[发明专利]一种结构化文档的生成方法和系统

权利要求书

1.一种结构化文档的生成方法，其特征在于，所述方法包括：

采集非结构化文档；

提取所述非结构化文档的属性；

设定并提取所述非结构化文档的关键词；

利用所述属性和所述关键词构建与所述非结构化文档对应的结构化文档。

2.根据权利要求1所述的结构化文档的生成方法，其特征在于，所述设定并提取所述非结构化文档的关键词，进一步包括：

预设自定义规则，在所述规则中预设关键词的级别；

根据所述自定义规则从所述非结构化文档中提取关键词。

3.根据权利要求2所述的结构化文档的生成方法，其特征在于，所述关键词的级别包括：首要关键词级别、次要关键词级别、一般关键词级别。

4.根据权利要求1至3任一项所述的结构化文档的生成方法，其特征在于，所述非结构化文档的属性至少包括：文档名称、文档页数、发布日期、文档格式、文档作者、文档发布单位、文档批准单位、文档版本。

5.一种结构化文档的生成装置，其特征在于，所述装置包括：

采集模块，用于采集非结构化文档；

属性提取模块，与所述采集模块相连，用于提取所述非结构化文档的属性；

关键词提取模块，与所述采集模块相连，用于设定并提取所述非结构化文档的关键词；

构建模块，与所述属性提取模块和所述关键词提取模块相连，用于利用所述属性和所述关键词构建与所述非结构化文档对应的结构化文档。

6.根据权利要求5所述的结构化文档的生成装置，其特征在于，所述关键词提取模块包括：

规则预设子模块，用于预设自定义规则，在所述规则中预设关键词的级别；

提取子模块，用于根据所述自定义规则从所述非结构化文档中提取关键词。

7.根据权利要求6所述的结构化文档的生成方法，其特征在于，所述关键词的级别包括：首要关键词级别、次要关键词级别、一般关键词级别。

8.根据权利要求5至7任一项所述的结构化文档的生成方法，其特征在于，所述非结构化文档的属性至少包括：文档名称、文档页数、发布日期、文档格式、文档作者、文档发布单位、文档批准单位、文档版本。