信息的提取方法、装置、电子设备及存储介质与流程

本申请涉及文档处理，特别地涉及一种信息的提取方法、装置、电子设备及存储介质。

背景技术：

1、在论文写作过程中，论文作者需要参考大量文献著作，也经常需要提取文献末尾所引用文献的文字信息。本地存储的文档资料，其类型主要包括：可解析版pdf、扫描版pdf、word和png/jpg图片等。对于能够提取文字的文档类型，如：word文档类型和可解析版pdf类型，直接人工手动提取出参考文献段落，而对于不能直接提取文字的文档类型，如：对于扫描版文件pdf和png/jpg图片等，需要人工借助图片识别工具，先将其转换为文本文档，然后再人工手动提取出所需参考文献信息，需要耗费大量的人工成本。

技术实现思路

1、针对上述相关技术中的问题，本申请提供一种信息的提取方法、装置、电子设备及存储介质。

2、本申请提供了一种信息的提取方法，所述方法包括：

3、获取具有目标信息的文档；

4、在确定不能够提取所述文档中的文字的情况下，将所述文档转换为能够提取文字的目标文档；

5、基于目标信息的关键字确定在所述目标文档中的目标文字段落；

6、基于目标信息的要素从目标文字段落确定目标信息。

7、在一些实施例中，所述方法还包括：

8、确定所述文档的类型；

9、基于所述类型确定是否能够提取所述文档的文字，其中，在确定能够提取所述文档的文字的情况下，基于目标信息的关键字确定在所述文档中的目标文字段落，并基于目标信息的要素从目标文字段落确定目标信息。

10、在一些实施例中，所述将所述文档转换为能够提取文字的目标文档，包括：

11、对所述文档进行扫描，获取图像文件；

12、对所述图像文件进行解析，获得所述图像文件对应的文字及版面信息；

13、基于所述文字和所述版面信息确定所述目标文档。

14、在一些实施例中，所述目标信息包括：参考文献，所述目标信息对应的要素包括以下至少之一：作者姓名、文献标题名称、文献类型、文献出处、年号、期刊号、起始页数、终止页数，所述基于目标信息的要素从目标文字段落确定目标信息，包括：

15、基于目标信息的要素从目标文字段落提取各个要素对应的文字；

16、基于各个要素对应的文字的预设的排序规则确定参考文献。

17、在一些实施例中，所述方法还包括：

18、将所述参考文献进行可视化展示。

19、在一些实施例中，所述方法还包括：

20、获取所述文档的标识信息；

21、建立所述标识信息与所述参考文献之间的对应关系；

22、并保存所述对应关系。

23、在一些实施例中，所述方法还包括：

24、获取针对可视化展示的参考文献中目标参考文献的选择操作；

25、基于所述选择操作搜索所述目标参考文献对应的信息。

26、本申请实施例再提供一种信息的提取装置，包括：

27、第一获取模块，用于获取具有目标信息的文档；

28、转换模块，用于在确定不能够提取所述文档中的文字的情况下，将所述文档转换为能够提取文字的目标文档；

29、第一确定模块，用于基于目标信息的关键字确定在所述目标文档中的目标文字段落；

30、提取模块，用于基于目标信息的要素从目标文字段落确定目标信息。

31、本申请实施例提供一种电子设备，包括：包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如上述任意一项所述信息的提取方法。

32、本申请实施例提供一种存储介质，该存储介质存储的计算机程序，能够被一个或多个处理器执行，能够用来实现上述任一项所述的信息的提取方法。

33、本申请实施例提供一种信息的提取方法、装置、电子设备及存储介质，在确定不能够提取所述文档中的文字的情况下，将所述文档转换为能够提取文字的目标文档；基于目标信息的关键字确定在所述目标文档中的目标文字段落；基于目标信息的要素从目标文字段落确定目标信息，实现对目标信息(如参考文献)的自动并快速地提取，节约用户时间。

技术特征：

1.一种信息的提取方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述将所述文档转换为能够提取文字的目标文档，包括：

4.根据权利要求1所述的方法，其特征在于，所述目标信息包括：参考文献，所述目标信息对应的要素包括以下至少之一：作者姓名、文献标题名称、文献类型、文献出处、年号、期刊号、起始页数、终止页数，所述基于目标信息的要素从目标文字段落确定目标信息，包括：

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

7.根据权利要求5所述的方法，其特征在于，所述方法还包括：

8.一种信息的提取装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如权利要求1至7任意一项所述信息的提取方法。

10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被计算机运行时执行如权利要求1-7任一项所述信息的提取方法。

技术总结
本申请提供的一种信息的提取方法、装置、电子设备及存储介质，在确定不能够提取所述文档中的文字的情况下，将所述文档转换为能够提取文字的目标文档；基于目标信息的关键字确定在所述目标文档中的目标文字段落；基于目标信息的要素从目标文字段落确定目标信息，实现对目标信息(如参考文献)的自动并快速地提取，节约用户时间。

技术研发人员：贾敬伍,赵国庆,周长安
受保护的技术使用者：北京中关村科金技术有限公司
技术研发日：
技术公布日：2024/1/12