CN113807056A - 一种文档名称序号纠错方法、装置和设备 - Google Patents
一种文档名称序号纠错方法、装置和设备 Download PDFInfo
- Publication number
- CN113807056A CN113807056A CN202111114700.XA CN202111114700A CN113807056A CN 113807056 A CN113807056 A CN 113807056A CN 202111114700 A CN202111114700 A CN 202111114700A CN 113807056 A CN113807056 A CN 113807056A
- Authority
- CN
- China
- Prior art keywords
- character string
- document
- text
- determining
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000000875 corresponding Effects 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 10
- 239000000203 mixture Substances 0.000 description 10
- 239000000779 smoke Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 210000004027 cells Anatomy 0.000 description 4
- 230000003287 optical Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000000644 propagated Effects 0.000 description 2
- 210000003666 Nerve Fibers, Myelinated Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006011 modification reaction Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
Abstract
本公开的实施例公开了一种文档名称序号纠错方法、装置和设备。该方法的一具体实施方式包括:在目标文档中查找包含数字的、目标格式的内容,得到序号字符串集合;对序号字符串集合中的每种序号字符串,确定序号字符串对应的文本字符串集合。该实施方式能够直接找出人们书写专利后的常见错误,并提高人们的工作效率。
Description
技术领域 本发明属于文件检查领域,尤其涉及一种文档名称序号纠错方法。 背景技术 在如今经济科技快速发展的大背景下,每个人或多或少都需要写一写自己的文档,这些文档也有不同的用途,例如:申请专利、报告等。但是撰写完成这些文档后,往往会出现各种各样的错误,这些错误往往需要人们一个一个的去检查出来,非常的浪费人力,甚至财力;并且在文件的检查方面,几乎查阅不到可以用以检查文件的文献成果。在本发明专利中,主要针对具有固定格式、且同时具备序号和名称文献的问题提出了一个检查方法。 发明内容 本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。 本公开的一些实施例提出了一种文档名称序号纠错方法,来解决以上背景技术部分提到的技术问题。 第一方面,本公开的一些实施例提供了一种文档名称序号纠错方法,该方法包括:在目标文档中查找包含数字的、目标格式的内容,得到序号字符串集合;响应于序号字符串集合中各个序号字符串包含的数字之间不连续,将目标文档确定为包含错误信息的文档,否则执行以下步骤:对序号字符串集合中的每种序号字符串,确定序号字符串对应的文本字符串集合;响应于文本字符串集合中的文本字符串不一致,将目标文档确定为包含错误信息的文档,否则执行以下步骤:响应于文本字符串集合中的目标文本字符串在目标文档中出现的次数与序号字符串在目标文档中出现的次数不一致,将目标文档确定为包含错误信息的文档。 第二方面,本公开的一些实施例提供了一种文档名称序号纠错装备,装置包括:检测单元,被构建为对数字的目标格式进行文档内容提取,得到反映序号的序号字符串集合;第一确定单元,被配置为确定上述序号字符串集合中的目标数字之间是否连续,若连续,则按照序号字符串中的每种序号进行提取字符串,得到可疑名称文本串集合;第二确定单元,被配置为确定上述可疑名称字符串集合中的第一个字符是否为和错字集中元素一致,若不一致,则确定上述目标名称字符串集合为正确名称字符串集合;分类单元,被配置为对于上述可疑名称字符串集合中的每个可疑可疑名称字符串集合,基于上述可疑名称文本字符串中上述可疑名称字符串的第一个字符在上述错字集中,对上述可疑名称字符串集合进行分类,得到上述名称字符串集合的类别;生成单元,被配置为基于上述名称字符串集合的类别,生成检测结果。 第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。 第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一实现方式描述的方法。 本公开的上述各个实施例中的一个实施例具有如下有益效果:通过本公开的一些实施例的文档名称序号纠错方法可以提高文档中名称序号的纠错效率,减少文档名称序号纠错所需的人力和时间。具体来说,发明人发现,现有的文档名称序号纠错都是通过人为检查,检查效率低、效果也不能保证。基于此,本公开的一些实施例的序号纠错方法,通过对文档内容进行分析处理,实现了文档名称序号的自动纠错,提高了人们的效率。 附图说明 结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。 