[发明专利]报文信息处理方法及系统

说明书

本发明公开了一种报文信息处理方法及系统，该方法包括：基于第一预设规则从文档中提取出一份或多份报文；对所述报文中的报头进行删除处理；基于文本分类算法从所述报文中提取出战地报文；基于序列标注算法从所述战地报文中抽取事件要素，并获取所述事件要素在所述战地报文中的位置；根据抽取的所述事件要素、所述事件要素在所述战地报文中的位置以及第二预设规则将同一人的事件要素归结到同一事件中，从而得到结构化的数据。本发明的报文信息处理方法及系统针对非结构化的信息，基于文本分类算法、序列标注算法以及规则算法，统一将文本信息转换为结构化的数据信息，便于工作人员修改储存以及分析使用。

技术领域

本发明是关于数据处理技术领域，特别是关于一种报文信息处理方法及系统。

背景技术

在情报机构，工作人员需提交日报，周报，月报，季报的报告。然而情报数据常常是未经处理的文本信息并以非结构化及半结构化形式保存，给信息查找和信息利用造成困难。此外，孤立的文档的信息使用价值有限，不利于信息的整合和综合利用开发。如何将孤立文本信息进行整合并综合利用，以及如何有效解决内部大规模电子文本重要信息查找困难、利用困难是目前亟待解决的问题。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

本发明的目的在于提供一种报文信息处理方法及系统，其针对非结构化的信息，基于文本分类算法、序列标注算法以及规则算法，统一将文本信息转换为结构化的数据信息，便于工作人员修改储存以及分析使用。

为实现上述目的，本发明提供了一种报文信息处理方法，其包括：基于第一预设规则从文档中提取出一份或多份报文；对所述报文中的报头进行删除处理；基于文本分类算法从所述报文中提取出战地报文；基于序列标注算法从所述战地报文中抽取事件要素，并获取所述事件要素在所述战地报文中的位置；根据抽取的所述事件要素、所述事件要素在所述战地报文中的位置以及第二预设规则将同一人的事件要素归结到同一事件中，从而得到结构化的数据。

在本发明的一实施方式中，所述第一预设规则为将所述文档中报头相同的各条报文进行合并，作为同一份报文。

在本发明的一实施方式中，所述事件要素包括：人名、师、营、团、职务、军衔、兵力、地点、坐标、时间、军号、军区、特占局、日期、目的中的一个或多个。

在本发明的一实施方式中，所述第二预设规则为所述事件要素与人名的位置关系。

在本发明的一实施方式中，所述报文信息处理方法还包括：对所述结构化的数据采用词库进行翻译。

在本发明的一实施方式中，所述报文信息处理方法还包括：在基于文本分类算法从所述报文中提取出战地报文之后，对提取出的报文进行校对，剔除错误数据。

在本发明的一实施方式中，所述报文信息处理方法还包括：在基于序列标注算法从所述战地报文中抽取事件要素之后，对提取出的事件要素进行校对，提出错误数据。

基于同样的发明构思，本发明还提供了一种报文信息处理系统，其包括：报文提取模块、报头删除模块、战地报文提取模块、事件要素提取模块、结构化模块。报文提取模块用于基于第一预设规则从文档中提取出一份或多份报文。报头删除模块与所述报文提取模块相耦合，用于对所述报文中的报头进行删除处理。战地报文提取模块与所述报头删除模块相耦合，用于基于文本分类算法从删除了报头的所述报文中提取出战地报文。事件要素提取模块与所述战地报文提取模块相耦合，用于基于序列标注算法从所述战地报文中抽取事件要素，并获取所述事件要素在所述战地报文中的位置。结构化模块与所述事件要素提取模块相耦合，用于根据抽取的所述事件要素、所述事件要素在所述战地报文中的位置以及第二预设规则将同一人的事件要素归结到同一事件中，从而得到结构化的数据。