專利名稱：確認(rèn)技術(shù)文檔內(nèi)容的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種通過(guò)信息提取然后將所提取出的信息與一組規(guī)則相比較從而對(duì)文檔特別是技術(shù)文檔的內(nèi)容進(jìn)行確認(rèn)的方法和系統(tǒng)。
背景技術(shù)：
當(dāng)前，大多數(shù)信息是以電子文檔或文件的形式從一個(gè)人轉(zhuǎn)移到另一個(gè)人或者是從一個(gè)地方轉(zhuǎn)移到另一個(gè)地方的，這些信息主要以文本的形式表示出來(lái)。文本型電子文檔的形式非常多。其包括較短格式的電子郵件、布告信息、新聞、法律文檔、科學(xué)研究論文、完整的新聞雜志或期刊、以及整整的書集或百科全書。在這些文檔中，我們能定義其中一類并將其歸類于技術(shù)文檔。
技術(shù)文檔在這里被定義為那些符合一組通常可接受的規(guī)則或者甚至是有關(guān)特定形式規(guī)則的文檔。簡(jiǎn)單地說(shuō)，這類規(guī)則可將技術(shù)文檔的內(nèi)容按照“who(誰(shuí))”“what(什么)”“when(何時(shí))”“where(何地)”“how(如何)”進(jìn)行說(shuō)明。即，這些規(guī)則會(huì)提出如下的問(wèn)題●“文檔中希望表達(dá)的實(shí)體是什么？”●“實(shí)體的有效印刷表示形式是什么？”●“如果有的話，文檔的邏輯部分是什么？”●“實(shí)體與文檔的哪一部分相關(guān)聯(lián)？”●“如果可行的話，實(shí)體在文檔中按什么順序表示出來(lái)？”●“文檔中不同實(shí)體之間的關(guān)系如何？”盡管所有的文檔均可適用于這些規(guī)則，但對(duì)于技術(shù)文檔來(lái)說(shuō)相對(duì)于這種規(guī)則總存在著兩個(gè)事實(shí)，而這兩個(gè)事實(shí)對(duì)于非技術(shù)文檔來(lái)說(shuō)并不總是成立。這兩個(gè)事實(shí)是●技術(shù)文檔不滿足至少一個(gè)這些規(guī)則的即表明該文檔對(duì)于熟悉該文檔主題的人員來(lái)說(shuō)是不完整的或者是無(wú)效的；以及●技術(shù)文檔能滿足所有這些規(guī)則的即表明該文檔對(duì)于熟悉該文檔主題的人員來(lái)說(shuō)是完整并且完全有效的。
換句話說(shuō)，只有技術(shù)文檔才具有完全清晰的文法結(jié)構(gòu)，從而在形式上完全符合一組有限的規(guī)則或者是確認(rèn)說(shuō)明，并且確保有唯一的一組規(guī)則適用于屬于某一特定主題的所有技術(shù)文檔。
這些技術(shù)文檔例如可包括●用來(lái)制造食品的原料表；●一公司客戶產(chǎn)品的用戶手冊(cè)；●程序語(yǔ)言中的各種計(jì)算機(jī)程序的程序指令；●用來(lái)在互聯(lián)網(wǎng)上生成網(wǎng)頁(yè)的超文本結(jié)構(gòu)語(yǔ)言；●列明化學(xué)產(chǎn)品的化學(xué)及物理特性的化學(xué)數(shù)據(jù)表；●餐館的菜單；●公司產(chǎn)品線如計(jì)算機(jī)、汽車甚至是房子的銷售冊(cè)子。
在許多工業(yè)領(lǐng)域中，技術(shù)文檔通常都表示一種通用及方便的方法，通過(guò)該方法，一類產(chǎn)品的不同生產(chǎn)商能讓客戶將他們的產(chǎn)品與其它生產(chǎn)商的產(chǎn)品進(jìn)行對(duì)比。
此外，在已經(jīng)建立起的大中型工業(yè)中，通常有一個(gè)或多個(gè)管理組織，其作用(其中之一)是在其工業(yè)領(lǐng)域中在所有的產(chǎn)品上建立并盡可能地推行某些標(biāo)準(zhǔn)。這些標(biāo)準(zhǔn)可以是有關(guān)產(chǎn)品質(zhì)量的標(biāo)準(zhǔn)，也可以是工作地點(diǎn)安全的標(biāo)準(zhǔn)等。在存在管理組織的情況下，技術(shù)文檔被用來(lái)確定一件產(chǎn)品是否符合這些標(biāo)準(zhǔn)的相關(guān)規(guī)定。
通常的情況是，符合要求包括技術(shù)文檔內(nèi)容的完整性以及該文檔中所述的產(chǎn)品符合標(biāo)準(zhǔn)的程度。這是因?yàn)橹挥挟?dāng)與該產(chǎn)品相關(guān)的信息(即技術(shù)文檔的內(nèi)容)是完整準(zhǔn)確的，才能判斷一產(chǎn)品是否符合規(guī)定。
確定是否符合的任務(wù)最終要落到該管理組織中的一個(gè)或多個(gè)人員上，其必須讓專家經(jīng)培訓(xùn)后知道這組規(guī)則從而確定是否符合(或不符合)一技術(shù)文檔以及其所描述的產(chǎn)品。實(shí)際上，通常需要用到專家的知識(shí)才能掌握一產(chǎn)品的相關(guān)技術(shù)信息，這一點(diǎn)限制了消費(fèi)者使其不能完整地評(píng)估出一產(chǎn)品的質(zhì)量。
由此，確保一產(chǎn)品信息的完整性以及確保一產(chǎn)品符合標(biāo)準(zhǔn)的任務(wù)就從非專業(yè)的消費(fèi)者轉(zhuǎn)移到管理組織中經(jīng)過(guò)訓(xùn)練(即專業(yè))的人員。
然而，這里還存在一個(gè)問(wèn)題就是專家，由于他們具有非常專業(yè)的知識(shí)，因此其數(shù)量有限。在人員上，不可能有一群專家來(lái)評(píng)估每一市場(chǎng)段中所有信息的質(zhì)量，這里，產(chǎn)品的品種數(shù)以百萬(wàn)，而且還有許多新的產(chǎn)品不斷加入。
因此，唯一一種切實(shí)可行的對(duì)技術(shù)文檔進(jìn)行確認(rèn)的方法就是采用對(duì)總體采樣的方法。也就是說(shuō)，監(jiān)控當(dāng)局的官員僅核對(duì)現(xiàn)有所有技術(shù)文檔中的一個(gè)隨機(jī)(至少是半隨機(jī))部分。這就意味著大多數(shù)進(jìn)入市場(chǎng)段的技術(shù)文檔在到達(dá)產(chǎn)品用戶之前未經(jīng)確認(rèn)，其中有相當(dāng)一部分會(huì)包含錯(cuò)誤或者是不完整的信息從而有可能導(dǎo)致產(chǎn)品的用戶處于危險(xiǎn)的狀態(tài)。
技術(shù)文檔的確認(rèn)絕對(duì)是一個(gè)適于自動(dòng)處理的問(wèn)題?，F(xiàn)有的用來(lái)自動(dòng)解決這一問(wèn)題的方法是由專家來(lái)進(jìn)行，其通常以規(guī)則的形式來(lái)將他們的知識(shí)“編碼”成一個(gè)專門的計(jì)算機(jī)程序，然后再由該程序“模擬”專家的分析過(guò)程來(lái)試圖解決一個(gè)問(wèn)題或者是回答一個(gè)問(wèn)題(如，“本文檔中的這個(gè)信息是否正確和完整？”)，事實(shí)上，專家系統(tǒng)僅表示一個(gè)專門的計(jì)算機(jī)程序，這種程序現(xiàn)在已有許多應(yīng)用?，F(xiàn)有專家系統(tǒng)包括
