[發明專利]一種信息提取方法及系統

有效

• 申請號: 202010397905.2
• 申請日: 2020-05-12
• 公開（公告）號: CN111563204B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 崔旭明
• 申請（專利權）人: 廣州啟鵬信息科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 杭州創智卓英知識產權代理事務所(普通合伙) 33324
• 代理人: 張迪

1.一種信息提取方法，其特征在于，包括：

步驟1：獲取用戶輸入的需求信息；

步驟2：基于所述需求信息生成網頁獲取請求；

步驟3：基于所述網頁獲取需求獲取至少一個待提取網頁；

步驟4：獲取預先輸入的對應于所述需求信息的至少一個提取項；

步驟5：基于所述提取項從所述待提取網頁提取對應于所述提取項的網頁信息，具體包括如下步驟：

解析所述提取項，獲取提取項對應的提取關鍵詞和預設與所述關鍵詞關聯的至少一個特征詞；

解析所述待提取網頁中的文字信息，定位所述關鍵詞在所述待提取網頁中的文字信息出現的位置，提取關鍵詞前后預設長度的文字信息作為所述提取項對應的網頁信息；

和/或，

在所述待提取網頁中查找特征詞，解析所述特征詞前后預設長度的文字信息是否與所述提取項關聯，當與所述提取項關聯時提取所述特征詞作為所述提取項對應的網頁信息；

步驟6：打開所述待提取網頁中的附件文檔，基于所述提取項從所述附件文檔的內容中提取對應于所述提取項的文檔信息；

步驟7：將所述文檔信息和所述網頁信息填入預設模板中對應所述提取項的位置，做成信息提取結果并輸出。

2.如權利要求1所述的一種信息提取方法，其特征在于，所述提取項包括：項目名稱、優惠政策、評定時間、評定材料要求、申報項目的企業條件要求、項目指標要求中一種或多種結合。

3.如權利要求1所述的一種信息提取方法，其特征在于，所述需求信息包括企業名稱、意向部門、意向時間、企業所屬區域中一種或多種結合。

4.如權利要求1所述的一種信息提取方法，其特征在于，所述附件文檔包括PDF文檔、DOC文檔、XLS文檔中一種或多種結合。

5.如權利要求1所述的一種信息提取方法，其特征在于，所述信息提取結果中的所述提取項對應的所述網頁信息和所述文檔信息為多個，且所述信息提取結果還包括：每個所述網頁信息的源網頁鏈接和每個所述文檔信息的源文檔鏈接。

6.如權利要求1所述的一種信息提取方法，其特征在于，所述步驟2：基于所述需求信息生成網頁獲取請求，具體包括：

解析所述需求，獲取企業名稱、意向部門和企業所屬區域；

基于所述企業名稱、所述意向部門和所述企業所屬區域，在預先存儲的網址庫中確定至少一個項目發布的網址；

所述步驟3：基于所述網頁獲取需求獲取至少一個待提取網頁；具體包括：

打開所述項目發布的網址，獲取發布網址中超鏈接的網頁。

7.如權利要求1所述的一種信息提取方法，其特征在于，還包括：在所述步驟4和步驟5之間還包括：

步驟11：獲取歷史信息提取記錄，所述歷史提取記錄中所述待提取網頁、所述提取項和信息提取結果一一對應存儲；

步驟12：當所述待提取網頁未在所述歷史信息提取記錄中時，直接根據所述待提取網頁和所述提取項從所述歷史信息提取記錄中獲取所述信息提取結果；

步驟13：當所述待提取網頁未在所述歷史信息提取記錄中時，執行步驟5。

8.一種信息提取系統，其特征在于，包括：

需求獲取模塊，用于獲取用戶輸入的需求信息；

網頁獲取請求模塊，用于基于所述需求信息生成網頁獲取請求；

網頁獲取模塊，用于基于所述網頁獲取需求獲取至少一個待提取網頁；

提取項確定模塊，用于獲取預先輸入的對應于所述需求信息的至少一個提取項；

網頁信息提取模塊，用于基于所述提取項從所述待提取網頁提取對應于所述提取項的網頁信息；

網頁信息提取模塊執行包括如下步驟：

解析所述提取項，獲取提取項對應的提取關鍵詞和預設與所述關鍵詞關聯的至少一個特征詞；

解析所述待提取網頁中的文字信息，定位所述關鍵詞在所述待提取網頁中的文字信息出現的位置，提取關鍵詞前后預設長度的文字信息作為所述提取項對應的網頁信息；

和/或，

在所述待提取網頁中查找特征詞，解析所述特征詞前后預設長度的文字信息是否與所述提取項關聯，當與所述提取項關聯時提取所述特征詞作為所述提取項對應的網頁信息；

文檔信息提取模塊，用于打開所述待提取網頁中的附件文檔，基于所述提取項從所述附件文檔的內容中提取對應于所述提取項的文檔信息；

信息提取結果輸出模塊，用于將所述文檔信息和所述網頁信息填入預設模板中對應所述提取項的位置，做成信息提取結果并輸出。