自的关联文本块与n个所述层级节点进行关联匹配，得到所述原始层级结构图对应的还原层级结构图。
[0121]
在一具体实施例中，本发明可将n个所述层级节点各自的关联文本块与n个所述层级节点进行关联匹配，从而得到包括文本内容的关联层级结构图。所述关联层级结构图中还包括父节点及叶子节点，每种节点的数量并不做限定。当所述关联层级结构图中没有重叠信息时，可直接将所述关联层级结构图作为所述原始层级结构图对应的还原层级结构图。
[0122]
反之，当所述关联层级结构图中存在重叠信息时，可对所述关联层级结构图进行去重处理，以得到对应的所述还原层级结构图。例如本发明在检测到所述关联层级结构图中任意两个相邻节点对应的关联文本块相同，则本发明可删除所述任意两个相邻节点中属
于父节点的删除节点，保留属于叶子节点的保留节点。并将所述删除节点的父节点作为所述保留节点的父节点，将所述保留节点与所述删除节点的父节点进行连接，从而获得对应的所述还原层级结构图。
[0123]
举例来说，请参见图6示出一种可能的关联层级结构图中节点删除的场景示意图。如图6所示，本发明检测到节点1和节点2对应具备相同的关联文本块“思考与感受”，由于节点1为节点2的父节点，则本发明可删除节点1，图示将表示节点1的圆圈示为虚线。进一步可将节点1的父节点(即节点3)与节点2连接，以将节点3作为节点2的父节点，从而获得新的所述还原层级结构图。
[0124]
通过实施本发明实施例，本发明通过获取原始层级结构图中的文本信息及层级结构信息，所述文本信息至少包括m个目标文本块，所述层级结构信息至少包括n个层级节点，接着从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块，最后将n个所述层级节点各自的关联文本块与n个所述层级节点关联匹配，得到所述原始层级结构图对应的还原层级结构图。上述方案中，本发明能依据原始层级结构图中的m个目标文本块和n个层级节点，为每个层级节点筛选各自的关联文本块，进而将每个层级节点的关联文本块和每个层级节点进行关联匹配，从而生成新的还原层级结构图，这样实现了层级结构图中文本和节点的快速及高效匹配，有利于提升文本匹配的便捷性及高效性，同时还解决了现有技术中无法实现思维导图中文本与节点匹配的技术问题。
[0125]
基于同一发明构思，本说明书实施例还提供所述文本匹配方法对应的装置及电子设备。请参见图7，是本发明实施例提供的一种文本匹配装置的结构示意图。如图7所示的装置70包括：获取模块701、筛选模块702及匹配模块703。其中：
[0126]
所述获取模块701，用于获取原始层级结构图中的文本信息及层级结构信息，所述文本信息至少包括m个目标文本块，所述层级结构信息至少包括n个层级节点，m和n均为正整数；
[0127]
所述筛选模块702，用于从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块；
[0128]
所述匹配模块703，用于将n个所述层级节点各自的关联文本块与n个所述层级节点进行关联匹配，得到所述原始层级结构图对应的还原层级结构图。
[0129]
可选地，所述筛选模块702具体用于：
[0130]
根据n个所述层级节点各自的类型，确定n个所述层级节点各自的文本筛选策略；
[0131]
根据n个所述层级节点各自的文本筛选策略，从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块。
[0132]
可选地，若所述层级结构信息还包括每个所述层级节点的类型，n个所述层级节点中包括目标层级节点，且所述目标层级节点的类型为预设块节点类型，所述文本信息还包括每个所述目标文本块的文本框，则所述筛选模块702具体用于：
[0133]
根据所述预设块节点类型，确定所述目标层级节点的文本筛选策略为第一筛选策略；
[0134]
根据所述第一筛选策略的指示，计算每个所述目标文本块的文本框与所述目标层级节点的节点框之间的相交面积；
[0135]
选取所述相交面积大于预设面积的文本框所对应的目标文本块，作为所述目标层
级节点的关联文本块。
[0136]
可选地，若所述层级结构信息还包括每个所述层级节点的类型，n个所述层级节点中包括目标层级节点，且所述目标层级节点的类型为预设点节点类型，所述文本信息还包括每个所述目标文本块的文本框，则所述筛选模块702具体用于：
[0137]
根据所述预设点节点类型，确定所述目标层级节点的文本筛选策略为第二筛选策略；
[0138]
根据所述第二筛选策略的指示，计算每个所述目标文本块的文本框与所述目标层级节点之间的距离；
[0139]
选取所述距离最小的文本框所对应的目标文本块，作为所述目标层级节点的关联文本块。
[0140]
可选地，所述层级结构信息还包括所述层级节点之间的逻辑连线，所述目标层级节点为所述原始层级结构图中的叶子节点，所述筛选模块702还具体用于：
[0141]
确定所述叶子节点与所述叶子节点的父节点之间的目标逻辑连线，所述目标逻辑连线包括至少一个特征点；
[0142]
计算每个所述特征点与每个所述目标文本块的文本框之间的距离。
[0143]
可选地，所述获取模块701具体用于：
[0144]
对原始层级结构图进行文本识别，得到所述原始层级结构图中的原始信息，所述原始信息包括至少一个文本行、至少一个原始文本块、每个所述文本行的文本框及每个所述原始文本块的文本框；
[0145]
对每个所述文本行的文本框进行膨胀处理，得到每个所述文本行的膨胀框；
[0146]
对每个所述文本行的膨胀框和每个所述原始文本块的文本框进行连通域分析，得到m个所述目标文本块；
[0147]
根据m个所述目标文本块，得到所述文本信息。
[0148]
可选地，所述获取模块701还具体用于：
[0149]
对原始层级结构图进行节点提取，得到所述原始层级结构图中的q个初始节点，q为正整数；
[0150]
若检测到同一节点位置处存在p个重叠节点，则根据所述p个重叠节点的类型，对所述p个重叠节点进行重建处理，得到所述p个重叠节点对应的所述层级节点；
[0151]
根据所述q个初始节点及所述p个重叠节点对应的所述层级节点，得到所述层级结构信息；
[0152]
其中，p为小于或等于q的正整数，所述重叠节点为所述q个初始节点中的任一个。
[0153]
可选地，所述获取模块701具体用于：
[0154]
当所述p个重叠节点的类型均为预设点节点类型时，对所述p个重叠节点进行中心聚类；或者，
[0155]
当所述p个重叠节点中存在类型为预设块节点类型的目标节点时，将所述p个重叠节点归并至所述目标节点。
[0156]
可选地，所述匹配模块703具体用于：
[0157]
将n个所述层级节点各自的关联文本块与n个所述层级节点进行关联匹配，得到关联层级结构图，所述关联层级结构图包括父节点及叶子节点；
[0158]