公開(kāi)日為2000年4月11日的、Jacobs等人的、名稱為“System for screening of medical decision making incorporatinga knowledge base”的美國(guó)專利文獻(xiàn)US6,049,794；
公開(kāi)日為1996年12月10日的、McIlroy等人的、名稱為“Health care management system for managingmedical treatments and comparing user proposed and recommended resourcesfor treatment”的美國(guó)專利文獻(xiàn)US5,583,758；
公開(kāi)日為1989年2月7日的、Hardy等人的、名稱為“Basic expert system tool”的美國(guó)專利文獻(xiàn)US4,803,641；以及
公開(kāi)日為1997年4月8日的、Puckett的、名稱為“Diagnostic expert system for hierarchically decomposed knowledge domains”的美國(guó)專利文獻(xiàn)US5,619,621。
然而，純粹的專家系統(tǒng)，如上述的專家系統(tǒng)，需要以一種完全一致的并且結(jié)構(gòu)化的格式來(lái)輸入數(shù)據(jù)。它們通常被實(shí)施為問(wèn)題回答系統(tǒng)以便一個(gè)(非專業(yè)的)用戶輸入需要核實(shí)或確認(rèn)的信息。換句話說(shuō)，在對(duì)文檔內(nèi)容進(jìn)行確認(rèn)的領(lǐng)域中，用戶必須作為一個(gè)“有學(xué)問(wèn)的人”，其能夠提取出具有不同布局或者是不同格式結(jié)構(gòu)的不同電子文檔中的對(duì)應(yīng)實(shí)體，然后將所提取出來(lái)的數(shù)據(jù)以統(tǒng)一的格式提交給專家系統(tǒng)以便評(píng)估。
這樣的專家系統(tǒng)僅能解決一部分問(wèn)題。對(duì)于其它的問(wèn)題，即那些需要大量煩雜人工勞動(dòng)來(lái)將文檔的內(nèi)容轉(zhuǎn)錄給專家系統(tǒng)的問(wèn)題來(lái)說(shuō)，自然語(yǔ)言處理(natural language processing，NLP)提供了一種解決方案。特別是信息提取系統(tǒng)形式的NLP系統(tǒng)，其能學(xué)習(xí)從而識(shí)別出一特定領(lǐng)域中有意義的實(shí)體，然后將這類實(shí)體從其前面沒(méi)有遇到的文檔的相同領(lǐng)域中提取出來(lái)。
信息提取領(lǐng)域中的現(xiàn)有技術(shù)包括
公開(kāi)日為2001年7月17日的、Paik等人的、名稱為“Information extraction system and method usingconcept-relation-concept(CRC)triples”的美國(guó)專利文獻(xiàn)US6,263,335；
公開(kāi)日為1998年11月24日的、Huffman的、名稱為“Method for learning localsyntactic relationships for use in example-based information-extraction-patternlearning”的美國(guó)專利文獻(xiàn)US5,841,895；
公開(kāi)日為2001年4月3日的、Boguraev的、名稱為“Method for extracting knowledge from onlinedocumentation and creating a glossary，index，help database or the like”的美國(guó)專利文獻(xiàn)US6,212,494；以及
公開(kāi)日為2001年2月15日的、發(fā)明人為紐約Columbia University的Trustees的、名稱為“System and method forlanguage extraction and encoding”的國(guó)際專利申請(qǐng)文獻(xiàn)WO01/11,492。
一個(gè)純粹的信息提取系統(tǒng)，如上述的信息提取系統(tǒng)，自己不會(huì)提取一種用來(lái)解決文檔內(nèi)容確認(rèn)問(wèn)題的方案。這是因?yàn)檫@類系統(tǒng)不能判斷出每一實(shí)體語(yǔ)意的正確性。因此該任務(wù)仍需要由一專家系統(tǒng)來(lái)實(shí)現(xiàn)。
然而，如果僅將一專家系統(tǒng)與一信息提取系統(tǒng)簡(jiǎn)單地組合起來(lái)那也不行——專家系統(tǒng)還有其它的特性，這些特性使得這些專家系統(tǒng)不適于解決文檔內(nèi)容自動(dòng)確認(rèn)的問(wèn)題。
專家系統(tǒng)中的一個(gè)使其無(wú)法直接適用于該問(wèn)題領(lǐng)域的限制條件是，專家系統(tǒng)在本質(zhì)上是通過(guò)一種類似于錯(cuò)誤診斷的漸進(jìn)過(guò)程來(lái)工作的，其中要用系統(tǒng)和用戶之間一系列的問(wèn)題和回答來(lái)“逐層分析”有待揭示的特定毛病。也就是說(shuō)，用戶在開(kāi)始可以不知道專家系統(tǒng)進(jìn)行診斷所需要的所有信息。這就使該系統(tǒng)僅能以中間問(wèn)題的形式提供一種部分解決方案從而從用戶引出后面的信息。如此重復(fù)這個(gè)過(guò)程直到最后系統(tǒng)消除所有可能存在的毛病。
專家系統(tǒng)這種處理過(guò)程的主要問(wèn)題是假定毛病均已被檢查出來(lái)(但還沒(méi)識(shí)別出來(lái))，但是在所描述的問(wèn)題領(lǐng)域所需的系統(tǒng)中，毛病檢測(cè)本身就是系統(tǒng)的第一件任務(wù)。
除了專家系統(tǒng)和信息提取系統(tǒng)之外，在1999年11月16日公開(kāi)的、Crockett等人的、名稱為“Automated document checking tool for checkingsufficiency of documentation of program instructions”的美國(guó)專利文獻(xiàn)US5,987,251中還公開(kāi)一種方法。該方法試圖克服上述限制。然而，該方法意味著僅能以一次一類程序指令的方式進(jìn)行內(nèi)容確認(rèn)。所有的程序語(yǔ)言共享相同的屬性，因此它們的語(yǔ)法和句法被準(zhǔn)確地定義下來(lái)。由此，從一程序代碼提取出各個(gè)語(yǔ)法標(biāo)記，所有這些每次都需要一種復(fù)雜的手工剖析器來(lái)從所有代碼完整正確地提取所有的信息。相比而言，本發(fā)明所要解決的問(wèn)題并無(wú)法假定出一種準(zhǔn)確的語(yǔ)法和句法，因?yàn)檫@是人類語(yǔ)言的本性。
