[发明专利]一种从文档集中快速提取有用数据的方法有效
| 申请号： | 201710985840.1 | 申请日： | 2017-10-20 |
| 公开（公告）号： | CN107861943B | 公开（公告）日： | 2020-03-24 |
| 发明（设计）人： | 刘军旗;苏爱军;唐辉明;吴冲龙;姚梦辉;滕伟福;王亮清;封瑞雪;赵剑雄;陈根深;邹宗兴;王菁莪;曾雯;张抒 | 申请（专利权）人： | 中国地质大学（武汉） |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06F16/903 |
| 代理公司： | 武汉知产时代知识产权代理有限公司 42238 | 代理人： | 付春霞 |
| 地址： | 430074 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种从文档集中快速提取有用数据的方法，包括以下步骤：1：进行分词处理，得到每个文档中的潜在检索词和该文档中的每个段落中的潜在检索词；2：进行词频统计，得到每个段落中每个潜在检索词的词频统计结果，和文档整体的潜在检索词的词频统计结果；3：采用非结构化数据库技术进行存储，使所述文档集中所有文档转化为非结构化数据库中的一个有序集合；4：输入检索词，在具有有序集合的非结构化数据库中实施检索；5：输出检索结果。有益效果：检索简单、使用方便。 | ||
| 搜索关键词： | 一种 文档 集中 快速 提取 有用 数据 方法 | ||
【主权项】：
一种从文档集中快速提取有用数据的方法，其特征在于：包括以下步骤：步骤1：使用中文分词工具，对文档集中的每个文档进行包括分词、词性标注及分词筛选在内的预处理，得到每个文档中的潜在检索词和该文档中的每个段落中的潜在检索词；步骤2：对所述文档集中的每个文档中的每个段落中的潜在检索词进行词频统计，得到每个段落中每个潜在检索词的词频统计结果，基于段落的词频统计结果得到相应的文档整体的潜在检索词的词频统计结果；步骤3：采用非结构化数据库技术存储经步骤1和步骤2处理后的文档集，对所述文档集中的每个文档建立一个存储集，每个存储集的存储内容包括：{文档的名称、文档的内容、文档中每个段落的潜在检索词及每个所述潜在检索词的词频统计结果、文档的潜在检索词及每个所述潜在检索词的词频统计结果、存储时间}，使所述文档集中所有文档转化为非结构化数据库中的一个有序集合；步骤4：输入检索词，在具有有序集合的非结构化数据库中实施检索；步骤5：根据检索词与潜在检索词的匹配，以及潜在检索词的词频统计结果，输出检索结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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中国地质大学（武汉），未经中国地质大学（武汉）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/patent/201710985840.1/，转载请声明来源钻瓜专利网。