图1是根据本公开的文档名称序号纠错方法的实施例的流程图; 图2是根据本公开的文档名称序号纠错方法的一些实施例的流程图; 图3是根据本公开的专利申请文件的文档名称序号纠错方法的另一些实施例的流程图; 图4是根据本公开的文档名称序号纠错装置的一些实施例的结构示意图; 图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。 具体实施方式 下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。 另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。 需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。 需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。 本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。 下面将参考附图并结合实施例来详细说明本公开。 图1示出了可以应用本公开的一些实施例的文档名称序号纠错方法的一个应用场景的示意图。 在图1所示的应用场景中,首先,计算设备101可以在目标文档102中查找包含数字的、目标格式的内容,得到序号字符串集合103,接下来,响应于上述序号字符串集合103中各个序号字符串包含的数字之间不连续,将上述目标文档102确定为包含错误信息的文档,否则执行以下步骤: 对上述序号字符串集合103中的每种序号字符串,确定上述序号字符串对应的文本字符串集合105,在本实施例中,以序号4为例,其对应的文本字符串集合105为[‘激光部分(4)’,‘激光部分(4)’,‘激光部分(4)’]。 响应于文本字符串集合105中的文本字符串不一致,将上述目标文档确定为包含错误信息的文档,否则执行以下步骤。在本实施例中,以序号4为例,[‘激光部分(4)’,‘激光部分(4)’,‘激光部分(4)’]中的文本字符串是一致的。 响应于上述文本字符串集合105中的目标文本字符串在上述目标文档102中出现的次数与上述序号字符串103在上述目标文档102中出现的次数不一致,将上述目标文档102确定为包含错误信息的文档。在本实施例中,以序号4为例,其对应的文本字符串集合[‘激光部分(4)’,‘激光部分(4)’,‘激光部分(4)’]中的目标文本字符串为‘激光部分’,‘激光部分’在目标文档中出现次数大于等于三次,序号4在文档中出现的次数为三次,则判断两者出现次数是否相等。 需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或电子设备组成的分布式集群,也可以实现成单个服务器或单个电子设备。当计算设备体现为软件时,可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。 应该理解,图1中的计算设备101的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备101。 继续参考图2,示出了本公开的文档名称序号纠错方法的一些实施例的流程200。该序号纠错方法,包括以下步骤: 步骤201,在目标文档中查找包含数字的、目标格式的内容,得到序号字符串集合; 步骤202,响应于上述序号字符串集合中各个序号字符串包含的数字之间不连续,将上述目标文档确定为包含错误信息的文档,否则执行以下步骤: 步骤203,对上述序号字符串集合中的每种序号字符串,确定上述序号字符串对应的文本字符串集合; 在一些实施例的一些可选的实施方式中,上述执行主体可以首先确定上述序号字符串在上述目标文档中出现的位置,得到位置集合;然后在上述位置集合中各个位置处,逐一向前检查字符;响应于当前检查的各个字符不同或者存在于预先设定的错字集中,将上述位置集合中各个位置处上一检查字符、上述序号字符串和上述上一检查字符和上述序号字符串之间的字符确定为上述序号字符串对应的文本字符串集合。 在一些实施例中,上述执行主体可以使用深度学习的方法检查到文本字符串集合。 步骤204,响应于上述文本字符串集合中的文本字符串不一致,将上述目标文档确定为包含错误信息的文档,否则执行以下步骤: 步骤205,响应于上述文本字符串集合中的目标文本字符串在上述目标文档中出现的次数与上述序号字符串在上述目标文档中出现的次数不一致,将上述目标文档确定为包含错误信息的文档。 本公开的一种文档名称序号纠错方法,能够更加高效地找出文档中的名称序号错误,并提高人们的工作效率。 进一步参考图3,其示出了专利申请文件的文档名称序号纠错方法的另一些实施例的流程300。该专利申请文件的文档名称序号纠错方法的流程300,包括以下步骤: 步骤301,在目标文档中查找包含数字的、目标格式的内容,得到序号字符串集合。 步骤302,响应于上述序号字符串集合中各个序号字符串包含的数字之间不连续,将上述目标文档确定为包含错误信息的文档,否则执行以下步骤。 步骤303,确定上述序号字符串在上述目标文档中出现的位置,得到位置集合。 在一些实施例中,上述执行主体可以使用正则表达式,确定上述序号字符串在上述目标文档中出现的位置。 步骤304,在上述位置集合中各个位置处,逐一向前检查字符。 在一些实施例中,上述执行主体可以使用正则表达式,向前逐一的检查字符。 步骤305,响应于当前检查的各个字符不同或者存在于预先设定的错字集中,将上述位置集合中各个位置处上一检查字符、上述序号字符串和上述上一检查字符和上述序号字符串之间的字符确定为上述序号字符串对应的文本字符串集合。 在一些实施例中,步骤303-305的具体实现及其所带来的技术效果,可以参考图2对应的实施例中的步骤203,在此不再赘述。 步骤306,响应于上述文本字符串集合中的文本字符串不一致,将上述目标文档确定为包含错误信息的文档,否则执行以下步骤。 步骤307,响应于上述文本字符串集合中的目标文本字符串在上述目标文档中出现的次数与上述序号字符串在上述目标文档中出现的次数不一致,将上述目标文档确定为包含错误信息的文档。 