[发明专利]一种文档结构化组织方法及装置

权利要求书

1.一种文档结构化组织方法，其特征在于，包括：

获得具有层次化结构的主题框架；

利用所述主题框架中的主题文本构成搜索条件；

利用所述搜索条件在预置的文档集合内进行搜索；

根据搜索结果与搜索条件的匹配情况，将文档添加到所述主题框架中的相应主题文档集合中。

2.根据权利要求1所述的方法，其特征在于，所述获得具有层次化结构的主题框架，包括：

从已知的网站或图书中，提取目录内容，形成具有层次化结构的主题框架。

3.根据权利要求1所述的方法，其特征在于，所述获得具有层次化结构的主题框架，包括：

以目录特征词构成搜索条件，通过搜索发现包含目录内容的资源；

从所发现的资源中，提取目录内容，形成具有层次化结构的主题框架。

4.根据权利要求1所述的方法，其特征在于，所述利用所述主题框架中的主题文本构成搜索条件，包括：

去除所述主题文本中的目录特征词，以剩余内容构成搜索条件。

5.根据权利要求1所述的方法，其特征在于，所述利用所述主题框架中的主题文本构成搜索条件，包括：

利用所述层次化结构中每个节点的内容分别构成单一搜索条件。

6.根据权利要求5所述的方法，其特征在于，所述利用所述搜索条件在预置的文档集合内进行搜索，包括：

利用节点A内容所构成的搜索条件，在预置的文档集合内进行搜索，得到第一搜索结果；

利用节点A的父节点内容所构成的搜索条件，在所述第一搜索结果中进行搜索，得到第二搜索结果；

其中，节点A为所述层次化结构中除根节点之外的任意一个节点。

7.根据权利要求6所述的方法，其特征在于，所述根据搜索结果与搜索条件的匹配情况，将文档添加到所述主题框架中的相应主题文档集合中，包括：

将第二搜索结果中的文档，添加到节点A对应的主题文档集合中；

或者

在所述第二搜索结果的数量不满足预设需求的情况下，将第一搜索结果中的文档，添加到节点A对应的主题文档集合中。

8.根据权利要求1所述的方法，其特征在于，所述利用所述主题框架中的主题文本构成搜索条件，包括：

利用所述层次化结构中具有继承关系的至少两级节点的文本内容构成复合搜索条件。

9.根据权利要求8所述的方法，其特征在于，所述根据搜索结果与搜索条件的匹配情况，将文档添加到所述主题框架中的相应主题文档集合中，包括：

将符合所述复合搜索条件的文档，添加到所述至少两级节点中最低级节点对应的主题文档集合中。

10.根据权利要求1所述的方法，其特征在于，所述根据搜索结果与搜索条件的匹配情况，将文档添加到所述主题框架中的相应主题文档集合中，包括：

计算所述搜索结果与所述搜索条件的文本相似度，将相似度满足预设要求的搜索结果添加到所述主题框架中的相应主题文档集合中。

11.一种文档结构化组织装置，其特征在于，包括：

主题框架获得单元，用于获得具有层次化结构的主题框架；

搜索条件构成单元，用于利用所述主题框架中的主题文本构成搜索条件；

搜索单元，用于利用所述搜索条件在预置的文档集合内进行搜索；

组织单元，用于根据搜索结果与搜索条件的匹配情况，将文档添加到所述主题框架中的相应主题文档集合中。

12.根据权利要求11所述的装置，其特征在于，所述主题框架获得单元，具体用于：

从已知的网站或图书中，提取目录内容，形成具有层次化结构的主题框架。