[發(fā)明專利]一種政務(wù)電子文檔的內(nèi)容分析提取系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010002755.0
• 申請日: 2020-01-02
• 公開（公告）號: CN111178057A
• 公開（公告）日: 2020-05-19
• 發(fā)明（設(shè)計(jì)）人: 王知明;李杰
• 申請（專利權(quán)）人: 大漢軟件股份有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279
• 代理公司: 江蘇法德東恒律師事務(wù)所 32305
• 代理人: 劉林

1.一種政務(wù)電子文檔的內(nèi)容分析提取系統(tǒng)，其特征在于，可以實(shí)現(xiàn)兩個(gè)目的，分別如下：

(1)、提供對各種電子文檔的內(nèi)容抽取和html、asp、jsp、php等頁面內(nèi)容提取，同時(shí)提供對內(nèi)容的關(guān)鍵要素進(jìn)行提取，例如對于政務(wù)新聞提取標(biāo)題、內(nèi)容、時(shí)間、作者；對于政府信息公開除了提取新聞的要素外還提取索引號、文號、信息分類、發(fā)布機(jī)構(gòu)，支持按需擴(kuò)展自定義要素的規(guī)則；

(2)、提供并接受多種渠道的文檔內(nèi)容分析提取請求，并提供異步處理方案使系統(tǒng)之間解耦。

2.如權(quán)利要求1所述的一種政務(wù)電子文檔的內(nèi)容分析提取系統(tǒng)，其特征在于，所述目的(1)的技術(shù)方案如下：

a、接收文件；

b、判斷傳來的文件類型；

c、使用對應(yīng)文件類型的內(nèi)容抽取模塊來讀取整個(gè)文件內(nèi)容；

d、對于電子文檔繼續(xù)抽取文件的Metadata；

e、對于網(wǎng)頁文件抽取頁面的head中的title、meta；

f、對于電子文檔需要使用特征來分析內(nèi)容；

g、對于網(wǎng)頁需要使用密度以及規(guī)則來分析內(nèi)容；

h、將結(jié)果封裝成統(tǒng)一格式返回。

3.如權(quán)利要求1所述的一種政務(wù)電子文檔的內(nèi)容分析提取系統(tǒng)，其特征在于，所述目的(2)的技術(shù)方案如下：

同步：提供REST接口，對接系統(tǒng)可以POST文件或者URL地址，系統(tǒng)接收后同步處理將提取結(jié)果返回，期間對接系統(tǒng)需要等待；

異步：提供使用消息中間件的交互方式，對接系統(tǒng)將需要處理的文件或者URL發(fā)送給消息中間件，由消息中間件發(fā)送給文檔內(nèi)容分析提取系統(tǒng)，系統(tǒng)處理完畢后將結(jié)果返回給消息中間件，對接系統(tǒng)通過接收消息來處理結(jié)果，期間對接系統(tǒng)可以不用等待提取系統(tǒng)的結(jié)果反饋。