[發(fā)明專利]文檔處理系統(tǒng)和方法

無效

• 申請?zhí)枺?/td>: 201210272218.3
• 申請日: 2012-08-01
• 公開（公告）號: CN103577459A
• 公開（公告）日: 2014-02-12
• 發(fā)明（設計）人: 王東臨
• 申請（專利權(quán)）人: 天津書生投資有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種文檔處理系統(tǒng)和方法。

背景技術(shù)

信息可大致分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，其中以書面文檔和流媒體為主的非結(jié)構(gòu)化數(shù)據(jù)根據(jù)資料統(tǒng)計占有量超過百分之七十。結(jié)構(gòu)化數(shù)據(jù)的結(jié)構(gòu)比較簡單，即一個二維表結(jié)構(gòu)，其處理技術(shù)以數(shù)據(jù)為代表，主要是利用數(shù)據(jù)庫系統(tǒng)進行處理，從上世紀七八十年代開始發(fā)展，到九十年代達到頂峰，研發(fā)和應用已經(jīng)比較成熟。非結(jié)構(gòu)化數(shù)據(jù)則沒有固定數(shù)據(jù)結(jié)構(gòu)，因此對非結(jié)構(gòu)化數(shù)據(jù)的處理非常的復雜。

目前處理各種非結(jié)構(gòu)化文檔的軟件已經(jīng)比較普及，形成了多種文檔格式林立的狀況。例如，文檔編輯目前就存在Microsoft的word、WPS、永中的Office、Red的Office等。通常，一個內(nèi)容管理軟件往往要處理二三百種文檔格式，而且這些格式還在不斷更新，給這類軟件的開發(fā)帶來了巨大的困難。如何解決文檔通用性、進行數(shù)字內(nèi)容提取、格式兼容越來越成為人們的關(guān)注點，人們迫切希望解決以下問題：

1）文檔不通用：

基本上，不同用戶只能交換同一種軟件處理的文檔，無法交換不同軟件處理的文檔，形成信息封閉。

2）訪問接口不統(tǒng)一、數(shù)據(jù)兼容代價太高：

不同的文檔處理軟件之間，文件格式互不兼容，在處理過程中要么利用對方組件解析（前提是對方提供相應接口），要么自己投入研發(fā)力量從頭到尾的解析對方的格式。

3）信息安全較差：

目前針對書面文檔的權(quán)限控制手段單一，主要是數(shù)據(jù)加密、口令認證。因為信息泄露，每年造成巨大損失的公司案例層出不窮。

4）都是針對單個文檔的處理，缺乏多文檔管理手段：

每個人電腦中都有大量文檔，但多個文檔之間缺乏有效的組織管理，而且資源共享很難。如，字庫/字體文件、全文數(shù)據(jù)檢索等。

5）頁面分層的技術(shù)不完善：

目前一些軟件，如Adobe的photoshop，Microsoft的word，多多少少已經(jīng)有層的概念，但層的功能還比較單一，管理手段比較簡單，不能滿足應用需求。

6）檢索手段不夠豐富：

隨著信息的海量化，用任何一個關(guān)鍵詞來搜索都會得到數(shù)量龐大的檢索結(jié)果，全文檢索技術(shù)基本解決了查全率的問題，但查準率迅速上升為首要問題。現(xiàn)有技術(shù)還沒有很充分地利用全部信息來解決查準率問題，例如每個文字的字體、字號完全可以用來判斷該文字的重要性，但都在檢索時被忽略了。

雖然各大公司目前都努力將自己特有的文檔格式發(fā)展為市場標準，各標準組織也致力于制訂通用的文檔格式標準。但不管是專有的文檔格式（如.doc）還是開放的文檔格式（如PDF），只要是以文檔格式為標準，就不可避免產(chǎn)生以下問題：

a）重復開發(fā)，效果不統(tǒng)一：

使用同一標準的不同軟件都需要自己去解釋、生成該格式的文檔，造成大量重復開發(fā)，而且會因為各家解釋程序不同，例如有的完善有的相對簡單，有的支持新版本有的只支持舊版本數(shù)據(jù)，同一文檔在不同軟件下顯現(xiàn)出不同的版式，甚至出現(xiàn)解釋錯誤導致無法打開文檔。

b）阻礙創(chuàng)新：

軟件是不斷創(chuàng)新的行業(yè)，但由于每增加一個新功能就需要增加描述該功能的信息，而且只有等到標準修訂的時候才能增加新的格式，因此把存儲格式固定死，將會妨礙技術(shù)創(chuàng)新的競爭。

c）影響檢索性能：

對海量信息，需要增加大量的檢索信息以提高檢索性能，但固定死的存儲格式難以增加檢索信息

d）影響可移植性和可伸縮性：

在不同的系統(tǒng)環(huán)境下，不同的應用需求，可能會有不同的存儲要求。例如，存儲在硬盤上就需要考慮如何減少磁頭尋道的次數(shù)以提高性能，而在嵌入式應用中數(shù)據(jù)都相當于存儲在內(nèi)存中的，就不存在這個問題。例如，同一個廠商的數(shù)據(jù)庫軟件在不同平臺上就可能會使用不同的存儲格式。因此，設置文檔存儲標準將會影響系統(tǒng)的可移植性和可伸縮性。

現(xiàn)有技術(shù)中最開放、可交換性最好的文檔是Adobe?Acrobat的PDF。然而，雖然PDF已經(jīng)成為全球文檔分發(fā)、交換的事實標準，但也不能實現(xiàn)在不同的軟件之間交換PDF文檔，也就是說，不能實現(xiàn)PDF文檔的互操作性。而且，無論是Acrobat還是Office，都只能對單文檔進行處理，缺乏對多文檔的管理功能，不具備對文檔庫進行操作的功能。