[发明专利]医院门户网站门诊专家信息抽取系统

权利要求书

1.一种医院门户网站门诊专家信息抽取系统，其特征在于：主要包括如下2个步骤：

步骤一、查询接口的发现和筛选：

采用静态发现和动态筛选相结合的方式：

静态发现：主要是利用制定的规则，发现web页面中的查询表单；

但并非所有查询表单都是所需要的查询接口，因此，对于无法判断为查询接口的查询表单，采用动态筛选的方法，即通过“二次探测查询”的方式，根据服务器的返回结果进行二次判断：通过建立领域模型，对查询接口所属领域进行分类，利用领域关键词进行表单填写，从而实现多属性查询表单的二次查询且不需要进行“正负”2次查询，节省系统的开销；

步骤二、对于信息抽取过程中，噪声信息的过滤：

对于信息抽取时，噪声信息的过滤，采用网页分块重要度模型，所述模型根据网页分块的内容特征和空间特征，通过重要程度值的计算算法为其分配重要程度值，重要程度值高的分块，为待抽取内容。

2.根据权利要求1所述的医院门户网站门诊专家信息抽取系统，其特征在于：所述步骤一中，静态发现具体为：

将表单元素定义成为一个五元组： 

Form={{C₁,C₂,C₃…C_n},A,N,M,U}

上述元组中，{C₁,C₂,C₃…C_n}表示表单元素所包含的表单域控件；

A表示表单的Action属性，即接收处理表单元素的URL；

N表示表单元素的名称，即name值；

M表示表单提交的方法，即POST或GET，U表示表单元素所在的web页面的URL；

设集合T={Password,File,Textarea}，即表示由密码框、文件上传框以及多行文本框组成的集合，进行静态筛选时，遵循以下的规则：

（1）若                                                T，，则舍弃该Form表单；

（2）若A是属于外站的URL，则舍弃该Form表单；

（3）若n=1，则舍弃该Form表单（该表单可能是搜索引擎）。

3.根据权利要求1所述的医院门户网站门诊专家信息抽取系统，其特征在于：所述步骤一中，动态筛选具体为：

利用领域模型，选取领域关键词，对上述无法确定为查询接口的查询表单进行二次查询：故先给出（a）领域模型的定义，然后给出（b）构建领域模型的方法以及（c）查询接口的分类和判断方法。