一种运价规则文本信息的提取方法及装置与流程

1.本技术涉及交通工具领域，尤其涉及一种运价规则文本信息的提取方法及装置。


背景技术：

2.航空公司在发布行程或航班的民航客票时，也会发布该行程或航班的运价规则文本。运价规则文本，例如运价退改规则的多样性是民航票价灵活多变的重要因素之一。同样的行程、航班，一张可改期的票和一张不可改期的票，其价格是有明显差异的。
3.目前，很多航空公司发布的运价规则由于业务复杂限制繁多，导致运价规则文本的篇幅很长，阅读性较差。无论是机票销售机构的展示还是最终旅客的理解上，都有很大困难。尤其国际航班发布的运价规则是纯英文的，在向非英语用户公布规则之前，需要将运价规则翻译为用户能够阅读的语言，例如中文。但运价规则中包含大量行业术语或高度简化过的文本片段，翻译软件对其进行翻译的效果较差。


技术实现要素：

4.为了解决上述技术问题，本技术提供了一种运价规则文本信息的提取方法及装置，用于提取运价规则文本中的信息。
5.为了实现上述目的，本技术实施例提供的技术方案如下：
6.本技术实施例提供了一种运价规则文本信息的提取方法，包括：对运价规则文本进行拆分，获得目标字段；目标字段为多个词语组成的短语；将目标字段划分为变量词和目标格式字段；变量词包括数字、百分比或货币种类，目标格式字段为去除掉变量词的目标字段；将目标格式字段与字段库中的格式字段对进行匹配，获得目标格式字段对应的目标格式信息；字段库中包括多个格式字段和多个格式字段对应的格式信息；根据目标格式信息和变量词，获得运价规则文本的运价规则文本信息。
7.由此可知，本技术实施例提供的运价规则文本信息的提取方法，通过将运价规则文本拆分，并将拆分后的目标字段中的变量词提取，得到去除掉变量词的目标字段。再将目标字段与字段库中的格式字段对进行匹配，获得目标格式字段对应的目标格式信息，然后根据目标格式信息和变量词得到运价规则文本信息。如此，本技术提供的方法可以自动对运价规则文本中的信息进行提取，在减少人力成本的前提下，提升了运价规则文本中的信息进行提取的准确性与实时性。
附图说明
8.为了更清楚地说明本技术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，下面描述中的附图是本技术的一些实施例，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，还可以根据这些附图获得其他的附图。
9.图1为本技术实施例提供的一种运价规则文本信息的提取方法的流程图；
10.图2为本技术实施例提供的一种运价规则文本信息的提取方法的示意图；
11.图3为本技术实施例提供的一种运价规则文本信息的提取装置的示意图。
具体实施方式
12.为了帮助更好地理解本技术实施例提供的方案，在介绍本技术实施例提供的方法之前，先介绍本技术实施例方案的应用的场景。
13.航空公司在发布行程或航班的民航客票时，也会发布该行程或航班的运价规则文本。运价规则文本，例如运价退改规则的多样性是民航票价灵活多变的重要因素之一。同样的行程、航班，一张可改期的票和一张不可改期的票，其价格是有明显差异的。
14.目前，很多航空公司发布的运价规则由于业务复杂限制繁多，导致运价规则文本的篇幅很长，阅读性较差。无论是机票销售机构的展示还是最终旅客的理解上，都有很大困难。尤其国际航班发布的运价规则是纯英文的，在向非英语用户公布规则之前，需要将运价规则翻译为用户能够阅读的语言，例如中文。但运价规则中包含大量行业术语或高度简化过的文本片段，翻译软件对其进行翻译的效果较差。
15.为了解决上述的技术问题，本技术实施例提供了一种运价规则文本信息的提取方法，其特征在于，包括：对运价规则文本进行拆分，获得目标字段；目标字段为多个词语组成的短语；将目标字段划分为变量词和目标格式字段；变量词包括数字、百分比或货币种类，目标格式字段为去除掉变量词的目标字段；将目标格式字段与字段库中的格式字段对进行匹配，获得目标格式字段对应的目标格式信息；字段库中包括多个格式字段和多个格式字段对应的格式信息；根据目标格式信息和变量词，获得运价规则文本的运价规则文本信息。
16.由此可知，本技术实施例提供的运价规则文本信息的提取方法，通过将运价规则文本拆分，并将拆分后的目标字段中的变量词提取，得到去除掉变量词的目标字段。再将目标字段与字段库中的格式字段对进行匹配，获得目标格式字段对应的目标格式信息，然后根据目标格式信息和变量词得到运价规则文本信息。如此，本技术提供的方法可以自动对运价规则文本中的信息进行提取，在减少人力成本的前提下，提升了运价规则文本中的信息进行提取的准确性与实时性。
17.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术实施例作进一步详细的说明。
18.参见图1，该图为本技术实施例提供的一种运价规则文本信息的提取方法的流程图。
19.如图1所示，本技术实施例提供的运价规则文本信息的提取方法，包括：
