[发明专利]一种基于规则的公文校核方法及装置

说明书

本发明涉及一种基于规则的公文校核方法，包括如下步骤：配置基础数据；搭建规则库：定义公文的各个部分所属的类别，为各个类别配置多条规则，并为各规则配置参数；公文结构解析：根据预设的判断表达式以及公文文档的段落标签解析公文，确定各段落所对应的类别；公文与规则的正则匹配：根据段落所对应的类别匹配到该类别下所有规则，然后利用规则中配置的参数判断该段落是否需要检查该规则，若是，解析配置的参数，生成正则表达式，与该段落进行匹配，若存在错误，在公文中进行提示。本发明还涉及一种基于规则的公文校核装置。本发明优点：通过建立可自定义的规则库，在解析公文段落类型后，与规则库中的规则进行匹配，实现对公文的全面校核。

技术领域

本发明涉及公文校核领域，尤其涉及一种基于规则的公文校核方法及装置。

背景技术

公文是一种结构格式规范、内容清晰严谨、用于传达重要事项的文档。通用公文包括决议、决定、命令、公报、公告、通告、意见、通知、通报、报告、批复、议案、函、纪要，每一种文种的格式各不相同。公文按行文方向一般可分为上行文、下行文、平行文三种，其中上行文包括了请示、报告等、下行文则包括了决议、决定、命令等，而平行文包括了函、议案。公文的一般由标题、正文、份号、密级、保密期限、紧急程度、发文机关标志、发文字号、附件说明等部分组成。公文在发送之前需要进行严格的审核，但是如果利用纯人工来完成校核不仅费时费力内耗人员，还无法保证校核的效率、准确度以及完整性。

现有公开的文本校核方式，大都采用错误检测→候选召回→候选排序三部分，主要可分为以下三种：①基于规则式的通用纠错库pycorrector；②基于大样本训练深度学习模型的检错算法；③基于垂直领域的DCQC纠错框架。其中，第一种校核方式，pycorrector通用纠错模块是github上的开源项目，它提供了一种规则式检错、纠错方案，该方法因逻辑清晰、不依赖大量标注样本从而较容易实现落地，因此为广大研究者提供了良好的借鉴意义。该模块在检错部分利用常用字典、混淆字典与传统语言模型共同判断当前位置是否有错。制订了如下规则：①当切词后的片段不在常用字典中或存在于混淆字典的映射对中时判定有错；②计算传统语言模型概率是否低于门限并判错。候选召回部分利用同音、同型召回候选字词，打分排序利用句子困惑度来计算候选词权重，从而对候选进行排序。该方法所采用的规则式检错，是通过切词后与字典、语言模型进行匹配，判断是否出错，进而再计算概率判断是否低于门限并判断，很显然，将该方法在应用于格式规范的公文，仅能对文字描述进行纠错，无法在文本格式上进行纠错，无法针对不同类型公文具有特有格式规范进行纠错。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于规则的公文校核方法，其通过建立可自定义的规则库，在解析公文段落类型后，与规则库中的规则进行匹配，实现对公文的全面校核。

为实现上述目的，本发明采用以下技术方案：

技术方案一

一种基于规则的公文校核方法，包括如下步骤：配置基础数据，该基础数据用于辅助解析规则，包括公司名称、领导名字及领导层架构以及部门名称；搭建规则库：定义公文的各个部分所属的类别，为各个类别配置多条规则，并为各规则配置参数；公文结构解析：根据预设的判断表达式以及公文文档的段落标签解析公文，确定公文的各段落所对应的类别；公文与规则的正则匹配：根据段落所对应的类别匹配到该类别下所有规则，然后利用规则中配置的参数判断该段落是否需要检查该规则，若是，则解析配置的参数，生成正则表达式，与该段落进行匹配，若存在错误，在公文中进行提示。

更优地，该方法还包括加载项服务配置：自定义WPS的加载项管理文件，并在WPS的oem.ini文件中进行配置；用户打开公文，在WPS的功能区显示自定义的加载项，所述加载项为公文辅助校核。

更优地，所述类别包括红头、标题、文件字号、正文、独立标题行、全文、结束语和附件说明。

更优地，规则的配置参数包括判断信息、类别、规则内容、错误类型、错误信息以及错误提示信息。