因此，現(xiàn)有的技術(shù)不能滿足上述問(wèn)題的需要，這里需要更為復(fù)雜的技術(shù)才能進(jìn)行文檔內(nèi)容的自動(dòng)確認(rèn)從而滿足上述問(wèn)題領(lǐng)域分析的要求。

發(fā)明內(nèi)容
本發(fā)明的一個(gè)方面是提供一種用來(lái)在一自由文本文檔上進(jìn)行內(nèi)容確認(rèn)的方法。該方法從自由文本文檔中提取出多個(gè)半結(jié)構(gòu)化的表述。該方法將一邏輯推理機(jī)應(yīng)用于該半結(jié)構(gòu)化表述上。該方法對(duì)該邏輯推理機(jī)的輸出進(jìn)行翻譯以便用于后續(xù)的操作。
本發(fā)明的另一個(gè)方面是提供一種用來(lái)在一自由文本文檔上進(jìn)行內(nèi)容確認(rèn)的系統(tǒng)。該系統(tǒng)包括提取裝置、應(yīng)用裝置以及翻譯裝置。其中提取裝置在操作上從自由文本文檔中提取出多個(gè)半結(jié)構(gòu)化的表述。其中的應(yīng)用裝置在操作上將一邏輯推理機(jī)應(yīng)用于該半結(jié)構(gòu)化表述上。其中的翻譯裝置在操作上對(duì)該邏輯推理機(jī)的輸出進(jìn)行翻譯以便用于后續(xù)的操作。
本發(fā)明的另一個(gè)方面是提供一種文檔自動(dòng)確認(rèn)系統(tǒng)，其經(jīng)訓(xùn)練能夠提取出特定領(lǐng)域的實(shí)體以及與它們文字關(guān)聯(lián)的物理特性、抽象特性或者是關(guān)系特性，這一點(diǎn)如電子文檔中所描述的那樣。系統(tǒng)的訓(xùn)練可通過(guò)一組示例文檔來(lái)實(shí)現(xiàn)，這些文檔表示了該領(lǐng)域并由一領(lǐng)域?qū)＜乙阅撤N方式手工標(biāo)出從而識(shí)別出各種類型的實(shí)體以及與它們關(guān)聯(lián)的一組可記錄的特性。帶著一專門領(lǐng)域詞匯(如詞典)，該訓(xùn)練后的系統(tǒng)就能自動(dòng)處理屬于同一領(lǐng)域的新的文檔，并能在任意數(shù)目的內(nèi)容條件規(guī)則上測(cè)試所提取出的信息，這些規(guī)則必須由該領(lǐng)域?qū)＜抑付◤亩_認(rèn)出新文檔的完整性和有效性。
本發(fā)明能夠提供一種方法和系統(tǒng)以便將該領(lǐng)域?qū)＜宜峁┑拇笮瓦壿?、關(guān)系或者是定量規(guī)則庫(kù)應(yīng)用于無(wú)結(jié)構(gòu)或者半結(jié)構(gòu)化的技術(shù)文檔，作為選擇可帶有一個(gè)或多個(gè)大型的外部知識(shí)庫(kù)，從而分析出所述文檔內(nèi)容的正確性。正確性的評(píng)估是以是否符合預(yù)定組規(guī)則的形式以及所述文檔中的內(nèi)容是否存在矛盾或不一致來(lái)進(jìn)行的。


現(xiàn)在參考附圖以非限定性示例的形式來(lái)描述本發(fā)明的實(shí)施例，其中圖1是本發(fā)明一實(shí)施例的文檔內(nèi)容確認(rèn)系統(tǒng)的示意圖；圖2是圖1系統(tǒng)操作的流程圖；圖3是由一組確認(rèn)規(guī)則生成的邏輯網(wǎng)絡(luò)的示意圖；
圖4由特定一組確認(rèn)規(guī)則生成的一特定邏輯網(wǎng)絡(luò)的特定示例；圖5更為詳細(xì)地展示了圖2方法中信息提取部分示例的示意圖；圖6展示了圖4的邏輯網(wǎng)絡(luò)在圖5中提取出的信息上的操作；以及圖7為圖2整個(gè)流程圖中一部分的流程圖。
具體實(shí)施例方式
本文描述了一種用來(lái)確認(rèn)技術(shù)文檔內(nèi)容的方法、裝置和計(jì)算機(jī)程序產(chǎn)品。然而本領(lǐng)域技術(shù)人員都知道本發(fā)明也可在缺少其中一部分細(xì)節(jié)的情況下實(shí)施。在某些情況下，公知的特征并未詳細(xì)描述從而使本發(fā)明更加清楚。
這里所描述的是一種用來(lái)對(duì)各種格式的電子的自由文本文檔進(jìn)行自動(dòng)內(nèi)容確認(rèn)的方法和系統(tǒng)，其指定出文檔中所引用的實(shí)體的定性屬性、定量屬性、關(guān)系屬性或者是邏輯屬性。該系統(tǒng)和方法從該文檔中識(shí)別并提取出多個(gè)半結(jié)構(gòu)化表述，例如，一文檔中所引用的專門領(lǐng)域的實(shí)體以及該文檔中與這些實(shí)體相關(guān)聯(lián)的屬性。由該領(lǐng)域?qū)＜疑傻娜斯ひ?guī)則應(yīng)用到這些實(shí)體上以及從每一文檔提出來(lái)的與它們語(yǔ)言相關(guān)聯(lián)的涵義上。基于規(guī)則對(duì)實(shí)體涵義和關(guān)系的正確性進(jìn)行評(píng)估。
本發(fā)明的一個(gè)實(shí)施例帶有一個(gè)信息提取(information extraction-----IE)機(jī)，其能識(shí)別出給定問(wèn)題領(lǐng)域中所出現(xiàn)的專門領(lǐng)域的實(shí)體，以及一文檔中與這些實(shí)體相關(guān)的定性屬性、定量屬性、關(guān)系屬性或邏輯屬性。還可提供一規(guī)則庫(kù)。該規(guī)則庫(kù)表示成一個(gè)簡(jiǎn)單的條件-操作條款的列表，并且在從這個(gè)領(lǐng)域人工確認(rèn)一文檔的內(nèi)容時(shí)其表示一專家的邏輯“檢驗(yàn)表”。
一實(shí)體的“定性”屬性通常表示一名詞實(shí)體旁邊的修飾性的或描述性的短語(yǔ)。例如，在短語(yǔ)“一種高燃料效率的發(fā)動(dòng)機(jī)”中，短語(yǔ)“高燃料效率”用作實(shí)體“發(fā)動(dòng)機(jī)”的定性屬性。同時(shí)在短語(yǔ)“低拖拽系數(shù)”中，術(shù)語(yǔ)“低”表示實(shí)體“拖拽系數(shù)”的定性屬性。
一實(shí)體的“定量”屬性通常表示與一名詞實(shí)體相關(guān)聯(lián)的某一測(cè)量單位的某一數(shù)目，其自身可表示另一實(shí)體的某種可測(cè)量的性質(zhì)。例如，在短語(yǔ)“沸點(diǎn)100攝氏度”中，短語(yǔ)“100攝氏度”表示實(shí)體“沸點(diǎn)”的定量屬性，其自身應(yīng)與另外某一實(shí)體相關(guān)聯(lián)。同樣，在短語(yǔ)“糖2到3勺”中，術(shù)語(yǔ)“2到3勺”表示實(shí)體“糖”的定量屬性。
一實(shí)體的“關(guān)系”屬性通常表示某種比較性的或者是位置性的術(shù)語(yǔ)/短語(yǔ)，從而在一實(shí)體與另一個(gè)或另幾個(gè)實(shí)體之間形成一種關(guān)系。例如，在短語(yǔ)“緊急情況的優(yōu)先級(jí)高于非緊急情況”中，短語(yǔ)“優(yōu)先級(jí)高于”表示實(shí)體“緊急情況”相對(duì)于實(shí)體“非緊急情況”的對(duì)比關(guān)系屬性。同時(shí)，在短語(yǔ)“部件X與部件Y相連”中，術(shù)語(yǔ)“與……相連”表示實(shí)體“部件X”和實(shí)體“部件Y”之間的位置關(guān)系屬性。