20.s101：对运价规则文本进行拆分，获得目标字段；目标字段为多个词语组成的短语。
21.s102：将目标字段划分为变量词和目标格式字段；变量词包括数字、百分比或货币种类，目标格式字段为去除掉变量词的目标字段。
22.s103：将目标格式字段与字段库中的格式字段对进行匹配，获得目标格式字段对应的目标格式信息；字段库中包括多个格式字段和多个格式字段对应的格式信息。
23.s104：根据目标格式信息和变量词，获得运价规则文本的运价规则文本信息。
24.需要说明的是，本技术实施例中的运价规则文本包括运价退改规则文本；运价退
改规则文本为航空公司发布的指示机票退改规则的文本。本技术实施例中可以根据运价规则文本中的标点，对运价规则文本进行拆分，获得目标字段，也可以根据运价规则文本中的分行或分段，对运价规则文本进行拆分，获得目标字段。例如，可以根据运价规则文本中的逗号或句号对运价规则文本进行拆分。作为一个示例，假设运价规则文本为“，误机变更手续费为100元，2岁以下婴儿退票免费”，那么则可以根据逗号将该运价规则文本拆分为目标字段“误机变更手续费为100元”和目标字段“2岁以下婴儿退票免费”。
25.在将运价规则文本拆分为目标字段后，为了提高目标字段在字段库中的匹配成功率，可以将目标字段划分为变量词和目标格式字段。变量词通常为运价规则文本中频繁变动的文本，例如数字、百分比和货币种类等。目标格式字段通常为运价规则文本中相对变量词固定不变的文本。作为一个示例，假设目标字段为“2岁下婴儿退票免费”，那么该目标字段中的变量词可以为“2”，目标格式字段可以为“x岁下婴儿退票免费”。需要说明的是，目标格式字段中的“x”为一个代词，可以指代任何数字。如此，本技术实施例将原本的目标字段“2岁下婴儿退票免费”转换为了目标格式字段“x岁下婴儿退票免费”，可以提高格式字段在字段库中的匹配成功率，同时也减少了字段库中的格式字段数量，提高了匹配速度。
26.在将目标字段划分为目标格式字段后，将目标格式字段与字段库中的格式字段对进行匹配，获得目标格式字段对应的目标格式信息。需要说明的是，目标字段和格式字段可以为中文字段，也可以为英文字段或其他语言，本技术实施例不做限定。字段库中存储有多个格式字段，例如“infant under x without seat refunds free(婴儿x以下，无座退款免费)”、“误机变更手续费为xy”和“任意时间”等。假设目标格式字段为“infant under x without seat refunds free”，那么该目标格式字段就可以和字段库中的格式字段“infant under x without seat refunds free”匹配，并获得格式字段“infant under x without seat refunds free”对应的目标格式信息“category:refund ptc:inf age:x permission:yes charge:free”。
27.在获得目标格式信息后，可以根据目标格式信息和变量词，获得运价规则文本的运价规则文本信息。具体地，可以将变量词填回目标格式信息中的代词所在的位置，获得运价规则文本对应的完整的运价规则文本信息。需要说明的是，本技术实施例中的运价规则文本信息可以为文本形式，也可以为表格或者其他数据形式，本技术实施例在此不做限定。
28.作为一种可能的实施方式，当字段库中不存在于目标格式字段匹配的格式字段时，提示用户人工输入目标格式字段的目标格式信息，并将目标格式信息与目标格式字段存入字段库。
29.在一些应用场景下，用户可能还希望获得运价规则文本的译文。本技术实施例提供的方法还可以将运价规则文本进行翻译并简化。具体地，可以将目标格式信息与翻译库中的翻译信息进行匹配，获得目标格式信息对应的目标翻译信息，然后根据目标翻译信息和变量词，获得运价规则文本的译文。作为一个示例，假设目标格式信息为“category:refund ptc:inf age:x permission:yes charge:free”，那么该目标格式信息就可以和翻译库中的翻译信息匹配，并获得的目标翻译信息“x岁下婴儿退票免费”。再将目标格式字段对应的变量词“2”，填入目标翻译信息中，得到目标字段的译文“2岁下婴儿退票免费”。需要说明的是，目标字段的译文可以为目标字段进行直译后得到的，也可以为对目标字段中的信息进行处理后，得到的目标字段的简化译文，本技术实施例在此不做限定。
30.作为一种可能的实施方式，当翻译库中不存在于目标格式字段匹配的翻译字段时，提示用户输入目标格式字段的目标翻译信息，并将目标翻译信息与目标格式字段存入翻译库。
31.为了更好地理解本技术实施例提供的方法，下面将结合示意图对本技术实施例提供的方法进行介绍。
32.参见图2，该图为本技术实施例提供的一种运价规则文本信息的提取方法的示意图。
