[发明专利]基于VBA和四面体数据模型的文本信息获取与描述方法

摘要

本发明提供一种基于VBA和四面体数据模型的文本信息获取与描述方法，其基于四面体数据模型形成文本数据的存储和表达形式；自动采集数据文件的基本属性；文本编辑软件生成原始数据；使用伺服程序对文本数据进行特征提取；处理文本并自动提取相关信息；语义标注模块提供用户对语义信息的输入、修改以及增删语义项的功能；存储管理模块综合原始数据、基本属性、底层特征以及语义特征信息最终形成文本的四面体表达；在文本编辑软件界面中添加按钮，通过与非结构化数据库相连的伺服程序，实现文档的一键入库。本发明解决文本编辑和排版过程中文本四面体数据的获取以及文本四面体的形成，以便于后期文本数据的管理。

主权项

一种基于VBA和四面体数据模型的文本信息获取与描述方法，其特征在于：该方法包括如下步骤：步骤（1）、基于四面体数据模型，或称为三棱锥模型，形成文本数据进行存储和表达形式；步骤（2）、自动采集文本文件的基本属性，包括文件名、类型、创建者、创建时间、修改时间；步骤（3）、文本编辑软件完成文本的编辑和排版工作，生成原始数据；步骤（4）、使用伺服程序对文本数据进行特征提取，提取底层信息，包括关键字和倒排索引；步骤（5）、处理文本并自动提取文档的标题和作者，对科技文献类数据提取关键字、摘要、分类号，其中关键字和摘要均为中英文格式；步骤（6）、语义标注模块提供用户输入其他语义信息、对自动提取的语义信息进行修正以及添加删除语义项的功能；步骤（7）、存储管理模块综合原始数据、基本属性、底层特征以及语义特征信息最终形成文本的四面体表达；步骤（8）、在文本编辑软件界面中添加按钮，通过与非结构化数据库相连的伺服程序，实现文档的一键入库。