公开(公告)号：CN109657010B

公开(公告)日：2020-10-09

申请号：CN201811273922.4

申请日：2018-10-30

Applicant: 百度在线网络技术(北京)有限公司

Inventor： 黄昉 ,  李双婕 ,  梁海金 ,  张扬 ,  朱勇

IPC: G06F16/28 ,  G06F16/958

Abstract: 本发明提供一种文档处理方法、装置和存储介质，该方法包括：将多个文档转换为多个网页文档；根据每个网页文档的实体，将多个网页文档划分为多个文档集合，每个文档集合包含有至少一个网页文档，至少一个网页文档的实体相同，文档集合对应的实体为文档集合所包括的至少一个网页文档的实体；根据每个文档集合对应的实体，以及实体与实体类型的对应关系，获取每个文档集合对应的实体类型。本发明将不同类型的文档转换为统一的网页文档，便于进行文档的结构化处理；且根据每个网页文档的实体，将文档进行分类，便于构建知识图谱。

公开(公告)号：CN109657010A

公开(公告)日：2019-04-19

申请号：CN201811273922.4

申请日：2018-10-30

Applicant: 百度在线网络技术(北京)有限公司

Inventor： 黄昉 ,  李双婕 ,  梁海金 ,  张扬 ,  朱勇

IPC: G06F16/28 ,  G06F16/958

Abstract: 本发明提供一种文档处理方法、装置和存储介质，该方法包括：将多个文档转换为多个网页文档；根据每个网页文档的实体，将多个网页文档划分为多个文档集合，每个文档集合包含有至少一个网页文档，至少一个网页文档的实体相同，文档集合对应的实体为文档集合所包括的至少一个网页文档的实体；根据每个文档集合对应的实体，以及实体与实体类型的对应关系，获取每个文档集合对应的实体类型。本发明将不同类型的文档转换为统一的网页文档，便于进行文档的结构化处理；且根据每个网页文档的实体，将文档进行分类，便于构建知识图谱。