[发明专利]用于整理和呈现多格式信息的计算机实现系统有效
申请号: | 201580002034.7 | 申请日: | 2015-06-24 |
公开(公告)号: | CN105683945B | 公开(公告)日: | 2020-04-07 |
发明(设计)人: | 法尔古尼·吉格涅什·德赛;维什瓦斯·穆昆德·帕塔克;巴拉特·查曼拉尔·巴德瓦杰 | 申请(专利权)人: | 非凡全球控股有限公司 |
主分类号: | G06F16/178 | 分类号: | G06F16/178;G06F16/438 |
代理公司: | 北京康信知识产权代理有限责任公司 11240 | 代理人: | 梁丽超;刘彬 |
地址: | 阿联*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 整理 呈现 格式 信息 计算机 实现 系统 | ||
设想了以用户期望的格式整理和呈现多格式信息的计算机实现系统。该系统在暂时存储库中存储与客户相关的信息以及他们的附加个人信息。所存储的这些信息项通常以不同的格式,然后通过该系统被转换为该系统的用户所期望的格式或者转换为预定格式。存在于该系统中的输入模块从用户接受期望的输出信息格式类型以及与需要整理其信息的客户相对应的客户标识符。基于客户标识符,该系统以期望格式转换所存储的客户相关信息,然后整理和显示所转换的信息,用于进一步处理。
技术领域
本公开内容涉及汇编和呈现具有不同格式的信息的领域。
背景技术
一般工作环境包括包含多个应用的一个或多个计算机。这些应用倾向于以各种文件格式创建和/或存储文档/信息。现今,可用的转换器使应用模块能够将文件从外部格式转换为被应用模块所识别的格式。近年来,终端用户对实现跨越应用的数据的单视点的期望已经鼓动了内容整理的实践。存在许多转换报告形式的申请人数据视点的应用,但是对该应用的要求是提供跨越多个系统、格式和位置的申请人数据的单视点。
现今,许多可用的转换器允许应用模块将文件从外部格式转换为被应用模块所识别的格式。在转换器不能够识别外部文件格式的情况下,提示用户手动识别该格式或者终止转换处理。此外,可能难以转换某些外部的/本地的文件格式,原因在于它们的固有设计。
另外,如果终端用户期望将具有不同格式的文件转换为一种常用格式,则为需要转换的每一个文件格式强制性使用多个不同的转换工具。一旦完成这种转换,需要其他努力将所有转换的文件汇集在用户期望的位置处,只有这样终端用户才可以采取进一步措施。
因此,为了限制前述文件格式转换的耗时处理和数据整理的缺点,在产业中存在提供平台独立系统的需要。
目标
本公开内容的系统的目标是提供整理以多个格式存在的信息的系统。
本公开内容的系统的另一目标是提供以用户所期望的格式转换和呈现所整理的多格式信息的系统。
本公开内容的系统的又一目标是提供为未知信息格式获取合适格式的系统。
当结合不旨在限制本公开内容范围的附图阅读时,本公开内容的其他目标和优势从以下说明中将更加清晰可见。
发明内容
本公开内容涉及用于整理和呈现多格式信息的计算机实现系统。在实施方式中,该系统包括:存储器,被配置为存储一组规则;以及处理器,被配置为与存储器协作以接收该组规则并且基于这些规则生成一组命令。该系统进一步包括存储多个多格式信息项的暂时存储库,其中,每个多格式信息项都标记有客户标识符。该系统还包括从用户接受与客户相对应的客户标识符以及期望的输出信息格式类型的输入模块。爬虫器和提取器存在于该系统中以爬取通过暂时存储库,读取多格式信息项上的标签并且提取标记有所接收的客户标识符的所有项。该系统包括转换器,该转换器将所提取的多格式信息项转换为所接收的期望输出信息格式类型。存在于该系统中的整理器然后基于所接收的命令组整理所转换的与客户标识符相对应的项,以获取所整理的与客户有关的信息,以及显示器,显示所整理的信息。
该总结被设置为介绍与整理和呈现多格式信息有关的概念,这将在以下详细说明中进行进一步描述。该总结既不旨在识别本公开内容的所有基本特征也不旨在用于确定或限制本公开内容的范围。
附图说明
现在将借助于附图描述用于整理和呈现多格式信息的计算机实现系统和方法,其中:
图1示出了以用户期望的格式整理和呈现多格式信息的系统的实施方式的示意图;以及
图2示出了以用户期望的格式整理和呈现多格式信息的方法。
具体实施方式
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于非凡全球控股有限公司,未经非凡全球控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201580002034.7/2.html,转载请声明来源钻瓜专利网。
- 上一篇:样式表推测性预加载
- 下一篇:用于机器学习架构中的分层训练的方法、设备和介质