[发明专利]一种关键信息识别提取方法及系统

权利要求书

1.一种关键信息识别提取方法，其特征在于，包括如下步骤：

获取用户选择的目标路径，解析文件夹结构；

根据结构层级生成得到所述文件夹路径的标签树；

遍历标签树的各个节点内容，得到对应文件夹中的内容；

根据标签树的各个节点在数据库中生成存储目录；

对用户选取文件夹中的文档或图片进行识别，并将其转化为二进制数据，作为待分类样本；

令数据库中含有一个样本数据集，样本数据集中每个样本带有标签，通过标签能够获取样本数据集中每一个样本的分类；

当获取到一个没有标签的待分类样本时，将待分类样本与样本数据集中的每一个样本进行比较；

假设待分类样本作为测试节点，初始化样本距离为无穷大；

从根节点开始搜索，计算当前节点与测试节点之间的距离；

若当前节点与测试节点之间的距离小于样本距离，则将当前节点与测试节点之间的距离赋值给样本距离；

确定当前节点的划分维度；利用当前结点的划分阈值向下搜索，若测试样本当前维的值小于当前节点阈值，则搜索左子树，否则，搜索右子树；

采用递归的方式继续对上一步确定搜索的左子树或右子树进行搜索，获得样本距离；

找到与待分类样本最为相近的K个样本，并获取这K个样本的标签；K不小于3；

选择这K个样本标签中出现次数最多的分类，作为待分类样本的分类；

然后按照样本分类对应的标签得到识别内容。

2.根据权利要求1所述的关键信息识别提取方法，其特征在于，所述的K为5。

3.一种关键信息识别提取装置，其特征在于，包括：

预处理模块，用于获取用户选择的目标路径，解析文件夹结构，根据结构层级生成得到所述文件夹路径的标签树；

待分类样本获取模块，用于遍历标签树的各个节点内容，得到对应文件夹中的内容，根据标签树的各个节点在数据库中生成存储目录，之后对用户选取文件夹中的文档或图片进行识别，并将其转化为二进制数据，作为待分类样本；

样本距离获取模块，用于当获取到一个没有标签的待分类样本时，将待分类样本与样本数据集中的每一个样本进行比较；假设待分类样本作为测试节点，初始化样本距离为无穷大；从根节点开始搜索，计算当前节点与测试节点之间的距离；若当前节点与测试节点之间的距离小于样本距离，则将当前节点与测试节点之间的距离赋值给样本距离；确定当前节点的划分维度；利用当前结点的划分阈值向下搜索，若测试样本当前维的值小于当前节点阈值，则搜索左子树，否则，搜索右子树；采用递归的方式继续对确定搜索的左子树或右子树进行搜索，获得样本距离；

数据库中含有一个样本数据集，样本数据集中每个样本带有标签，通过标签能够获取样本数据集中每一个样本的分类；

内容识别模块，用于找到与待分类样本最为相近的K个样本，并获取这K个样本的标签；K不小于3，选择这K个样本标签中出现次数最多的分类，作为待分类样本的分类；然后按照样本分类对应的标签得到识别内容。

4.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至2任一项所述关键信息识别提取方法的步骤。

5.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至2任一项所述关键信息识别提取方法的步骤。