一實(shí)體的“邏輯”屬性通常表示某一實(shí)體可能處于的兩位狀態(tài)，其中之一為真，另一為假。例如，在短語(yǔ)“水未檢測(cè)出”中，短語(yǔ)“未檢測(cè)出”表示實(shí)體“水”邏輯屬性。
附圖中相同的附圖標(biāo)記表示相同的特性或步驟。
參見(jiàn)圖1，所示為本發(fā)明一實(shí)施例中文檔內(nèi)容確認(rèn)系統(tǒng)10的示意圖。該文檔內(nèi)容確認(rèn)系統(tǒng)10包括一個(gè)信息提取模塊12、一規(guī)則翻譯模塊14、其包含一推理機(jī)16、一提取出的元數(shù)據(jù)存儲(chǔ)單元18、一確認(rèn)報(bào)告和標(biāo)準(zhǔn)化元數(shù)據(jù)存儲(chǔ)單元20以及一用戶接口22。
文檔內(nèi)容確認(rèn)系統(tǒng)10從一自由文本文檔24(其包含有文本、一個(gè)或多個(gè)圖像、聲音、視頻或者是它們的組合)并以一組確認(rèn)規(guī)則26的形式接收輸入。文檔24是一個(gè)其內(nèi)容需要進(jìn)行確認(rèn)的文檔。該組確認(rèn)規(guī)則26由該領(lǐng)域一專家提供，或者是通過(guò)某種自動(dòng)或半自動(dòng)的處理獲得。規(guī)則翻譯模塊14中的推理機(jī)16、邏輯網(wǎng)絡(luò)則基于該組確認(rèn)規(guī)則26自動(dòng)構(gòu)造。
提取出的元數(shù)據(jù)存儲(chǔ)單元18保存有中間形成的元數(shù)據(jù)，其表示的是從所處理的文檔24提取出的信息。信息提取模塊12從自由文本的電子文檔24提取出半結(jié)構(gòu)化的信息或者是元數(shù)據(jù)。所提取出來(lái)的信息臨時(shí)保存在提取出的元數(shù)據(jù)存儲(chǔ)單元18，以便由規(guī)則翻譯模塊14進(jìn)行進(jìn)一步的處理。該規(guī)則翻譯模塊14從提取出的元數(shù)據(jù)存儲(chǔ)單元18接收提取出來(lái)的信息，然后將所提取出來(lái)的元數(shù)據(jù)傳送通過(guò)推理機(jī)16，其是確認(rèn)規(guī)則26組的內(nèi)部表示。保存在確認(rèn)報(bào)告中以及標(biāo)準(zhǔn)化元數(shù)據(jù)存儲(chǔ)單元20中的確認(rèn)報(bào)告和標(biāo)準(zhǔn)化的元數(shù)據(jù)表示的是規(guī)則翻譯模塊14對(duì)所提取的元數(shù)據(jù)18進(jìn)行評(píng)估的評(píng)估結(jié)果。
盡管我們可將圖1所示系統(tǒng)中的各個(gè)模塊嵌入到硬件中，但圖1中的文檔內(nèi)容確認(rèn)系統(tǒng)10是嵌在計(jì)算機(jī)上的，這里的進(jìn)程由一處理器來(lái)控制，在本申請(qǐng)中該處理器為中央處理單元(CPU)27。各個(gè)模塊之間通過(guò)一總線28進(jìn)行通訊。文檔24和確認(rèn)規(guī)則通過(guò)一進(jìn)/出端口29輸入進(jìn)來(lái)，并輸?shù)娇偩€28上，并由此分別輸入到信息提取模塊12和規(guī)則翻譯模塊14。所提取的元數(shù)據(jù)18以及確認(rèn)報(bào)告和標(biāo)準(zhǔn)化的元數(shù)據(jù)20保存在計(jì)算機(jī)存儲(chǔ)器上，其可是易失存存儲(chǔ)器也可是非易失存存儲(chǔ)器。用戶接口通常是一個(gè)帶有鍵盤的屏幕。
信息提取模塊12包括一個(gè)本領(lǐng)域公知的信息提取機(jī)，例如前面提到的在先公開(kāi)的專利文獻(xiàn)US6,263,335、US5,841,895、US6,212,494或者是WO01/11,492，其也可是其它具有類似功能的系統(tǒng)。該信息提取模塊12采用NLP技術(shù)，其中將一種含糊的人類語(yǔ)法(例如)教給計(jì)算機(jī)系統(tǒng)。
該信息提取模塊12負(fù)責(zé)從所輸入的電子文檔24提取出半結(jié)構(gòu)化表述，如文本實(shí)體以及與它們文字關(guān)聯(lián)的屬性。該信息提取(IE)機(jī)通過(guò)教導(dǎo)能夠識(shí)別出一給定問(wèn)題領(lǐng)域中出現(xiàn)的特定領(lǐng)域的實(shí)體，以及這些實(shí)體的定性屬性、定量屬性、關(guān)系屬性或者是邏輯屬性。
該規(guī)則翻譯模塊包括一個(gè)規(guī)則機(jī)，其負(fù)責(zé)由外部規(guī)則組26構(gòu)造出推理機(jī)16。該推理機(jī)16對(duì)從一文檔提取出的每一個(gè)實(shí)體進(jìn)行評(píng)估，并直接或間接亮顯那些不能滿足規(guī)則組中一個(gè)或多個(gè)規(guī)則的實(shí)體，同時(shí)為每一個(gè)失敗點(diǎn)引用觸發(fā)規(guī)則。
確認(rèn)規(guī)則26組中的每一條規(guī)則都可與一條容易理解的說(shuō)明相關(guān)聯(lián)從而使用戶能夠理解下面這些要求失敗的規(guī)則以及對(duì)文檔內(nèi)容所進(jìn)行的必要更正從而避免未來(lái)該規(guī)則后續(xù)的失敗。
該系統(tǒng)既可以交互的方式工作也可以非交互的方式工作，以便對(duì)單個(gè)的文檔進(jìn)行確認(rèn)或者是以批處理的方式對(duì)多個(gè)文檔進(jìn)行確認(rèn)。對(duì)于交互方式來(lái)說(shuō)，一操作員通過(guò)一用戶接口來(lái)控制系統(tǒng)，將電子文檔送入系統(tǒng)以便確認(rèn)。其可一次送入一個(gè)文檔，也可自動(dòng)的送入多個(gè)文檔，其間只需在一文檔失敗需要更正時(shí)才參與進(jìn)來(lái)。該系統(tǒng)對(duì)一文檔進(jìn)行處理并通過(guò)用戶接口將該文檔確認(rèn)檢查的結(jié)果提交給操作員。然后，該操作員對(duì)該文檔的內(nèi)容進(jìn)行適當(dāng)?shù)母僮鳎⑵湓俅瓮ㄟ^(guò)該系統(tǒng)從而確認(rèn)所有的錯(cuò)誤已被更正，并且其中沒(méi)有引入新的錯(cuò)誤。在當(dāng)前這個(gè)文檔通過(guò)確認(rèn)檢查之后，將下一個(gè)文檔通過(guò)系統(tǒng)并重復(fù)上面的工作流程。在批處理的情況下，可將多個(gè)電子文檔作為一列表提交給系統(tǒng)，系統(tǒng)將在沒(méi)有操作員幫助的情況下一個(gè)一個(gè)地進(jìn)行確認(rèn)。對(duì)于其中發(fā)現(xiàn)有確認(rèn)錯(cuò)誤的每一個(gè)文檔來(lái)說(shuō)，系統(tǒng)會(huì)在列表中亮顯該文檔，并為該文檔生成一個(gè)對(duì)應(yīng)的確認(rèn)錯(cuò)誤的日志。
