[发明专利]基于文本语义挖掘的标准化自动建档方法

摘要

本发明涉及一种基于文本语义挖掘的标准化自动建档方法,其特征在于：从网上爬取文件，利用文本语义，对爬取的文件和本地文件进行信息抽取、关键词提取和自动摘要生成，最后存入信息化系统中。所述信息抽取,采用知识工程的方法建立规则集，自动将信息点从文档中抽取出来，形成结构化数据；所述关键词提取,主要是根据词语在文章的位置和语义，提取关键词，生成关键词索引；所述自动摘要,先设定摘要所要包含的内容，然后从文本中提取对应信息，计算句子间的相似度，抽取包含原文档中关键信息的文本。本发明之标准化自动建档方法，可以使业务人员免于阅读大量的文件，节省时间和人力，方便查询和使用。

主权项

基于文本语义挖掘的标准化自动建档方法, 其特征在于：将文本语义分析相关技术——信息抽取、关键词提取、自动摘要技术，应用到有一定的内容和格式要求的文本中，形成一种文档标准化自动建档的方法；所述信息抽取,主要是采用自然语言处理方法，首先人工抽取规则，然后对法律文本进行句法和语义分析，采用基于python的正则表达式的方法实现自动化抽取；所述关键词提取,主要是应用基于语义和统计相结合的方法，用基于HowNet的词语相似度计算词语相似度，筛选后形成关键词，并建立关键词索引；所述自动摘要，首先从文本中抽取包含摘要信息的句子，然后计算句子间的相似度，合并句子形成摘要信息。