[发明专利]基于模型库的智能数据提取方法

摘要

本发明公开了一种基于模型库的智能数据提取方法，包括如下步骤：a)预先定义多个数据模型，并为每个模型的每个字段设置特征，形成模型库的字段特征；b)对待提取数据源的样本数据进行数据特征提取并过滤掉特征相同的数据；c)将提取到的数据源的特征样本与模型库的字段特征进行特征匹配，选取特征匹配度最高的模型作为该数据源的特征模型；d)根据选定的数据模型对数据源进行格式化提取。本发明提供的基于模型库的智能数据提取方法，通过特征抽取和特征匹配评分完成数据提取，提高识别格式化的效率，无需对数据进行建模，并可以根据分析需求方便地进行模型更新。

主权项

1.一种基于模型库的智能数据提取方法，其特征在于，包括如下步骤：a) 预先定义多个数据模型，并为每个模型的每个字段设置特征，形成模型库的字段特征；b)对待提取数据源的样本数据进行数据特征提取并过滤掉特征相同的数据；c)将提取到的数据源的特征样本与模型库的字段特征进行特征匹配，选取特征匹配度最高的模型作为该数据源的特征模型；d)根据选定的数据模型对数据源进行格式化提取；所述步骤b)包括如下过程：将输入的数据源的样本数据按照行的方式进行数据读取，将每行数据中连续的英文字母或数字，当为一个字符处理，并将字母全部采用s字母代替，数字则采用d替代，输出每行数据的特征格式，并缓存在内存中；循环遍历所有的样本数据，当某一行的样本数据的特征格式已经存在于缓存中时，则过滤掉该行的样本数据。