圖2為圖1中文檔內(nèi)容確認(rèn)系統(tǒng)10所進(jìn)行的文檔內(nèi)容確認(rèn)處理S30的流程，以及一些準(zhǔn)備操作。
在本實(shí)施例中，準(zhǔn)備操作包括客戶化信息提取模塊12(步驟S32)，生成并輸入確認(rèn)規(guī)則26組(步驟S34)，對(duì)確認(rèn)規(guī)則26組進(jìn)行解析并構(gòu)造推理機(jī)16(步驟S36)。這些準(zhǔn)備操作在這里以一種特定的序列顯示出來(lái)，其中客戶化信息提取模塊12(步驟S32)也可與其它兩個(gè)操作步驟同時(shí)進(jìn)行，或者是安排在這兩個(gè)操作步驟之間或之后。當(dāng)然，確認(rèn)規(guī)則26需要在其被解析(步驟S36)之前生成。此外，盡管這些準(zhǔn)備操作在這里所示均處于文檔內(nèi)容確認(rèn)系統(tǒng)10的操作S30之外，但在其它實(shí)施例中，這些準(zhǔn)備操作中的一個(gè)或多個(gè)步驟也可在操作S30之中。
如圖2所示，在本實(shí)施例中文檔內(nèi)容的確認(rèn)處理程序S30涉及其它的操作步驟。最初是輸入一個(gè)或多個(gè)文檔24(步驟38)。然后確定是否還有文檔需要確認(rèn)(步驟40)。如果沒(méi)有，處理S30結(jié)束。否則，提取下一個(gè)文檔來(lái)進(jìn)行確認(rèn)(步驟S42)，其中第一個(gè)通過(guò)的文檔就是第一文檔。從下一個(gè)文檔提取出信息(步驟S44)并保存下來(lái)(步驟S46)。所(保存的)提取出來(lái)的信息通過(guò)推理機(jī)16中的邏輯網(wǎng)絡(luò)(步驟48)從而編輯生成確認(rèn)結(jié)果(步驟50)。然后對(duì)當(dāng)前的文檔進(jìn)行處理(步驟S52)，其可能涉及當(dāng)前文檔的修整或者是當(dāng)前文檔的修訂以及將修訂后的文檔設(shè)置成下一個(gè)文檔。處理程序返回到步驟S40。
步驟32是一個(gè)構(gòu)造階段，其中系統(tǒng)為一個(gè)特寫問(wèn)題領(lǐng)域進(jìn)行半自動(dòng)地初始化。該信息提取機(jī)12客戶化成一領(lǐng)域的詞匯，從而能理解或識(shí)別出專門領(lǐng)域的實(shí)體以及它們的邏輯屬性、關(guān)系屬性或定量屬性和這些屬性可能采用的數(shù)值或形式。這種客戶化可采用某一領(lǐng)域?qū)＜业男问绞谷斯?biāo)記的文檔帶上該領(lǐng)域的內(nèi)容特征，或者使語(yǔ)法規(guī)則直接編到信息提取機(jī)中，或者是其它可能的操作。例如，在一化工領(lǐng)域中，對(duì)于一個(gè)基本的詞匯模塊來(lái)說(shuō)可能有多個(gè)其不知道的復(fù)雜的化學(xué)名稱。
同樣，該領(lǐng)域?qū)＜业膮⑴c還可用來(lái)在步驟S34中生成或創(chuàng)造出確認(rèn)規(guī)則26組，該確認(rèn)規(guī)則26組用來(lái)對(duì)本發(fā)明所處理的電子文檔進(jìn)行確認(rèn)。作為選擇，這些規(guī)則可取自于其它的權(quán)威資源如一本書中。這些規(guī)則均涉及相同的領(lǐng)域，其中信息提取機(jī)12在步驟S32中客戶化到該領(lǐng)域上。這些規(guī)則可采用“如果-前提成立-然后-結(jié)果”(即條件式)條款的形式，其中“前提”表示與一個(gè)或多個(gè)實(shí)體關(guān)聯(lián)的錯(cuò)誤的物理描述、抽象描述或關(guān)系描述列表中的一個(gè)，“結(jié)果”表示在“前提”條件滿足時(shí)與一個(gè)或多個(gè)實(shí)體關(guān)聯(lián)的錯(cuò)誤語(yǔ)句或確認(rèn)結(jié)論列表中的一個(gè)。確認(rèn)規(guī)則26組按照一種嚴(yán)格的英語(yǔ)語(yǔ)法來(lái)撰寫，其通常表示為“IF-THEN”語(yǔ)句，這一點(diǎn)將在后面參照?qǐng)D3進(jìn)行說(shuō)明。這些確認(rèn)規(guī)則也在步驟S34中輸入到文檔內(nèi)容確認(rèn)系統(tǒng)10，并由系統(tǒng)的規(guī)則翻譯模塊14載入。
盡管在本實(shí)施例中確認(rèn)規(guī)則26組如上所述寫成“IF-THEN”的語(yǔ)句，但也可寫成其它方式，只要是處于同一數(shù)學(xué)邏輯水平上這些方式都是等同的。其中一個(gè)例子就是采用狀態(tài)表，其中系統(tǒng)可能遇到的每一個(gè)數(shù)據(jù)狀態(tài)均列舉出來(lái)，其中還包括系統(tǒng)可能輸出的每一個(gè)結(jié)果。例如將所有的輸入狀態(tài)沿著垂直邊布置同時(shí)將所有的輸出狀態(tài)沿著水平邊布置從而形成一表。所選擇行和列相交的部分標(biāo)為“開(kāi)”，以此來(lái)表示由某一輸入狀態(tài)所得到的輸出狀態(tài)。
在步驟S36中，系統(tǒng)中的規(guī)則翻譯模塊14解析確認(rèn)規(guī)則26組并形成一個(gè)等同的內(nèi)部邏輯網(wǎng)絡(luò)，從而構(gòu)造出推理機(jī)16。
在準(zhǔn)備操作S32到S36完成后(無(wú)論其是與后面的操作同時(shí)完成、分別完成，還是提前完成)，系統(tǒng)就處于一種不需要人為干預(yù)就重復(fù)進(jìn)行內(nèi)容確認(rèn)的狀態(tài)中。如步驟S34中所指定的規(guī)則一樣，涉及同一問(wèn)題領(lǐng)域的新文檔，甚至以它們?cè)嫉男问?即，沒(méi)有經(jīng)過(guò)預(yù)處理以符合某種標(biāo)準(zhǔn)布置/模板結(jié)構(gòu))送到系統(tǒng)。對(duì)于每一個(gè)文檔來(lái)說(shuō)，系統(tǒng)都要進(jìn)行信息的提取，并將提取出的實(shí)體的相關(guān)涵義通過(guò)其規(guī)則庫(kù)。對(duì)于那些觸發(fā)了被提取文檔內(nèi)容上的錯(cuò)誤的所有規(guī)則來(lái)說(shuō)，系統(tǒng)會(huì)通過(guò)用戶接口顯示出一個(gè)相關(guān)聯(lián)的錯(cuò)誤信息，同時(shí)或者是作為選擇，將該錯(cuò)誤信息附加到一個(gè)日志文件上以便由操作人員熟悉。
因此，(在步驟38)就有一個(gè)或多個(gè)文檔以電子形式輸入到文檔內(nèi)容確認(rèn)系統(tǒng)10中，由此就能讀取它們的內(nèi)容。一旦確定這里有需要確認(rèn)的文檔(在步驟40)，就繼續(xù)文檔內(nèi)容確認(rèn)系統(tǒng)10的標(biāo)準(zhǔn)處理程序，(在步驟42)從所保存的文檔中提取出下一個(gè)需要確認(rèn)的文檔(第一個(gè)通過(guò)的文檔就是第一個(gè)文檔)。將領(lǐng)域客戶化后的信息提取模塊12應(yīng)用于本文本文檔，與相關(guān)的信息一起(在步驟S44)提取出實(shí)體以及這些實(shí)體的相關(guān)屬性。信息的提取會(huì)形成該文檔的一個(gè)內(nèi)部提取的元數(shù)據(jù)表述，其保存在提取出的元數(shù)據(jù)存儲(chǔ)單元18中(在步驟46)。
