[發(fā)明專利]一種智能提取內(nèi)容對(duì)象的方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 200910242830.4
• 申請(qǐng)日: 2009-12-17
• 公開（公告）號(hào): CN102122280A
• 公開（公告）日: 2011-07-13
• 發(fā)明（設(shè)計(jì)）人: 余忠華;曹學(xué)軍;閆國(guó)龍;繆萍;曾建英
• 申請(qǐng)（專利權(quán)）人: 北大方正集團(tuán)有限公司;北京北大方正電子有限公司
• 主分類號(hào): G06F17/27
• 分類號(hào): G06F17/27;G06F17/30
• 代理公司: 北京天昊聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司 11112
• 代理人: 陳源;羅建民

1.一種智能提取內(nèi)容對(duì)象的方法，包括以下步驟：

(1)根據(jù)文檔小樣形成文檔的待提取內(nèi)容對(duì)象的結(jié)構(gòu)；

(2)為所述內(nèi)容對(duì)象結(jié)構(gòu)的每一項(xiàng)建立對(duì)應(yīng)的提取規(guī)則；

(3)按照提取規(guī)則將待提取文檔形成為按照所述內(nèi)容對(duì)象結(jié)構(gòu)表達(dá)的內(nèi)容對(duì)象列表。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述內(nèi)容對(duì)象可以是單層結(jié)構(gòu)，也可以具有嵌套結(jié)構(gòu)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述提取規(guī)則的層次結(jié)構(gòu)與內(nèi)容對(duì)象結(jié)構(gòu)的層次結(jié)構(gòu)一致。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述按照提取規(guī)則形成內(nèi)容對(duì)象列表的步驟包括以下步驟：

遍歷文檔，利用提取規(guī)則進(jìn)行匹配，將完全匹配的內(nèi)容形成按照所述內(nèi)容對(duì)象結(jié)構(gòu)表達(dá)的內(nèi)容對(duì)象列表。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟(1)包括以下步驟：

根據(jù)文檔小樣生成包含該小樣的各部分內(nèi)容及其關(guān)鍵屬性的邏輯樹，依據(jù)該邏輯樹中所包含的各部分內(nèi)容及其關(guān)鍵屬性形成待提取內(nèi)容對(duì)象的結(jié)構(gòu)及其對(duì)應(yīng)的提取規(guī)則，

在這種情況下，所述步驟(3)包括以下步驟：

根據(jù)文檔生成包含文檔內(nèi)容及其關(guān)鍵屬性的邏輯樹，遍歷該邏輯樹，按照提取規(guī)則將該邏輯樹形成為按照所述內(nèi)容對(duì)象結(jié)構(gòu)表達(dá)的內(nèi)容對(duì)象列表。

6.根據(jù)權(quán)利要求1或5所述的方法，其特征在于，向用戶提供文檔小樣或根據(jù)文檔小樣生成的邏輯樹中所包含的各部分內(nèi)容及其關(guān)鍵屬性，用戶根據(jù)所提供的信息設(shè)置內(nèi)容對(duì)象結(jié)構(gòu)及其提取規(guī)則。

7.一種智能提取內(nèi)容對(duì)象的系統(tǒng)，包括：

文檔輸入單元，輸入文檔小樣或文檔，并將文檔小樣發(fā)送給結(jié)構(gòu)提取單元，將文檔發(fā)送給對(duì)象列表形成單元；

結(jié)構(gòu)提取單元，根據(jù)從文檔輸入單元接收的文檔小樣形成文檔的待提取內(nèi)容對(duì)象的結(jié)構(gòu)，并為該內(nèi)容對(duì)象結(jié)構(gòu)的每一項(xiàng)建立對(duì)應(yīng)的提取規(guī)則，并將內(nèi)容對(duì)象結(jié)構(gòu)和提取規(guī)則發(fā)送給對(duì)象列表形成單元；

對(duì)象列表形成單元，按照從結(jié)構(gòu)提取單元接收的提取規(guī)則將從文檔輸入單元接收的文檔形成為按照從結(jié)構(gòu)提取單元接收的內(nèi)容對(duì)象結(jié)構(gòu)表達(dá)的內(nèi)容對(duì)象列表，并將所形成的內(nèi)容對(duì)象列表發(fā)送給文檔輸出單元；

文檔輸出單元，輸出從對(duì)象列表形成單元接收的內(nèi)容對(duì)象列表。

8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述結(jié)構(gòu)提取單元執(zhí)行以下操作：

根據(jù)文檔小樣生成包含該小樣的各部分內(nèi)容及其關(guān)鍵屬性的邏輯樹，依據(jù)該邏輯樹中所包含的各部分內(nèi)容及其關(guān)鍵屬性形成待提取內(nèi)容對(duì)象的結(jié)構(gòu)及其對(duì)應(yīng)的提取規(guī)則，

在這種情況下，所述對(duì)象列表形成單元執(zhí)行以下操作：

根據(jù)文檔生成包含文檔內(nèi)容及其關(guān)鍵屬性的邏輯樹，遍歷該邏輯樹，按照提取規(guī)則將該邏輯樹形成為按照所述內(nèi)容對(duì)象結(jié)構(gòu)表達(dá)的內(nèi)容對(duì)象列表。

9.根據(jù)權(quán)利要求7或8所述的系統(tǒng)，其特征在于，還包括用戶設(shè)置界面，結(jié)構(gòu)提取單元通過用戶設(shè)置界面向用戶提供文檔小樣或根據(jù)文檔小樣生成的邏輯樹中所包含的各部分內(nèi)容及其關(guān)鍵屬性，用戶根據(jù)所提供的信息設(shè)置內(nèi)容對(duì)象結(jié)構(gòu)及其提取規(guī)則。