从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的文档名称序号纠错方法的流程300体现了确定上述序号字符串对应的文本字符串集合的步骤。由此,这些实施例描述的方案可以通过将预先获取到的序号字符串的位置,逐一向前检查字符,并获取到最为理想的文本字符串,从而更好的判断文本字符串在文档中出错的情况。另外,通过逐一向前检查字符,可以排除最大可能的排除文本字符串中可能出现的错误,例如,在一个目标文档中的错误是某序号下的几个文本字符串中的一个文本字符串短小,逐一向前检查则会检查出此项错误。 进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种烟雾根节点检测装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。 如图4所示,一些实施例提供了一种文档名称序号纠错装备,装置包括:检测单元401,第一确定单元402,第二确定单元403,分类单元404,生成单元405。检测单元401被构建为对数字的目标格式进行文档内容提取,得到反映序号的序号字符串集合;第一确定单元402被配置为确定上述序号字符串集合中的目标数字之间是否连续,若连续,则按照序号字符串中的每种序号进行提取字符串,得到可疑名称文本串集合;第二确定单元403被配置为确定上述可疑名称字符串集合中的第一个字符是否为和错字集中元素一致,若不一致,则确定上述目标名称字符串集合为正确名称字符串集合;分类单元404被配置为对于上述可疑名称字符串集合中的每个可疑可疑名称字符串集合,基于上述可疑名称文本字符串中上述可疑名称字符串的第一个字符在上述错字集中,对上述可疑名称字符串集合进行分类,得到上述可疑名称字符串集合的类别;生成单元405被配置为基于上述可疑名称字符串集合的类别,生成检测结果。 下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器或终端设备)500的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。 如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。 通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。 特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。 需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。 在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。 上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:对视频进行前景区域检测,得到二值图像帧集合;确定二值图像帧集合中目标二值图像帧中前景区域的交集,得到可疑烟雾根节点坐标集合;若可疑烟雾根节点坐标集合为空集,则确定目标视频中不包括烟雾根节点,若为非空集,则进入下一步;获取可疑烟雾根节点坐标集合中每个可疑烟雾根节点坐标的特征值;基于特征值,对可疑烟雾根节点坐标进行分类,生成检测结果。 可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。 附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。 描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括检测单元、第一确定单元、第二确定单元、分类单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,检测单元还可以被描述为“检测前景区域的单元”。 本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。 根据本公开的一个或多个实施例,提供了一种文档名称序号纠错方法,包括:在目标文档中查找包含数字的、目标格式的内容,得到序号字符串集合;响应于序号字符串集合中各个序号字符串包含的数字之间不连续,将目标文档确定为包含错误信息的文档,否则执行以下步骤:对序号字符串集合中的每种序号字符串,确定序号字符串对应的文本字符串集合;响应于文本字符串集合中的文本字符串不一致,将目标文档确定为包含错误信息的文档,否则执行以下步骤:响应于文本字符串集合中的目标文本字符串在目标文档中出现的次数与序号字符串在目标文档中出现的次数不一致,将目标文档确定为包含错误信息的文档。 根据本公开的一个或多个实施例,提供了一种文档名称序号纠错装置,包括:检测单元,被构建为对数字的目标格式进行文档内容提取,得到反映序号的序号字符串集合;第一确定单元,被配置为确定上述序号字符串集合中的目标数字之间是否连续,若连续,则按照序号字符串中的每种序号进行提取字符串,得到可疑名称文本串集合;第二确定单元,被配置为确定上述可疑名称字符串集合中的第一个字符是否为和错字集中元素一致,若不一致,则确定上述目标名称字符串集合为正确名称字符串集合;分类单元,被配置为对于上述可疑名称字符串集合中的每个可疑可疑名称字符串集合,基于上述可疑名称文本字符串中上述可疑名称字符串的第一个字符在上述错字集中,对上述可疑名称字符串集合进行分类,得到上述可疑名称字符串集合的类别;生成单元,被配置为基于上述可疑名称字符串集合的类别,生成检测结果。 根据本公开的一个或多个实施例,提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上述任一的方法。 根据本公开的一个或多个实施例,提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如上述任一的方法。 以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。