在步驟44中由信息提取模塊12提取出來(lái)的元數(shù)據(jù)18(在步驟48)經(jīng)過(guò)規(guī)則翻譯模塊14在步驟36所構(gòu)造的邏輯網(wǎng)絡(luò)16。在步驟48中一旦所提取出來(lái)的元數(shù)據(jù)內(nèi)容18完全通過(guò)了邏輯網(wǎng)絡(luò)18，就會(huì)在邏輯網(wǎng)絡(luò)16的各個(gè)推理節(jié)點(diǎn)中生成最終的狀態(tài)。這些推理節(jié)點(diǎn)的狀態(tài)經(jīng)研究從而編輯出一組確認(rèn)結(jié)果，其包含有元數(shù)據(jù)組和失敗確認(rèn)規(guī)則的一對(duì)列表(如果有的話)(步驟50)。
最后，基于該組確認(rèn)結(jié)果來(lái)處理當(dāng)前的文檔(在步驟S52)。如果所有的確認(rèn)規(guī)則都成功進(jìn)行，那么就記入日志并結(jié)束當(dāng)前的文檔。否則，可對(duì)該文檔進(jìn)行修改從而克服那些能夠?qū)е乱粋€(gè)或多個(gè)確認(rèn)規(guī)則失敗的錯(cuò)誤或信息缺損，或者是將失敗記錄下來(lái)將該文檔放在一邊以便以后再修改。如果在該系統(tǒng)中對(duì)該文檔進(jìn)行修改，那么修改后的文檔就作為下一個(gè)文檔。在步驟S52之后，處理程序回到步驟S40，從而確定是否還是文檔需要確認(rèn)。如果有，那么就在步驟S42中提取下一個(gè)文檔。如果該文檔被修改過(guò)，那么所述的下一個(gè)文檔就是前面經(jīng)過(guò)處理并經(jīng)過(guò)修改然后指定為下一個(gè)文檔的文檔。否則，所提取的文檔就是一個(gè)新文檔。
圖3的示意圖所示為一確認(rèn)規(guī)則組26以及由該確認(rèn)規(guī)則組26生成的一邏輯網(wǎng)絡(luò)60的一例通用結(jié)構(gòu)。該示例的通用性在于各個(gè)編了號(hào)的術(shù)語(yǔ)和條件均沒(méi)有定義，其特征在于該編了號(hào)的術(shù)語(yǔ)與條件的特定組合會(huì)給出特定的結(jié)果狀態(tài)。該例中的邏輯網(wǎng)絡(luò)60是圖1的文檔內(nèi)容確認(rèn)系統(tǒng)10中規(guī)則翻譯模塊14所構(gòu)造的推理機(jī)16的一個(gè)實(shí)施例。所示的邏輯網(wǎng)絡(luò)60是一個(gè)簡(jiǎn)化了的三層神經(jīng)元網(wǎng)絡(luò)，其具有(1)一個(gè)輸入節(jié)點(diǎn)層L1，其包含多個(gè)輸入節(jié)點(diǎn)62，用來(lái)表示信息提取模塊12從所確認(rèn)文檔24提取出的各個(gè)元數(shù)據(jù)；(2)一個(gè)輸出節(jié)點(diǎn)層L2，其包含多個(gè)輸出節(jié)點(diǎn)62，用來(lái)表示每個(gè)規(guī)則的推理關(guān)系；(3)一個(gè)中間或隱藏節(jié)點(diǎn)層LH，其包含多個(gè)中間節(jié)點(diǎn)，用來(lái)表示多個(gè)輸入節(jié)點(diǎn)之間的復(fù)合邏輯操作；(4)邊緣或通道58，其經(jīng)中間節(jié)點(diǎn)66將所有的輸入和輸出節(jié)點(diǎn)62、64連接起來(lái)，并遵循確認(rèn)規(guī)則組26中規(guī)則所描述的邏輯。
對(duì)于每一個(gè)需要確認(rèn)的文檔24來(lái)說(shuō)，該邏輯網(wǎng)絡(luò)60首先被初始化，這樣三層LI、LH、LO中的任何一層都沒(méi)有有效節(jié)點(diǎn)。這表示的是一個(gè)初始狀態(tài)，在該狀態(tài)下，在確認(rèn)之前不知道有確認(rèn)錯(cuò)誤存在。
所提取出的元數(shù)據(jù)以實(shí)體-屬性組的形式存在，其中每一個(gè)實(shí)體-屬性組都與邏輯網(wǎng)絡(luò)60的輸入節(jié)點(diǎn)層LI中的一個(gè)唯一的輸入節(jié)點(diǎn)62直接關(guān)聯(lián)，確認(rèn)規(guī)則組26中所提到的所有實(shí)體均是這樣。由此，元數(shù)據(jù)的屬性值就表示當(dāng)前文檔內(nèi)容的當(dāng)前狀態(tài)或是激活值。這樣，這些活化值就從輸入節(jié)點(diǎn)層LI送到輸出節(jié)點(diǎn)層LO，作為選擇該傳送過(guò)程可通過(guò)中間節(jié)點(diǎn)層LH中的某些中間節(jié)點(diǎn)66。當(dāng)所有的元數(shù)據(jù)都輸送通過(guò)網(wǎng)絡(luò)時(shí)，那些處于邏輯網(wǎng)絡(luò)60中輸出節(jié)點(diǎn)層LO頂級(jí)并被激活的節(jié)點(diǎn)表示的是已經(jīng)觸發(fā)的規(guī)則結(jié)果。
在一個(gè)或多個(gè)輸出節(jié)點(diǎn)LO被激活的地方，規(guī)則翻譯模塊14可對(duì)貢獻(xiàn)的激活信號(hào)追蹤回到相應(yīng)的輸入節(jié)點(diǎn)62從而對(duì)涉及這些節(jié)點(diǎn)的信息進(jìn)行比較，由此(例如給操作人員)提供一個(gè)確認(rèn)報(bào)告20，其中包含所有失敗的確認(rèn)規(guī)則的詳細(xì)說(shuō)明。提取出的元數(shù)據(jù)和確認(rèn)結(jié)果可由用戶接口22獲得，由此就使操作人員能夠?yàn)g覽規(guī)則翻譯模塊14所生成的確認(rèn)報(bào)告并基于這些結(jié)果確定出需要對(duì)輸入文檔24進(jìn)行更正；以及，如果需要，返回到信息提取階段(圖2中的步驟44)從而判斷出信息提取模塊12所提取信息的完整性和正確性。
該確認(rèn)規(guī)則組26表示的是這樣一組規(guī)則的一個(gè)實(shí)施例的抽象例，其采用一種嚴(yán)格的格式化的語(yǔ)法。在圖3的該例確認(rèn)規(guī)則組26中，術(shù)語(yǔ)T1、T2和T3表示那些由信息提取模塊12識(shí)別并提取出來(lái)的具體的實(shí)體，以及它們給定的狀態(tài)或者是文檔中相關(guān)數(shù)值。條件C1到C5表示在術(shù)語(yǔ)T1到T3中特定一個(gè)術(shù)語(yǔ)所進(jìn)行的條件測(cè)試，其通常涉及所提取出的這些實(shí)體的屬性(定性屬性、定量屬性、關(guān)系屬性或者邏輯屬性)。這種測(cè)試可包括核對(duì)術(shù)語(yǔ)本身或者是相關(guān)的屬性是否存在；核對(duì)一術(shù)語(yǔ)相關(guān)屬性的數(shù)值范圍；核對(duì)與一術(shù)語(yǔ)相關(guān)聯(lián)的匹配字符串的形式或者是相關(guān)的特性等。結(jié)果E1到E5是與一特定規(guī)則失敗相關(guān)聯(lián)的結(jié)果，對(duì)于每一個(gè)激活的結(jié)果E1到E5來(lái)說(shuō)，其可簡(jiǎn)化為一錯(cuò)誤聲明到一日志文件或一視頻顯示的輸出。在某一個(gè)規(guī)則中，如果術(shù)語(yǔ)和條件組得到滿足則必然會(huì)激活一結(jié)果。
