[發明專利]一種表格數據的主題分析的方法和系統

有效

• 申請號: 201480040217.3
• 申請日: 2014-07-08
• 公開（公告）號: CN105378732B
• 公開（公告）日: 2019-11-12
• 發明（設計）人: D·K·拜倫;S·N·吉拉爾德;A·皮科夫斯基;M·B·薩恩切茨
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F17/24
• 代理公司: 中國國際貿易促進委員會專利商標事務所 11038
• 代理人: 鮑進

1.一種用于表格數據的主題分析的方法，所述方法包括：

接收包含所述表格數據的第一文檔；

使用特定于所述表格數據的第一主題域的引用來歸一化所述第一文檔中特定于所述表格數據的信息；

選擇用于所述第一主題域的函數簽名庫，其中，所述第一主題域的函數簽名庫中的函數簽名包含表示(i)第一單元格和第二單元格的函數關系和(ii)所述第一單元格和所述第二單元格的語義關系的表達，其中所述第一單元格是所述表格數據中的一單元格，其中所述函數關系描述所述第一單元格中第一值與所述第二單元格中第二值之間的函數依賴性，并且所述語義關系描述與所述第一單元格相關聯的第一標識符和與所述第二單元格關聯的第二標識符之間的組織關系；

確定來自所選庫的閾值數量的函數簽名是否適用于所述表格數據，其中當所述表格數據中的值與所述函數簽名中指定的操作和表格結構相對應時，函數簽名適用于所述表格數據；以及

響應于來自所選庫的閾值數量的所述函數簽名適用于所述表格數據，根據從用于相應主題域的多個處理中選出的用于所述第一主題域的處理使用處理器和存儲器處理所述第一文檔。

2.如權利要求1所述的方法，還包括：

選擇第二文檔中的表格數據的一部分；

分析所述部分中至少兩個值之間的函數關系；

使用來自所述第一主題域的通用等價信息代表所述函數關系中的特定于表格的信息，以形成所述函數簽名；以及

將所述函數簽名添加到對應于所述第二文檔的函數簽名的集合，以形成第一集合。

3.如權利要求2所述的方法，還包括：

選擇所述第一集合和對應于第三文檔的函數簽名的第二集合；

群集來自所述第一集合和所述第二集合的在類似性的閾值度量內彼此類似的那些函數簽名，以形成函數簽名的群集；以及

將所述函數簽名的群集添加到所述函數簽名庫。

4.如權利要求2所述的方法，還包括：

將所述函數關系中的特定于表格的信息和來自所述第一主題域的所述通用等價信息的組合存儲在對應于所述第一主題域的知識庫中。

5.如權利要求3所述的方法，還包括：

將來自所述第一集合和所述第二集合的在類似性的所述閾值度量內彼此不類似的那些函數簽名作為特定于文檔的函數簽名丟棄。

6.如權利要求1所述的方法，還包括：

接收要使用所述第一文檔回答的詢問；

使用對應于用于所述第一主題域的所述函數簽名庫的知識庫解析所述詢問；

根據所述解析選擇適合所述詢問的函數簽名；

從所述第一文檔的所述表格數據中的所選函數簽名應用的部分提取數據；

使用所提取的數據對所述詢問進行響應。

7.如權利要求6所述的方法，其中所述響應還包括：向自然語言處理應用發送所提取的數據，在所述自然語言處理應用中，將所提取的數據構成對所述詢問的自然語言響應。

8.如權利要求1所述的方法，其中所述處理所述第一文檔包括：

將所述第一文檔歸類為屬于所述第一主題域。

9.如權利要求1所述的方法，還包括：

響應于來自所選庫的閾值數量的所述函數簽名不適用于所述表格數據，

選擇用于第二主題域的第二函數簽名庫；

確定來自第二庫的閾值數量的函數簽名是否適用于所述表格數據；以及

響應于來自所述第二庫的閾值數量的所述函數簽名適用于所述表格數據，處理所述第一文檔。

10.一種計算機可用存儲介質，包含用于表格數據的主題分析的計算機可用代碼，所述計算機可用代碼用于實現權利要求1-9之一所述方法的步驟。

11.一種用于表格數據的主題分析的數據處理系統，所述數據處理系統包括：

包含存儲介質的存儲裝置，其中所述存儲裝置存儲計算機可用程序代碼；以及

處理器，其中所述處理器執行所述計算機可用程序代碼，并且其中所述計算機可用程序代碼用于實現權利要求1-9之一所述方法的步驟。