33.如图2所示，本技术实施例提供的运价规则文本信息的提取方法，首先将将输入的文本段落(运价规则文本)中的语句进行拆分，得到中间形态1文本语句，即目标字段。然后将目标字段中的变量词进行分离，得到变量(变量词)和中间形态2剔除变量的文本语句(目标格式字段)。然后将剔除变量的文本语句通过分词模式库(字段库)进行匹配分词，如果存在少量与分词模式库中不匹配的文本语句，则对该文本语句进行人工分词，并在分词模式库中录入该文本语句。对中间形态2进行匹配分词后，得到中间形态3结构化规则字段(目标格式字段信息)。然后将中间形态3与之前提取出来的变量进行组合，得到了输出1结构化规则，即运价规则文本信息。
34.在一些应用场景下，用户可能还希望获得运价规则文本的译文，本技术实施例提供的运价规则文本信息的提取方法，可以将中间形态3结构化规则字段再输入翻译模式库(翻译库)，并得到将该中间形态3对应的中间形态4多语言文本片段。如果存在少量与翻译模式库中不匹配的结构化规则字段，则对该结构化规则字段进行人工翻译，并在翻译模式库中录入该结构化规则字段。然后，根据中间形态4与之前提取出来的变量进行组合，得到了输出2多语言文本规则，即运价规则文本的译文。
35.综上所述，本技术实施例提供的运价规则文本信息的提取方法，通过将运价规则文本拆分，并将拆分后的目标字段中的变量词提取，得到去除掉变量词的目标字段。再将目标字段与字段库中的格式字段对进行匹配，获得目标格式字段对应的目标格式信息，然后根据目标格式信息和变量词得到运价规则文本信息。如此，本技术提供的方法可以自动对运价规则文本中的信息进行提取，在减少人力成本的前提下，提升了运价规则文本中的信息进行提取的准确性与实时性。
36.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。
37.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。
38.虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的
特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。
39.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
40.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操作的计算机程序代码，上述程序设计语言包括但不限于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)。
41.根据上述实施例提供的运价规则文本信息的提取方法，本技术实施例还提供了一种运价规则文本信息的提取装置。
42.参见图3，该图为本技术实施例提供的一种运价规则文本信息的提取装置的示意图。
43.如图3所示，本技术实施例提供的运价规则文本信息的提取装置包括：
44.拆分模块100，用于对运价规则文本进行拆分，获得目标字段；目标字段为多个词语组成的短语。
45.划分模块200，用于将目标字段划分为变量词和目标格式字段；变量词包括数字、百分比或货币种类，目标格式字段为去除掉变量词的目标字段。
46.第一匹配模块300，用于将目标格式字段与字段库中的格式字段对进行匹配，获得目标格式字段对应的目标格式信息；字段库中包括多个格式字段和多个格式字段对应的格式信息。
47.第一获得模块400，用于根据目标格式信息和变量词，获得运价规则文本的运价规则文本信息。
48.描述于本公开实施例中所涉及到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。其中，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，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
49.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。
50.作为一种可能的实施方式，本技术实施例提供的装置还可以包括：提示模块，用于当字段库中不存在于目标格式字段匹配的格式字段时，提示用户输入目标格式字段的目标格式信息，并将目标格式信息与目标格式字段存入字段库。
51.作为一种可能的实施方式，本技术实施例提供的装置还可以包括：第二匹配模块，用于将目标格式信息与翻译库中的翻译信息进行匹配，获得目标格式信息对应的目标翻译信息；第二获得模块，用于根据目标翻译信息和变量词，获得运价规则文本的译文。
52.综上所述，本技术实施例提供的装置，通过将运价规则文本拆分，并将拆分后的目标字段中的变量词提取，得到去除掉变量词的目标字段。再将目标字段与字段库中的格式字段对进行匹配，获得目标格式字段对应的目标格式信息，然后根据目标格式信息和变量词得到运价规则文本信息。如此，本技术提供的方法可以自动对运价规则文本中的信息进行提取，在减少人力成本的前提下，提升了运价规则文本中的信息进行提取的准确性与实时性。
