[發明專利]政策文件處理方法及裝置

有效

• 申請號: 201811158101.6
• 申請日: 2018-09-30
• 公開（公告）號: CN110968757B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 冉守旭
• 申請（專利權）人: 北京國雙科技有限公司
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F40/14;G06F40/289
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種政策文件處理方法，其特征在于，包括：

對包含政策文件的網頁進行爬取，獲得超文本標記語言文件；

對所述超文本標記語言文件進行替換處理：將所述超文本標記語言文件中的各超文本標記語言標簽替換為一個空格，將所述超文本標記語言文件中連續的空格替換為一個空格；

將進行所述替換處理后的超文本標記語言文件確定為待處理的政策文件；

從所述政策文件中獲得至少一種文件信息；

將所述文件信息與預設的政策對象組中各政策對象的對象信息進行對比，根據對比結果將所述預設的政策對象組中的至少一個政策對象確定為所述政策文件的政策對象，包括：

將所述文件信息與所述預設的政策對象組中各政策對象的用戶畫像標簽進行對比，對所述預設的政策對象組中每一個政策對象：確定所述政策對象的用戶畫像標簽中標簽等級高于預設等級的各用戶畫像標簽在所述文件信息中的出現次數的和；

將出現次數的和大于第三次數的政策對象確定為所述政策文件的政策對象。

2.根據權利要求1所述的方法，其特征在于，所述文件信息包括文號和標題，所述從所述政策文件中獲得至少一種文件信息，包括：

通過正則表達式從所述政策文件中獲得文號；

確定獲得的所述文號之前的字符的數量是否大于第一數量，如果是，則判斷所述文號之前最近的兩個字符是否為“文件”二字，如果是，則將所述文號之后的多個字符確定為標題；否則，將所述文號之前的全部字符確定為標題。

3.根據權利要求2所述的方法，其特征在于，所述將所述文號之后的多個字符確定為標題，包括：

將所述文號之后且與所述文號最近的字符確定為當前字符，判斷所述當前字符是否為空格，如果不為空格，則將當前字符之后且與該當前字符最近的字符確定為當前字符，返回執行所述判斷所述當前字符是否為空格的步驟；

如果為空格，則判斷所述當前字符與所述文號之間的字符的數量是否大于第二數量，如果大于第二數量，則將所述當前字符與所述文號之間的字符確定為標題；如果不大于第二數量，則將當前字符之后且與該當前字符最近的字符確定為當前字符，返回執行所述判斷所述當前字符是否為空格的步驟。

4.根據權利要求1所述的方法，其特征在于，所述文件信息包括發布日期和發布機構，所述從所述政策文件中獲得至少一種文件信息，包括：

通過正則表達式從所述政策文件中獲得發布日期；

確定所述發布日期之前的字符中距離所述發布日期最近的兩個空格，將所述兩個空格之間的字符確定為發布機構。

5.根據權利要求1所述的方法，其特征在于，還包括：

根據獲得的所述文件信息對所述政策文件進行分析，獲得所述政策文件的政策信息。

6.根據權利要求5所述的方法，其特征在于，所述政策信息包括：政策行政等級、政策領域、與其他政策文件的政策關系中的至少一種，

在所述文件信息包括發布機構且所述政策信息包括政策行政等級時，所述根據獲得的所述文件信息對所述政策文件進行分析，獲得所述政策文件的政策信息，包括：

將所述發布機構的行政等級確定為所述政策文件的政策行政等級；

在所述文件信息包括：標題、關鍵詞、摘要中的至少一種且所述政策信息包括政策領域時，所述根據獲得的所述文件信息對所述政策文件進行分析，獲得所述政策文件的政策信息，包括：

將所述文件信息與預設的領域詞匯庫中各領域對應的詞匯組中的詞匯進行對比，確定所述文件信息與各領域對應的詞匯組的相似度；將相似度最高的詞匯組對應的領域確定為所述政策文件的政策領域；

在所述文件信息包括關鍵詞，且所述政策信息包括與其他政策文件的政策關系時，所述根據獲得的所述文件信息對所述政策文件進行分析，獲得所述政策文件的政策信息，包括：

確定所述待處理的政策文件的關鍵詞分別與其他政策文件的關鍵詞的相似度，將關鍵詞的相似度高于預設相似度的兩個政策文件的政策關系確定為關聯關系。