[发明专利]一种公文特征提取方法、装置、设备和介质

权利要求书

1.一种公文特征提取方法，其特征在于：包括：公文提取模板定义过程和公文特征提取过程；

所述公文提取模板定义过程包括：

通过可扩展标记语言自定义公文提取模板，所述公文提取模板包括：附件提取标识标签、拆分句子规则标签以及至少一个提取特征字段标签；所述附件提取标识标签用于定义提取文件特征时是否包含公文中的附件；所述拆分句子规则标签用于定义公文的句子拆分规则；所述提取特征字段标签用于定义提取公文特征字段的内容和方式；所述拆分句子规则标签和提取特征字段标签用正则表达式定义；

所述公文特征提取过程包括：

根据公文提取模板中的附件提取标识标签，获取公文正文或公文正文及附件作为待提取公文，将待提取公文转化为用可扩展标记语言格式内容；

根据拆分句子规则标签将待提取公文进行句子拆分；

根据提取特征字段标签逐句进行特征字段提取并输出，具体包括：每获取到一待提取公文的句子，分别与每一提取特征字段标签进行匹配，当匹配成功时，根据所述提取特征字段标签进行特征字段提取，然后将提取结果整理输出。

2.根据权利要求1所述的方法，其特征在于：所述提取特征字段标签包括：按句提取特征字段标签、分组提取特征字段标签以及按段落拆分提取标签；

所述按句提取特征字段标签用于按句提取公文特征字段的信息，所述按句提取特征字段标签用正则表达式定义；

所述分组提取特征字段标签用于以分组的形式提取公文特征字段的信息，所述分组提取特征字段标签可嵌套按句提取特征字段的规则；

所述按段落拆分提取标签用于按段拆分提取公文特征字段的信息，所述按段落拆分提取标签可嵌套按句提取特征字段的规则。

3.一种公文特征提取装置，其特征在于：包括：公文提取模板定义模块和公文特征提取模块；

所述公文提取模板定义模块，用于通过可扩展标记语言自定义公文提取模板，所述公文提取模板包括：附件提取标识标签、拆分句子规则标签以及至少一个提取特征字段标签；所述附件提取标识标签用于定义提取文件特征时是否包含公文中的附件；所述拆分句子规则标签用于定义公文的句子拆分规则；所述提取特征字段标签用于定义提取公文特征字段的内容和方式；所述拆分句子规则标签和提取特征字段标签用正则表达式定义；

所述公文特征提取模块，用于根据公文提取模板中的附件提取标识标签，获取公文正文或公文正文及附件作为待提取公文，将待提取公文转化为用可扩展标记语言格式内容；

根据拆分句子规则标签将待提取公文进行句子拆分；

根据提取特征字段标签逐句进行特征字段提取并输出，具体包括：每获取到一待提取公文的句子，分别与每一提取特征字段标签进行匹配，当匹配成功时，根据所述提取特征字段标签进行特征字段提取，然后将提取结果整理输出。

4.根据权利要求3所述的装置，其特征在于：所述提取特征字段标签包括：按句提取特征字段标签、分组提取特征字段标签以及按段落拆分提取标签；

所述按句提取特征字段标签用于按句提取公文特征字段的信息，所述按句提取特征字段标签用正则表达式定义；

所述分组提取特征字段标签用于以分组的形式提取公文特征字段的信息，所述分组提取特征字段标签可嵌套按句提取特征字段的规则；

所述按段落拆分提取标签用于按段拆分提取公文特征字段的信息，所述按段落拆分提取标签可嵌套按句提取特征字段的规则。

5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至2任一项所述的方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至2任一项所述的方法。