[發(fā)明專利]一種結(jié)構(gòu)化文檔的生成方法、裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201811640368.9
• 申請日: 2018-12-29
• 公開（公告）號: CN109783787A
• 公開（公告）日: 2019-05-21
• 發(fā)明（設(shè)計）人: 張海勇
• 申請（專利權(quán)）人: 遠光軟件股份有限公司
• 主分類號: G06F17/24
• 分類號: G06F17/24;G06F17/22
• 代理公司: 深圳市威世博知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44280
• 代理人: 何倚雯

1.一種結(jié)構(gòu)化文檔的生成方法，其特征在于，所述方法包括：

獲取預設(shè)格式的待處理財務(wù)制度文檔；

對所述待處理財務(wù)制度文檔進行段落劃分處理，將所述待處理財務(wù)制度文檔劃分為以段落為單元的段落文本；

獲取所述段落文本對應(yīng)的關(guān)鍵詞；

將所述關(guān)鍵詞作為指令信息、將所述關(guān)鍵詞對應(yīng)的所述段落文本作為知識信息輸入至預設(shè)的文檔模板，以生成結(jié)構(gòu)化文檔。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述獲取所述段落文本對應(yīng)的關(guān)鍵詞包括：

利用TF-IDF算法獲取所述段落文本對應(yīng)的關(guān)鍵詞。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述對所述待處理財務(wù)制度文檔進行段落劃分處理包括：

調(diào)用TexTiling算法，根據(jù)語義和/或詞頻對所述待處理財務(wù)制度文檔進行段落劃分處理。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述獲取所述段落文本對應(yīng)的關(guān)鍵詞之前，包括：

利用分詞技術(shù)和對應(yīng)財務(wù)制度類型的語料庫，對所述段落文本進行分詞，以得到所述段落文本的分詞集合。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取預設(shè)格式的待處理財務(wù)制度文檔之前，所述方法包括：

獲取初始財務(wù)制度文檔；

基于所述初始財務(wù)制度文檔的屬性信息判斷所述初始財務(wù)制度文檔是否是所述待處理財務(wù)制度文檔；其中，所述屬性信息包括文檔的格式、文檔的名稱、文檔的類型中至少一項。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，當判斷所述初始制度文檔為所述待處理財務(wù)制度文檔后，所述獲取預設(shè)格式的待處理財務(wù)制度文檔包括：

接收所述初始財務(wù)制度文檔；

判斷所述待處理財務(wù)制度文檔的文檔內(nèi)容類型，所述文檔內(nèi)容類型包括：文本類型、圖片類型和表格類型；

基于所述待處理財務(wù)制度文檔的文檔內(nèi)容類型，提取所述初始財務(wù)制度文檔中的文本信息和/或數(shù)據(jù)信息，并輸出為所述預設(shè)格式的所述待處理財務(wù)制度文檔，其中，所述預設(shè)格式為字符串格式。

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述獲取預設(shè)格式的待處理財務(wù)制度文檔之后，所述方法還包括：

基于所述文檔的名稱確定所述待處理財務(wù)制度文檔的類型，和/或判斷所述待處理財務(wù)制度文檔是否有對應(yīng)的歷史結(jié)構(gòu)化文檔，其中，所述文檔的類型為預設(shè)的文檔所屬領(lǐng)域中的一個。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，當判斷所述待處理財務(wù)制度文檔有對應(yīng)的歷史結(jié)構(gòu)化文檔時，在所述生成結(jié)構(gòu)化文檔步驟之后，所述方法還包括：

響應(yīng)用戶指令，調(diào)取所述歷史結(jié)構(gòu)化文檔，生成所述結(jié)構(gòu)化文檔和所述歷史結(jié)構(gòu)化文檔的對比結(jié)構(gòu)化文檔。

9.一種結(jié)構(gòu)化文檔的生成裝置，其特征在于，所述裝置包括相互連接的處理器和存儲器；

其中，所述存儲器用于存儲程序數(shù)據(jù)；

所述處理器用于運行所述程序數(shù)據(jù)，以執(zhí)行如權(quán)利要求1～8任一項所述的方法。

10.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)存儲有程序數(shù)據(jù)，所述程序數(shù)據(jù)被執(zhí)行時實現(xiàn)如權(quán)利要求1～8任一項所述的方法。