在圖3的示例中，通用的確認(rèn)規(guī)則組26如前所述采用一系列“IF-THEN”的語(yǔ)句，其表示如下(1)IF術(shù)語(yǔ)T1具有條件C1，THEN結(jié)果就是E1；(2)IF術(shù)語(yǔ)T1具有條件C1AND術(shù)語(yǔ)T2具有條件C1，THEN結(jié)果就是E2；(3)IF術(shù)語(yǔ)T1具有條件C2AND術(shù)語(yǔ)T2具有條件C3OR術(shù)語(yǔ)T3具有條件C2，THEN結(jié)果就是E3；(4)IF術(shù)語(yǔ)T2具有條件C2OR術(shù)語(yǔ)T3具有條件C4，THEN結(jié)果就是E4；以及(5)IF術(shù)語(yǔ)T3具有條件C5，THEN結(jié)果就是E5。
當(dāng)然，它們也可是其它的組合以及其它的“IF-THEN”語(yǔ)句，這取決于頂級(jí)規(guī)則以及確認(rèn)系統(tǒng)的需要。
盡管在圖3的實(shí)施例沒(méi)有展示，但邏輯網(wǎng)絡(luò)60也可包括從結(jié)果節(jié)點(diǎn)到它們觸發(fā)的術(shù)語(yǔ)-條件節(jié)點(diǎn)的向后指針，從而能夠?qū)τ|發(fā)結(jié)果的術(shù)語(yǔ)-條件組向后追蹤并進(jìn)行報(bào)告。
規(guī)則陳述的清晰性通過(guò)附加的語(yǔ)法術(shù)語(yǔ)“AND”、“OR”和“NOT”來(lái)加強(qiáng)，其能組合形成不同的術(shù)語(yǔ)條件組從而表達(dá)出一個(gè)更為復(fù)雜的完整術(shù)語(yǔ)。語(yǔ)法標(biāo)識(shí)“AND”、“OR”和“NOT”的邏輯涵義與這些術(shù)語(yǔ)在通常邏輯語(yǔ)句和英語(yǔ)語(yǔ)法中的涵義相同。
圖4表示由特定一組確認(rèn)規(guī)則生成的一特定邏輯網(wǎng)絡(luò)的特定示例。該特定組的規(guī)則并非圖3中的那例通用的規(guī)則組，其有所不同。該邏輯網(wǎng)絡(luò)是一例可由步驟S36生成的邏輯網(wǎng)絡(luò)。
盡管圖4的邏輯網(wǎng)絡(luò)部分60仍顯示的是術(shù)語(yǔ)T1、T2、T3和T4以及條件C1、C2、C3、C4、C5、C6和C7的抽象表示，但事實(shí)上，它們均與實(shí)際的術(shù)語(yǔ)和條件相關(guān)聯(lián)，如那些通常出現(xiàn)在實(shí)際化學(xué)數(shù)據(jù)表中的實(shí)際術(shù)語(yǔ)和條件。同樣，結(jié)果E1、E2、E3和E4的抽象表示也與那些通常在規(guī)則失敗時(shí)生成的錯(cuò)誤消息相關(guān)聯(lián)。
本例的實(shí)際術(shù)語(yǔ)如下T1{化學(xué)名稱}；T2{重要提示}；T3{閃點(diǎn)}；以及T4{工程控制}。
本例的實(shí)際條件如下C1{不存在}；C2{苯}；C3{未提及癌癥}；C4{小于0℃}；
C5{未提及防爆}；C6{提及癌癥}；以及C7{未提及局部排氣通風(fēng)}。
本例中的實(shí)際結(jié)果如下E1{“化學(xué)名稱沒(méi)有提到”}；E2{“苯的致癌性沒(méi)有提到”}；E3{“沒(méi)有給低閃點(diǎn)化合物專門設(shè)置防爆措施”}；以及E4{“在工程控制中沒(méi)有給致癌物質(zhì)設(shè)置專門的局部排氣通風(fēng)”}。
在圖4所示的示例中，特定組的確認(rèn)規(guī)則26采用一系列“IF-THEN”語(yǔ)句，其具體如下(1)IF T1{化學(xué)名稱}C1{不存在}，THEN E1{“化學(xué)名稱沒(méi)有提到”}；(2)IF T1{化學(xué)名稱}C2{苯}AND T2{重要提示}C3{未提及癌癥}，THEN E2{“苯的致癌性沒(méi)有提到”}；(3)IF T3{閃點(diǎn)}C4{小于0℃}AND T4{工程控制}C5{未提及防爆}，THEN E3{“沒(méi)有給低閃點(diǎn)化合物專門設(shè)置防爆措施”}以及；(4)IF T1{化學(xué)名稱}C2{苯}OR T2{重要提示}C6{提及癌癥}AND IF T4{工程控制}C7{未提及局部排氣通風(fēng)}，THEN E4{“在工程控制中沒(méi)有給致癌物質(zhì)設(shè)置專門的局部排氣通風(fēng)”}。
圖5更為詳細(xì)地展示了圖2方法中信息提取部分示例的示意圖。
在圖5中，文檔24表示所要確認(rèn)文檔的原始形式和內(nèi)容。該內(nèi)容很有可能是被一個(gè)或多個(gè)與文檔確認(rèn)系統(tǒng)領(lǐng)域不相干的人創(chuàng)作出來(lái)。這樣，就不可能假定這些不同文檔的不同作者使這些屬于相同領(lǐng)域的所有文檔均采用完全相同的格式習(xí)慣。將信息提取模塊12應(yīng)用于規(guī)則翻譯模塊14，那么不管這些文檔的作者是否采用的是不同的排版和句法，均可為每一個(gè)被文檔內(nèi)容確認(rèn)系統(tǒng)10處理的文檔獲得一個(gè)一致的內(nèi)部提取出的元數(shù)據(jù)表述18。
在本例中，被確認(rèn)的文檔如下“化學(xué)名稱苯重要提示極度易燃性液體，可引致血液異常。如果吞食會(huì)有害或致命。會(huì)引致眼睛和皮膚刺激。誘導(dǎo)有機(jī)突變的物質(zhì)。
工程控制使用防爆的排氣通風(fēng)設(shè)備。儲(chǔ)存或利用該物質(zhì)的設(shè)施應(yīng)付設(shè)有洗眼裝置和安全淋浴器。只能在化學(xué)通風(fēng)柜內(nèi)使用。
物理和化學(xué)性質(zhì)蒸氣壓74.3mm Hg@20℃；蒸氣密度2.7(空氣＝1)；沸點(diǎn)80℃；閃點(diǎn)-11℃(12.20)；分子式C6H6；分子量78.042吸入立即接受醫(yī)療救護(hù)。立即移至新鮮空氣處。如有呼吸困難，應(yīng)使用氧氣救護(hù)?！庇纱颂崛〉脑獢?shù)據(jù)信息組如下T1{化學(xué)名稱}＝″苯″；T2{重要提示}＝″極度易燃性液體，可引致血液異常。如果吞食會(huì)有害或致命。會(huì)引致眼睛和皮膚刺激。誘導(dǎo)有機(jī)突變的物質(zhì)″；T3{閃點(diǎn)}＝″-11℃(12.20)″；以及T4{工程控制}＝″使用防爆的排氣通風(fēng)設(shè)備。儲(chǔ)存或利用該物質(zhì)的設(shè)施應(yīng)付設(shè)有洗眼裝置和安全淋浴器。只能在化學(xué)通風(fēng)柜內(nèi)使用″。