若检测到所述关联层级节点图中的任意两个相邻节点对应的关联文本块相同，则删除所述任意两个相邻节点中属于父节点的删除节点，保留属于叶子节点的保留节点；
[0159]
将所述删除节点的父节点作为所述保留节点的父节点，从而得到所述原始层级结构图对应的还原层级结构图。
[0160]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0161]
基于同一发明构思，本发明实施例提供一种电子设备800，图8是根据一示例性实施例示出的电子设备800的框图。例如，设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
[0162]
参照图8，设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
[0163]
处理组件802通常控制设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理部件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
[0164]
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0165]
电力组件806为设备800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为设备800生成、管理和分配电力相关联的组件。
[0166]
多媒体组件808包括在设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0167]
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
[0168]
i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁
定按钮。
[0169]
传感器组件814包括一个或多个传感器，用于为设备800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如组件为设备800的显示器和小键盘，传感器组件814还可以检测设备800或设备800一个组件的位置改变，用户与设备800接触的存在或不存在，设备800方位或加速/减速和设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0170]
通信组件816被配置为便于设备800和其他设备之间有线或无线方式的通信。设备800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信部件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
[0171]
在示例性实施例中，设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0172]
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由设备800的处理器820执行以完成上述方法。例如，非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0173]
图9是本发明的一些实施例中服务器的结构示意图。该服务器1900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(centralprocessingunits，cpu)1922(例如，一个或一个以上处理器)和存储器1932，一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中，存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1922可以设置为与存储介质1930通信，在服务器1900上执行存储介质1930中的一系列指令操作。
[0174]
服务器1900还可以包括一个或一个以上电源1926，一个或一个以上有线或无线网络接口1950，一个或一个以上输入输出接口1958，一个或一个以上键盘1956，和/或，一个或一个以上操作系统1941，例如windowsservertm，macosxtm，unixtm,linuxtm，freebsdtm等等。
[0175]
此外，这里需要指出的是本技术实施例还提供了一种计算机可读存储介质，且上述计算机可读存储介质中存储有前文提及的第一跨设备装置和第二跨设备装置所执行的计算机程序，且上述计算机程序包括程序指令，当上述处理器执行上述程序指令时，能够执行前文图1所对应实施例中文本匹配方法的描述，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本技术所涉及的计算机可读存储介质实
施例中未披露的技术细节，请参照本技术方法实施例的描述。
[0176]
此外，需要说明的是：本技术实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或者计算机程序可以包括计算机指令，该计算机指令可以存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器可以执行该计算机指令，使得该计算机设备执行前文图1所对应实施例中对文本匹配方法的描述，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本技术所涉及的计算机程序产品或者计算机程序实施例中未披露的技术细节，请参照本技术方法实施例的描述。
[0177]
本发明实施例提供的一个或多个技术方案，至少实现了如下技术效果或者优点：本发明通过获取原始层级结构图中的文本信息及层级结构信息，所述文本信息至少包括m个目标文本块，所述层级结构信息至少包括n个层级节点，接着从m个所述目标文本块中筛选出n个所述层级节点各自的关联文本块，最后将n个所述层级节点各自的关联文本块与n个所述层级节点关联匹配，得到所述原始层级结构图对应的还原层级结构图。上述方案中，本发明能依据原始层级结构图中的m个目标文本块和n个层级节点，为每个层级节点筛选各自的关联文本块，进而将每个层级节点的关联文本块和每个层级节点进行关联匹配，从而生成新的还原层级结构图，这样实现了层级结构图中文本和节点的快速及高效匹配，有利于提升文本匹配的便捷性及高效性，同时还解决了现有技术中无法实现思维导图中文本与节点匹配的技术问题。
[0178]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
[0179]
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。