[發明專利]一種智能提取內容對象的方法及系統

有效

• 申請號: 200910242830.4
• 申請日: 2009-12-17
• 公開（公告）號: CN102122280A
• 公開（公告）日: 2011-07-13
• 發明（設計）人: 余忠華;曹學軍;閆國龍;繆萍;曾建英
• 申請（專利權）人: 北大方正集團有限公司;北京北大方正電子有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 陳源;羅建民

1.一種智能提取內容對象的方法，包括以下步驟：

(1)根據文檔小樣形成文檔的待提取內容對象的結構；

(2)為所述內容對象結構的每一項建立對應的提取規則；

(3)按照提取規則將待提取文檔形成為按照所述內容對象結構表達的內容對象列表。

2.根據權利要求1所述的方法，其特征在于，所述內容對象可以是單層結構，也可以具有嵌套結構。

3.根據權利要求1所述的方法，其特征在于，所述提取規則的層次結構與內容對象結構的層次結構一致。

4.根據權利要求1所述的方法，其特征在于，所述按照提取規則形成內容對象列表的步驟包括以下步驟：

遍歷文檔，利用提取規則進行匹配，將完全匹配的內容形成按照所述內容對象結構表達的內容對象列表。

5.根據權利要求1所述的方法，其特征在于，所述步驟(1)包括以下步驟：

根據文檔小樣生成包含該小樣的各部分內容及其關鍵屬性的邏輯樹，依據該邏輯樹中所包含的各部分內容及其關鍵屬性形成待提取內容對象的結構及其對應的提取規則，

在這種情況下，所述步驟(3)包括以下步驟：

根據文檔生成包含文檔內容及其關鍵屬性的邏輯樹，遍歷該邏輯樹，按照提取規則將該邏輯樹形成為按照所述內容對象結構表達的內容對象列表。

6.根據權利要求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文檔小樣生成的邏輯樹中所包含的各部分內容及其關鍵屬性，用戶根據所提供的信息設置內容對象結構及其提取規則。

7.一種智能提取內容對象的系統，包括：

文檔輸入單元，輸入文檔小樣或文檔，并將文檔小樣發送給結構提取單元，將文檔發送給對象列表形成單元；

結構提取單元，根據從文檔輸入單元接收的文檔小樣形成文檔的待提取內容對象的結構，并為該內容對象結構的每一項建立對應的提取規則，并將內容對象結構和提取規則發送給對象列表形成單元；

對象列表形成單元，按照從結構提取單元接收的提取規則將從文檔輸入單元接收的文檔形成為按照從結構提取單元接收的內容對象結構表達的內容對象列表，并將所形成的內容對象列表發送給文檔輸出單元；

文檔輸出單元，輸出從對象列表形成單元接收的內容對象列表。

8.根據權利要求7所述的系統，其特征在于，所述結構提取單元執行以下操作：

根據文檔小樣生成包含該小樣的各部分內容及其關鍵屬性的邏輯樹，依據該邏輯樹中所包含的各部分內容及其關鍵屬性形成待提取內容對象的結構及其對應的提取規則，

在這種情況下，所述對象列表形成單元執行以下操作：

根據文檔生成包含文檔內容及其關鍵屬性的邏輯樹，遍歷該邏輯樹，按照提取規則將該邏輯樹形成為按照所述內容對象結構表達的內容對象列表。

9.根據權利要求7或8所述的系統，其特征在于，還包括用戶設置界面，結構提取單元通過用戶設置界面向用戶提供文檔小樣或根據文檔小樣生成的邏輯樹中所包含的各部分內容及其關鍵屬性，用戶根據所提供的信息設置內容對象結構及其提取規則。