[发明专利]开放式文档同构引擎系统

摘要

一种信息安全技术领域的开放式文档同构引擎系统，其中：物理结构模块接受各种文档的输入，并将文档的物理结构输出给逻辑结构模块；逻辑结构模块对物理结构模块输入的信息进行处理得到文档的逻辑结构，并将该其输入到词法及句法分析模块；词法及句法分析模块接收逻辑结构模块输入的信息，并对该信息进行处理得到经分析处理后的文档，并将得到的该文档输入概念抽取模块；概念抽取模块对词法及句法分析模块输入的信息进行处理得到由文档中的词转化出的概念及概念属性，并将得到的该概念及概念属性输入主题表示模块；主题表示模块对概念抽取模块输入的信息进行处理得到以概念为单位的文档主题。本发明解决了针对多格式文档无法统一处理的问题。

主权项

1.一种开放式文档同构引擎系统，其特征在于，包括：物理结构模块、逻辑结构模块、词法及句法分析模块、概念抽取模块、主题表示模块，其中：所述的物理结构模块定义了文档各个部分的物理安排和布置，它接受各种文档的输入，并将文档的物理结构输出给逻辑结构模块，物理结构模块还为整个系统提供规范的数据；所述逻辑结构模块规定了文档的各个逻辑元素及其类别，它接收物理结构模块输入的信息，并对该信息进行处理得到文档的逻辑结构，逻辑结构模块将该文档的逻辑结构输入到词法及句法分析模块；所述词法及句法分析模块给出文本中各个句子的词分割标记、词性标注和句法标注，它接收逻辑结构模块输入的信息，并对该信息进行处理得到经分析处理后的文档，词法及句法分析模块将得到的该文档输入概念抽取模块；所述概念抽取模块自动概括出文档包含的概念，它接收词法及句法分析模块输入的信息，并对该信息进行处理得到由文档中的词转化出的概念及概念属性，概念抽取模块将得到的该概念及概念属性输入主题表示模块；所述主题表示模块根据用户的选择计算出每个概念的权重，然后给出该文档的向量空间模型表示，它接收概念抽取模块输入的信息，并对该信息进行处理得到以概念为单位的文档主题。