[發(fā)明專(zhuān)利]一種基于摘要方式的機(jī)器輔助閱讀審計(jì)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810142416.5
• 申請(qǐng)日: 2018-02-11
• 公開(kāi)（公告）號(hào): CN110162765A
• 公開(kāi)（公告）日: 2019-08-23
• 發(fā)明（設(shè)計(jì)）人: 韓中華;姜偉;徐福海;吳雪軍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 鼎復(fù)數(shù)據(jù)科技（北京）有限公司
• 主分類(lèi)號(hào): G06F17/27
• 分類(lèi)號(hào): G06F17/27
• 代理公司: 北京康思博達(dá)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11426
• 代理人: 范國(guó)鋒;劉冬梅

1.一種基于摘要方式的機(jī)器輔助閱讀審計(jì)方法，其特征在于，該方法包括以下步驟：

步驟100，錄入文本，并完成數(shù)據(jù)內(nèi)容及格式的解析；

步驟200，對(duì)解析后文本內(nèi)容進(jìn)行分類(lèi)，將相同分類(lèi)內(nèi)容進(jìn)行聚合并標(biāo)注類(lèi)別標(biāo)簽，形成帶類(lèi)別標(biāo)簽的功能區(qū)塊；

步驟300，抽取各功能區(qū)塊中相應(yīng)的摘要內(nèi)容；

步驟400，輸出摘要內(nèi)容，結(jié)合審閱人員的意見(jiàn)，形成審閱結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟100中，所述解析包括將錄入文本格式轉(zhuǎn)化為純文本格式；

優(yōu)選地，錄入文本為Word文檔或PDF文檔格式，將文檔中的內(nèi)容解析為XML數(shù)據(jù)，再通過(guò)解析XML數(shù)據(jù)獲得純文本格式文本。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟100中，所述解析還包括順序給予解析后文本中子句相應(yīng)的編號(hào)，并以編號(hào)形成句子索引。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟200中，采用邏輯回歸方法構(gòu)建分類(lèi)模型，進(jìn)行文本內(nèi)容分類(lèi)；優(yōu)選地，以段落為基本單位進(jìn)行文本內(nèi)容分類(lèi)。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟200中，分類(lèi)模型構(gòu)建包括訓(xùn)練過(guò)程和測(cè)試過(guò)程：

訓(xùn)練過(guò)程：將語(yǔ)料標(biāo)注為所屬的類(lèi)別，形成訓(xùn)練樣本；提取訓(xùn)練樣本的特征來(lái)訓(xùn)練模型；

測(cè)試過(guò)程：采用標(biāo)注的或未標(biāo)注語(yǔ)料作為測(cè)試樣本；提取測(cè)試樣本的特征后加載模型，獲得分類(lèi)結(jié)果；根據(jù)分類(lèi)結(jié)果對(duì)模型進(jìn)行調(diào)整，至獲得分類(lèi)準(zhǔn)確性高的模型；

其中，模型訓(xùn)練過(guò)程或者實(shí)際分類(lèi)過(guò)程中的特征提取過(guò)程包括：解析文檔結(jié)構(gòu)，并將篇章結(jié)構(gòu)信息形成樹(shù)形文檔結(jié)構(gòu)；通過(guò)該樹(shù)形文檔結(jié)構(gòu)將文檔各級(jí)標(biāo)題置于相應(yīng)文檔正文前，形成標(biāo)題+正文的內(nèi)容形式，以此內(nèi)容形式中文本為基礎(chǔ)進(jìn)行特征提取。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟300中，根據(jù)區(qū)塊特點(diǎn)，對(duì)每一個(gè)功能區(qū)塊訓(xùn)練相應(yīng)的機(jī)器模型，抽取相應(yīng)的摘要內(nèi)容。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，步驟300中，除對(duì)每一個(gè)功能區(qū)塊訓(xùn)練相應(yīng)的機(jī)器模型外，還針對(duì)整篇文本訓(xùn)練普適性機(jī)器模型；

優(yōu)選地，采用針對(duì)各功能區(qū)塊的機(jī)器模型、以及普適性機(jī)器模型共同確定各功能區(qū)塊的摘要內(nèi)容。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟300中，摘要抽取的最小選取單位為子句，子句為以逗號(hào)、句號(hào)、問(wèn)號(hào)、感嘆號(hào)、分號(hào)分隔形成的短句；經(jīng)句子選取模型處理后，取排序高的前n句內(nèi)容對(duì)應(yīng)的子句作為摘要結(jié)果，其中n值可根據(jù)需求調(diào)整。

9.一種用于實(shí)施上述權(quán)利要求1至8之一所述方法的系統(tǒng)，該系統(tǒng)包括：

錄入解析模塊，用于錄入文本，并完成數(shù)據(jù)內(nèi)容及格式的解析；

分塊分類(lèi)模塊，用于對(duì)解析后文本內(nèi)容進(jìn)行分類(lèi)，將相同分類(lèi)內(nèi)容進(jìn)行聚合并標(biāo)注類(lèi)別標(biāo)簽，形成帶類(lèi)別標(biāo)簽的功能區(qū)塊；

摘要抽取模塊，用于抽取各功能區(qū)塊中相應(yīng)的摘要內(nèi)容；

摘要輸出編輯模塊，用于輸出摘要內(nèi)容，結(jié)合審閱人員的意見(jiàn)，形成審閱結(jié)果。

10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，摘要輸出編輯模塊包括摘要輸出子模塊、摘要顯示子模塊和摘要編輯子模塊：

摘要輸出子模塊，用于接收摘要抽取模塊指示，根據(jù)摘要抽取模塊確定的抽取內(nèi)容，將相應(yīng)子句編號(hào)傳送至摘要顯示子模塊；

摘要顯示子模塊，用于接收摘要輸出子模塊發(fā)送的子句編號(hào)信息進(jìn)行子句內(nèi)容顯示；接收摘要編輯子模塊發(fā)送的編輯指令，刪除相應(yīng)的子句或顯示審閱人員編輯的意見(jiàn)；

摘要編輯子模塊，接收啟動(dòng)編輯狀態(tài)指示并啟動(dòng)編輯狀態(tài)，接收編輯指令并傳遞至摘要顯示子模塊，實(shí)施顯示內(nèi)容編輯。