[发明专利]一种基于摘要方式的机器辅助阅读审计方法及系统

权利要求书

1.一种基于摘要方式的机器辅助阅读审计方法，其特征在于，该方法包括以下步骤：

步骤100，录入文本，并完成数据内容及格式的解析；

步骤200，对解析后文本内容进行分类，将相同分类内容进行聚合并标注类别标签，形成带类别标签的功能区块；

步骤300，抽取各功能区块中相应的摘要内容；

步骤400，输出摘要内容，结合审阅人员的意见，形成审阅结果。

2.根据权利要求1所述的方法，其特征在于，在步骤100中，所述解析包括将录入文本格式转化为纯文本格式；

优选地，录入文本为Word文档或PDF文档格式，将文档中的内容解析为XML数据，再通过解析XML数据获得纯文本格式文本。

3.根据权利要求1所述的方法，其特征在于，在步骤100中，所述解析还包括顺序给予解析后文本中子句相应的编号，并以编号形成句子索引。

4.根据权利要求1所述的方法，其特征在于，在步骤200中，采用逻辑回归方法构建分类模型，进行文本内容分类；优选地，以段落为基本单位进行文本内容分类。

5.根据权利要求1所述的方法，其特征在于，在步骤200中，分类模型构建包括训练过程和测试过程：

训练过程：将语料标注为所属的类别，形成训练样本；提取训练样本的特征来训练模型；

测试过程：采用标注的或未标注语料作为测试样本；提取测试样本的特征后加载模型，获得分类结果；根据分类结果对模型进行调整，至获得分类准确性高的模型；

其中，模型训练过程或者实际分类过程中的特征提取过程包括：解析文档结构，并将篇章结构信息形成树形文档结构；通过该树形文档结构将文档各级标题置于相应文档正文前，形成标题+正文的内容形式，以此内容形式中文本为基础进行特征提取。

6.根据权利要求1所述的方法，其特征在于，步骤300中，根据区块特点，对每一个功能区块训练相应的机器模型，抽取相应的摘要内容。

7.根据权利要求6所述的方法，其特征在于，步骤300中，除对每一个功能区块训练相应的机器模型外，还针对整篇文本训练普适性机器模型；

优选地，采用针对各功能区块的机器模型、以及普适性机器模型共同确定各功能区块的摘要内容。

8.根据权利要求1所述的方法，其特征在于，步骤300中，摘要抽取的最小选取单位为子句，子句为以逗号、句号、问号、感叹号、分号分隔形成的短句；经句子选取模型处理后，取排序高的前n句内容对应的子句作为摘要结果，其中n值可根据需求调整。

9.一种用于实施上述权利要求1至8之一所述方法的系统，该系统包括：

录入解析模块，用于录入文本，并完成数据内容及格式的解析；

分块分类模块，用于对解析后文本内容进行分类，将相同分类内容进行聚合并标注类别标签，形成带类别标签的功能区块；

摘要抽取模块，用于抽取各功能区块中相应的摘要内容；

摘要输出编辑模块，用于输出摘要内容，结合审阅人员的意见，形成审阅结果。

10.根据权利要求9所述的系统，其特征在于，摘要输出编辑模块包括摘要输出子模块、摘要显示子模块和摘要编辑子模块：

摘要输出子模块，用于接收摘要抽取模块指示，根据摘要抽取模块确定的抽取内容，将相应子句编号传送至摘要显示子模块；

摘要显示子模块，用于接收摘要输出子模块发送的子句编号信息进行子句内容显示；接收摘要编辑子模块发送的编辑指令，删除相应的子句或显示审阅人员编辑的意见；

摘要编辑子模块，接收启动编辑状态指示并启动编辑状态，接收编辑指令并传递至摘要显示子模块，实施显示内容编辑。