[發(fā)明專利]一種公文特征提取方法、裝置、設(shè)備和介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011253863.1
• 申請日: 2020-11-11
• 公開（公告）號: CN112686012B
• 公開（公告）日: 2023-03-31
• 發(fā)明（設(shè)計）人: 黃敬林;莊莉;梁懿;林振天;池少寧;翁明東
• 申請（專利權(quán)）人: 福建億榕信息技術(shù)有限公司;國網(wǎng)信息通信產(chǎn)業(yè)集團有限公司;國網(wǎng)信通億力科技有限責(zé)任公司
• 主分類號: G06F40/186
• 分類號: G06F40/186
• 代理公司: 廣州京諾知識產(chǎn)權(quán)代理有限公司 44407
• 代理人: 軒青濤

本發(fā)明公開了一種公文特征提取方法，包括：公文提取模板定義過程和公文特征提取過程；通過可擴展標(biāo)記語言自定義公文提取模板，所述公文提取模板包括：附件提取標(biāo)識標(biāo)簽、拆分句子規(guī)則標(biāo)簽以及至少一個提取特征字段標(biāo)簽；然后根據(jù)公文提取模板中的附件提取標(biāo)識標(biāo)簽，獲取公文正文或公文正文及附件作為待提取公文，將待提取公文轉(zhuǎn)化為用可擴展標(biāo)記語言格式內(nèi)容；根據(jù)拆分句子規(guī)則標(biāo)簽將待提取公文進行句子拆分；根據(jù)提取特征字段標(biāo)簽逐句進行特征字段提取并輸出。本發(fā)明提供的一種公文特征提取方法、裝置、設(shè)備和介質(zhì)，通過定義公文特征提取模版，以搭積木的方式實現(xiàn)對非結(jié)構(gòu)化公文的特征提取，大大簡化對公文特征提取的難度。

技術(shù)領(lǐng)域

本發(fā)明涉及公文管理技術(shù)領(lǐng)域，特別涉及一種公文特征提取方法、裝置、設(shè)備和介質(zhì)。

背景技術(shù)

公文是法定機關(guān)與組織在公務(wù)活動中，按照特定的體式、經(jīng)過一定的處理程序形成和使用的書面材料，又稱公務(wù)文件。無論從事專業(yè)工作，還是從事行政事務(wù)，都要學(xué)會通過公文來傳達政令政策、處理公務(wù)，以保證協(xié)調(diào)各種關(guān)系，決定事務(wù)使工作正確地、高效地進行。公文特征提取是針對公文內(nèi)容深度分析的主要手段，隨著人工智能、自然語言處理、文本挖掘等相關(guān)技術(shù)的不斷深入，對公文特征提取的手段也不斷豐富。

現(xiàn)階段公文特征提取系統(tǒng)主要局限于在已有的元數(shù)據(jù)中進行梳理，形成完整的元數(shù)據(jù)相關(guān)標(biāo)準(zhǔn)，還未有針對公文非結(jié)構(gòu)化文件提取特征的系統(tǒng)。現(xiàn)有針對公文特征提取的方法主要是通過對已有的元數(shù)據(jù)進行分析及非結(jié)構(gòu)化文件段落內(nèi)容提取形成公文特征信息，主要通過關(guān)鍵詞提取、分詞等相關(guān)技術(shù)來實現(xiàn)。

現(xiàn)有公文特征提取系統(tǒng)主要存在代碼復(fù)雜、可復(fù)用性不強等特點。需要針對不同的文檔編寫代碼進行特征的抽取，需要耗費大量的人員投入。對提取的特征信息很難具像化的呈現(xiàn)，代碼難于調(diào)試與修改，給文檔智能化的應(yīng)用帶來巨大的難題和難以突破的業(yè)務(wù)點。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題，在于提供一種公文特征提取方法、裝置、設(shè)備和介質(zhì)，通過定義公文特征提取模版，以搭積木的方式實現(xiàn)對非結(jié)構(gòu)化公文的特征提取，大大簡化對公文特征提取的難度。

第一方面，本發(fā)明提供了一種公文特征提取方法，包括：公文提取模板定義過程和公文特征提取過程；

所述公文提取模板定義過程包括：

通過可擴展標(biāo)記語言自定義公文提取模板，所述公文提取模板包括：附件提取標(biāo)識標(biāo)簽、拆分句子規(guī)則標(biāo)簽以及至少一個提取特征字段標(biāo)簽；所述附件提取標(biāo)識標(biāo)簽用于定義提取文件特征時是否包含公文中的附件；所述拆分句子規(guī)則標(biāo)簽用于定義公文的句子拆分規(guī)則；所述提取特征字段標(biāo)簽用于定義提取公文特征字段的內(nèi)容和方式；

所述公文特征提取過程包括：

根據(jù)公文提取模板中的附件提取標(biāo)識標(biāo)簽，獲取公文正文或公文正文及附件作為待提取公文，將待提取公文轉(zhuǎn)化為用可擴展標(biāo)記語言格式內(nèi)容；

根據(jù)拆分句子規(guī)則標(biāo)簽將待提取公文進行句子拆分；

根據(jù)提取特征字段標(biāo)簽逐句進行特征字段提取并輸出。

進一步地，所述提取特征字段標(biāo)簽包括：按句提取特征字段標(biāo)簽、分組提取特征字段標(biāo)簽以及按段落拆分提取標(biāo)簽；

所述按句提取特征字段標(biāo)簽用于按句提取公文特征字段的信息，所述按句提取特征字段標(biāo)簽用正則表達式定義；

所述分組提取特征字段標(biāo)簽用于以分組的形式提取公文特征字段的信息，所述分組提取特征字段標(biāo)簽可嵌套按句提取特征字段的規(guī)則；

所述按段落拆分提取標(biāo)簽用于按段拆分提取公文特征字段的信息，所述按段落拆分提取標(biāo)簽可嵌套按句提取特征字段的規(guī)則。