[發明專利]文檔處理

有效

• 申請號: 201810691975.1
• 申請日: 2018-06-28
• 公開（公告）號: CN109213870B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: J·R·普里斯塔斯;T·L·奧加拉;B·薩卡萊努;U·博萬;M·考克蘭;P·薩里斯丹;J·弗德;T·D·佩里;T·M·加夫尼;M·H·福托普洛斯
• 申請（專利權）人: 埃森哲環球解決方案有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 酆迅;黃捷

一種文檔處理系統接收電子文檔，該電子文檔包括從各種源生成的具有不同格式的組件文檔。除了格式化信息和結構化信息之外，還可以從電子文檔中提取純文本數據。純文本數據被劃分為區段，并從這些區段中提取和鏈接各種實體。根據樣式信息對顯示包括純文本數據的內容的交互式圖形用戶界面(GUI)進行格式化，并且從所鏈接的實體確定注釋實體關系。GUI使得能夠對注釋實體關系進行用戶編輯。

相關申請的交叉引用

本申請是于2018年1月24日提交的美國非臨時專利申請序列號15/879,031的部分繼續申請，其又要求于2017年6月30日提交的美國臨時專利申請序列號62/527,441的優先權，這些申請的公開內容明確地通過引用整體并入本文。

背景技術

各種類型的表單或文檔被廣泛用于收集用于各種目的的信息。醫療、商業、教育和政府組織使用各種格式的文檔來收集信息和用于保存記錄的目的。計算機和通訊網絡的出現導致文檔被移到網上，使得人們不再需要在紙張上填寫表單。另外，現在包括紙質文檔的電子副本和經掃描副本在內的數字化記錄使用計算機生成。這些電子文檔通過通信網絡共享，從而節省了生成和交換紙質文檔可能所需的時間和資源。

這些文檔可以包含結構化和非結構化格式的數據。結構化文檔可以具有嵌入代碼，其使得能夠以指定格式安排信息。非結構化文檔包括自由形式的布置，其中原始文檔中的信息的結構、樣式和內容可能無法得以保留。對于保存記錄的實體來說，創建并存儲可能包括來自多個源的內容的大型非結構化電子文檔并不少見。

通常，各種企業系統希望利用來自電子文檔的信息以執行操作。以編程方式從具有明確定義或組織的數據模型的結構化文檔中提取信息相對容易，諸如從表單中的字段提取數據(例如，表格式布置中的數據)，其中這些字段位于表單中的已知位置中。然而，當電子文檔包括大型非結構化文檔(諸如上文所討論的非結構化文檔的類型)時，提取執行企業系統或其他類型系統的操作可能需要的信息在技術上很困難。這種類型的非結構化文檔通常沒有明確定義的數據模型，因此難以可靠地以編程方式解析并從文檔中提取所需的信息。

附圖說明

通過以下附圖中所示的示例對本公開的特征進行說明。在以下附圖中，相同的數字指示相同的元件，其中

圖1是示出了按照本文中所描述的示例的文檔處理系統的框圖。

圖2是示出了按照本文中所描述的示例的文檔處理器的細節的框圖。

圖3示出了按照本文中所公開的示例的實體處理器的框圖。

圖4是詳述了按照本文中所公開的示例的導出實體關系的方法的流程圖。

圖5示出了詳述了按照本文中所描述的示例的將非結構化文檔轉換為標記文檔的方法的流程圖。

圖6是詳述了按照本文中所描述的示例的處理文檔并從所處理的文檔中提取信息的方法的流程圖。

圖7示出了詳述了按照本文中所描述的示例的生成經過濾的分段文檔的方法的流程圖。

圖8至圖10示出了按照本文中所描述的示例的文檔處理系統的圖形用戶界面(GUI)。

圖11示出了按照本文中所描述的示例的可以用于實現文檔處理系統的計算機系統。

具體實施方式

出于簡單和說明的目的，本公開主要參照其示例來進行描述。在以下描述中，闡述了許多具體細節以提供對本公開的透徹理解。然而，顯而易見的是，可以實踐本公開而不限于這些具體細節。在其他實例中，一些方法和結構尚未被詳細描述以免不必要地模糊本公開。貫穿本公開，術語“一”和“一個”旨在表示特定元件中的至少一個。如本文中所使用的，術語“包括(includes)”意指包括但不限于，術語“包括(including)”意指包括但不限于。術語“基于”意指至少部分地基于。