53.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
54.需要说明的是，本公开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。
55.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。
56.特别地，根据本公开的实施例，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，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态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。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置606被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
57.根据本公开的一个或多个实施例，提供了一种运价规则文本信息的提取方法，包括：对运价规则文本进行拆分，获得目标字段；所述目标字段为多个词语组成的短语；将所
述目标字段划分为变量词和目标格式字段；所述变量词包括数字、百分比或货币种类，所述目标格式字段为去除掉所述变量词的所述目标字段；将所述目标格式字段与字段库中的格式字段对进行匹配，获得所述目标格式字段对应的目标格式信息；所述字段库中包括多个格式字段和多个格式字段对应的格式信息；根据所述目标格式信息和所述变量词，获得所述运价规则文本的运价规则文本信息。
58.作为一种可能的实施方式，所述对运价规则文本进行拆分，获得目标字段，包括：根据所述运价规则文本中的标点，对运价规则文本进行拆分，获得目标字段。
59.作为一种可能的实施方式，所述对运价规则文本进行拆分，获得目标字段，包括：根据所述运价规则文本中的分行或分段，对运价规则文本进行拆分，获得目标字段。
60.作为一种可能的实施方式，还包括：当所述字段库中不存在于所述目标格式字段匹配的格式字段时，提示用户输入所述目标格式字段的目标格式信息，并将所述目标格式信息与所述目标格式字段存入所述字段库。
61.作为一种可能的实施方式，还包括：将所述目标格式信息与翻译库中的翻译信息进行匹配，获得所述目标格式信息对应的目标翻译信息；根据所述目标翻译信息和所述变量词，获得所述运价规则文本的译文。
62.作为一种可能的实施方式，还包括：当所述翻译库中不存在于所述目标格式字段匹配的翻译字段时，提示用户输入所述目标格式字段的目标翻译信息，并将所述目标翻译信息与所述目标格式字段存入所述翻译库。
63.作为一种可能的实施方式，所述运价规则文本包括运价退改规则文本；所述运价退改规则文本为航空公司发布的指示机票退改规则的文本。
64.根据本公开的一个或多个实施例，提供了一种运价规则文本信息的提取装置，包括：拆分模块，用于对运价规则文本进行拆分，获得目标字段；所述目标字段为多个词语组成的短语；划分模块，用于将所述目标字段划分为变量词和目标格式字段；所述变量词包括数字、百分比或货币种类，所述目标格式字段为去除掉所述变量词的所述目标字段；第一匹配模块，用于将所述目标格式字段与字段库中的格式字段对进行匹配，获得所述目标格式字段对应的目标格式信息；所述字段库中包括多个格式字段和多个格式字段对应的格式信息；第一获得模块，用于根据所述目标格式信息和所述变量词，获得所述运价规则文本的运价规则文本信息。
65.作为一种可能的实施方式，还包括：提示模块，用于当所述字段库中不存在于所述目标格式字段匹配的格式字段时，提示用户输入所述目标格式字段的目标格式信息，并将所述目标格式信息与所述目标格式字段存入所述字段库。
66.作为一种可能的实施方式，还包括：第二匹配模块，用于将所述目标格式信息与翻译库中的翻译信息进行匹配，获得所述目标格式信息对应的目标翻译信息；第二获得模块，用于根据所述目标翻译信息和所述变量词，获得所述运价规则文本的译文。
67.尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
68.虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施
例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
69.以上描述仅为本公开的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，本公开中所涉及的公开范围，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公开构思的情况下，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。