[發(fā)明專利]一種提取企業(yè)內(nèi)部組織架構(gòu)信息的方法和裝置

在審

• 申請?zhí)枺?/td>: 201710503067.0
• 申請日: 2017-06-27
• 公開（公告）號: CN107368470A
• 公開（公告）日: 2017-11-21
• 發(fā)明（設(shè)計(jì)）人: 席麗娜;李德彥;吳云鶴
• 申請（專利權(quán)）人: 北京神州泰岳軟件股份有限公司;中科鼎富（北京）科技發(fā)展有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30
• 代理公司: 北京三高永信知識產(chǎn)權(quán)代理有限責(zé)任公司11138
• 代理人: 江崇玉

技術(shù)領(lǐng)域

本發(fā)明涉及信息提取及文本挖掘領(lǐng)域，特別涉及一種提取企業(yè)內(nèi)部組織架構(gòu)信息的方法和裝置。

背景技術(shù)

大部分企業(yè)在運(yùn)作時(shí)都會產(chǎn)生大量的企業(yè)公文，企業(yè)的企業(yè)公文中包括大量有助于了解企業(yè)的有用信息。為了便于用戶快速了解企業(yè)，可以從企業(yè)公文中提取有用信息并顯示給用戶。

企業(yè)公文中常常包括企業(yè)的組織架構(gòu)信息等有用信息，例如，假設(shè)企業(yè)公文中包括“A公司的董事長為B”的信息，其中A為公司名稱，B為人名，該信息就是企業(yè)的組織架構(gòu)信息，用戶通過該組織架構(gòu)信息能夠快速了解該公司的組織架構(gòu)。

在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下問題：

目前企業(yè)組織架構(gòu)信息都是采用人工方式人企業(yè)公文中一一識別并提取，提取的效率和準(zhǔn)確性都較低。

發(fā)明內(nèi)容

為了提高提取組織架構(gòu)信息的效率和準(zhǔn)確性，本發(fā)明提供了一種提取企業(yè)內(nèi)部組織架構(gòu)信息的方法和裝置。所述技術(shù)方案如下：

第一方面，本發(fā)明提供了一種提取企業(yè)內(nèi)部組織架構(gòu)信息的方法，所述方法包括：

通過分詞系統(tǒng)和實(shí)體識別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的實(shí)體機(jī)構(gòu)名稱和人名名稱；

識別所述非結(jié)構(gòu)化文本文件中的組織關(guān)系詞語；

在所述組織關(guān)系詞語之前和/或之后確定有效短句范圍，所述有效短句范圍包括所述組織關(guān)系詞語與標(biāo)點(diǎn)符號之間的文字，所述標(biāo)點(diǎn)符號為在所述組織關(guān)系詞語之前或之后首次出現(xiàn)的除頓號以外的其他標(biāo)點(diǎn)符號；

提取所述組織關(guān)系詞語以及所述有效短句范圍內(nèi)的實(shí)體機(jī)構(gòu)名稱和人名名稱；

形成包括所述實(shí)體機(jī)構(gòu)名稱、所述組織關(guān)系詞語和所述人名名稱的組織關(guān)系表達(dá)式。

可選的，所述在所述組織關(guān)系詞語之前和/或之后確定有效短句范圍，包括：

在所述非結(jié)構(gòu)化文本文件中，從所述組織關(guān)系詞語開始向后搜索遍歷，直至搜索到首次出現(xiàn)除頓號以外的第一標(biāo)點(diǎn)符號時(shí)為止，在所述組織關(guān)系詞語和所述第一標(biāo)點(diǎn)符號之間的文字中包括被標(biāo)記的人名名稱時(shí)，將所述組織關(guān)系詞語和所述第一標(biāo)點(diǎn)符號之間的文字確定為有效短句范圍；

在所述非結(jié)構(gòu)化文本文件中，從所述組織關(guān)系詞語開始向前搜索遍歷，直至搜索到首次出現(xiàn)除頓號以外的第二標(biāo)點(diǎn)符號或段落開始位置時(shí)為止，將所述組織關(guān)系詞語和所述第二標(biāo)點(diǎn)符號之間的文字或所述組織關(guān)系詞語和所述段落開始位置之間的文字確定為有效短句范圍。

可選的，所述提取所述組織關(guān)系詞語以及所述有效短句范圍內(nèi)的實(shí)體機(jī)構(gòu)名稱和人名名稱之前，還包括：

判斷所述有效短句范圍內(nèi)的人名名稱的第一文字是否為預(yù)設(shè)姓氏詞典中的文字，如果不是，則去除對所述人名名稱的標(biāo)記；或者，

判斷所述有效短句范圍內(nèi)的人名名稱包括文字?jǐn)?shù)目是否超過預(yù)設(shè)數(shù)目閾值，如果是，則去除對所述人名名稱的標(biāo)記。

可選的，所述提取所述組織關(guān)系詞語以及所述有效短句范圍內(nèi)的實(shí)體機(jī)構(gòu)名稱和人名名稱之前，還包括：

獲取位于目標(biāo)人名名稱之后首次出現(xiàn)的標(biāo)點(diǎn)符號，以及獲取位于所述目標(biāo)人名名稱與所述標(biāo)點(diǎn)符號之間的第一文字串，所述目標(biāo)人名名稱為所述有效短句范圍內(nèi)的任一被標(biāo)記的人名名稱；

當(dāng)所述目標(biāo)人名名稱包括一個文字或兩個文字時(shí)，將所述目標(biāo)人名名稱與所述第一文字串組成人名名稱，或者在所述第一文字串的第一個文字或最后一個文字為列舉類型文字時(shí)，去除所述列舉類型文字得到第二文字串，將所述目標(biāo)人名名稱與所述第二文字串組成人名名稱。

可選的，所述形成包括所述實(shí)體機(jī)構(gòu)名稱、所述組織關(guān)系詞語和所述人名名稱的組織關(guān)系表達(dá)式之后，還包括：

根據(jù)形成的各組織關(guān)系表達(dá)式建立組織關(guān)系圖譜。

第二方面，本發(fā)明提供了一種提取企業(yè)內(nèi)部組織架構(gòu)信息的裝置，所述裝置包括：

標(biāo)記模塊，用于通過分詞系統(tǒng)和實(shí)體識別系統(tǒng)標(biāo)記非結(jié)構(gòu)化文本文件中包括的實(shí)體機(jī)構(gòu)名稱和人名名稱；

識別模塊，用于識別所述非結(jié)構(gòu)化文本文件中的組織關(guān)系詞語；

確定模塊，用于在所述組織關(guān)系詞語之前和/或之后確定有效短句范圍，所述有效短句范圍包括所述組織關(guān)系詞語與標(biāo)點(diǎn)符號之間的文字，所述標(biāo)點(diǎn)符號為在所述組織關(guān)系詞語之前或之后首次出現(xiàn)的除頓號以外的其他標(biāo)點(diǎn)符號；

提取模塊，用于提取所述組織關(guān)系詞語以及所述有效短句范圍內(nèi)的實(shí)體機(jī)構(gòu)名稱和人名名稱；

形成模塊，用于形成包括所述實(shí)體機(jī)構(gòu)名稱、所述組織關(guān)系詞語和所述人名名稱的組織關(guān)系表達(dá)式。

可選的，所述確定模塊包括：