一种基于组合树结构的文档段落内容合并切分方法

本申请设计了一种基于组合树结构的文档段落内容合并切分方法，包括：S1、利用文档解析工具获取文档内容；S2、逐行遍历文档内容，得到行文本内容列表secs；为每行内容分配标题层级，获取层级识别结果列表levels；S3、利用上述得到的行文本内容列表secs、层级识别结果列表levels和程序定义的处理深度depth，生成段落标题组织分组列表cks；S4、根据段落标题组织分组列表cks，将标题路径信息分组，构建段落标题信息组cks‑group；S5、将段落标题信息组cks‑group组织成内容结构树形式；S6、剪枝合并内容结构树，在更大的层级上合并文本内容；S7、处理剪枝后的内容结构树，生成当前文件的文档块内容。本申请能够高效地构建出语义丰富完整的待匹配文档块。