第一信息組并未提取成T1{化學(xué)名稱}＝″化學(xué)名稱苯″，這是因?yàn)樾枰獙⑺袠?biāo)記的不同實(shí)例標(biāo)準(zhǔn)化成一種形式(在這里就是″化學(xué)名稱″的形式)，對(duì)此要留意系統(tǒng)的信息提取部分。
在當(dāng)前所構(gòu)造出的推理機(jī)16中，僅有四個(gè)實(shí)體術(shù)語(yǔ)T1-T4。圖5和6還展示了一個(gè)TN，其可能是所需的任一數(shù)字。
圖6展示了圖4的邏輯網(wǎng)絡(luò)在圖5中提取出的元數(shù)據(jù)上的操作，其對(duì)應(yīng)于圖2中處理程序的步驟S48。在步驟S44中由信息提取模塊12生成的提取出的元數(shù)據(jù)18經(jīng)過(guò)規(guī)則翻譯模塊14在步驟S36構(gòu)造的推理機(jī)16。由圖5中文檔提取出來(lái)數(shù)據(jù)與圖4的邏輯網(wǎng)絡(luò)60一起提供了一個(gè)環(huán)節(jié)，這里只有術(shù)語(yǔ)-條件組T1/C2[{化學(xué)名稱}{是苯}]、T2/C3[{重要提示}{未提及癌癥}]、T3/C4[{閃點(diǎn)}{小于0℃}]和T4/C7[{工程控制}{未提及局部排氣通風(fēng)}]被激活。這是因?yàn)槲臋n24(在這里是一個(gè)化學(xué)數(shù)據(jù)表)只提到化學(xué)名稱是苯，而沒(méi)有提到的苯的致癌屬性，只給出該化學(xué)物質(zhì)的閃點(diǎn)為11℃，而沒(méi)有指出使用局部的排氣通風(fēng)，因此分別滿足條件C2、C3、C4和C7。
反之，如果出現(xiàn)了化學(xué)名稱，提到了需要防爆通風(fēng)，同時(shí)沒(méi)有提到化學(xué)物質(zhì)的致癌性，那么條件C1、C5和C6則不能得到滿足。條件C6事實(shí)上是條件C3的補(bǔ)充。結(jié)果，術(shù)語(yǔ)-條件組T1/C1[{化學(xué)名稱}{不存在}]、T2/C6[{重要提示}{提及癌癥}]和T4/C5[{工程控制}{未提及防爆}]就不被激活。
從圖6的邏輯網(wǎng)絡(luò)50可以看出如果沒(méi)有激活確認(rèn)規(guī)則組26中規(guī)則(1)的唯一條件組就意味著結(jié)果E1未被觸發(fā)。然而，激活確認(rèn)規(guī)則組26中規(guī)則(2)的所有術(shù)語(yǔ)-條件組就意味著結(jié)果E2肯定被觸發(fā)了。與之相反，僅激活規(guī)則(3)的T3/C4而不激活另一個(gè)的術(shù)語(yǔ)-條件組T4/C5就意味著E3未被觸發(fā)，這是因?yàn)閮蓚€(gè)術(shù)語(yǔ)-條件組的要求必須同時(shí)滿足。最后，可以看出規(guī)則(4)的結(jié)果E4均被觸發(fā)，而不管T2/C6是否被激活。這是因?yàn)門1/C2和T/C6之間的OR(或)關(guān)系意味著只要有一個(gè)激活的組就足以將一激活前置以便與T4/C7的信號(hào)組合(AND)從而觸發(fā)結(jié)果E4。
提取出的元數(shù)據(jù)內(nèi)容18一旦完全通過(guò)邏輯網(wǎng)絡(luò)16，下一步S50包括簡(jiǎn)單地瀏覽所有的結(jié)果節(jié)點(diǎn)從而確定到底激活哪一個(gè)。對(duì)于每一個(gè)激活的結(jié)果節(jié)點(diǎn)來(lái)說(shuō)，那些關(guān)聯(lián)的失敗的術(shù)語(yǔ)-條件組也也追蹤回去并記錄下來(lái)。
圖7為圖2整個(gè)流程圖中步驟S52的流程圖。其中基于某一觸發(fā)結(jié)果來(lái)采取合適的操作。該處理包括考慮本系統(tǒng)是否以交互的方式運(yùn)行(即操作人員是否需用手操作)。這種考慮可用來(lái)提供其它的變化形式來(lái)報(bào)告確認(rèn)失敗。
基于那些被觸發(fā)的結(jié)果，就能確定是否有確認(rèn)規(guī)則出現(xiàn)失敗(在步驟S72)，即邏輯網(wǎng)絡(luò)50中結(jié)果E1-E4是否有被觸發(fā)的。如果當(dāng)前文檔沒(méi)有確診規(guī)則失敗，那么就將一數(shù)據(jù)表“確認(rèn)通過(guò)”的信息附加到該文檔的日志文件(在步驟S74)。然后處理程序確定系統(tǒng)是否處于交互模式(在步驟S76)。如果系統(tǒng)不處于交互模式，那么就將當(dāng)前的文檔從當(dāng)前的文檔堆棧中去掉(在步驟S78)并使處理程序回退到圖2所示處理程序的步驟S40，這里文檔確認(rèn)系統(tǒng)準(zhǔn)備對(duì)下一個(gè)文檔進(jìn)行確認(rèn)，對(duì)于其它所需處理的那些文檔同樣如此。如果系統(tǒng)處于交互模式，也要將一數(shù)據(jù)表“確認(rèn)通過(guò)”的信息顯示到用戶的圖形接口上(在步驟S80)，然后處理程序繼續(xù)前進(jìn)到步驟S78，這里該當(dāng)前文檔要從當(dāng)前的文檔堆棧中去掉，然后處理程序回到圖2所示處理程序的步驟S40。
如果在步驟S72確定有一個(gè)或多個(gè)規(guī)則失敗，那么就要將無(wú)效的元數(shù)據(jù)組和它們失敗的確認(rèn)規(guī)則的一介成對(duì)的列表附加到該當(dāng)前文檔的日志文件(在步驟S82)。同樣，處理程序要確定該系統(tǒng)是否處于交互模式中(在步驟S84)。如果系統(tǒng)并不處于交互模式中，那么就將當(dāng)前文檔從當(dāng)前的文檔堆棧中去掉(在步驟S78)，然后處理程序回到圖2所示處理程序的步驟S40。如果系統(tǒng)處于交互模式中，那么就將所提取的元數(shù)據(jù)給操作人員顯示到用戶圖形接口的一個(gè)標(biāo)準(zhǔn)模板上，同時(shí)顯示的還有那些關(guān)聯(lián)規(guī)則出現(xiàn)失敗的數(shù)據(jù)的錯(cuò)誤聲明(在步驟S86)。
操作人員優(yōu)選為對(duì)該領(lǐng)域相當(dāng)熟悉并能翻譯出與每一觸發(fā)結(jié)果相關(guān)聯(lián)的錯(cuò)誤信息。他確定其是否能或者是是否會(huì)進(jìn)行適當(dāng)?shù)母蛘呃缤瑫r(shí)對(duì)文檔做出一些修改，由此該文檔就能通過(guò)確認(rèn)(在步驟S88)。如果沒(méi)做出任何修改，那么處理程序就前進(jìn)到步驟S78從而將當(dāng)前的文檔從當(dāng)前的文檔堆棧中去掉。否則，如果做出了修改，那么操作人員就對(duì)文檔進(jìn)行這些修改，從而滿足所有的失敗確認(rèn)規(guī)則(在步驟S90)。然后將修訂后的文檔放置在當(dāng)前的文檔堆棧的頂部(在步驟S92)以便再次提交給確認(rèn)機(jī)，然后處理程序就回到圖2所示的處理程序的步驟S40。
在圖7所示的處理程序中，將系統(tǒng)是否為交互式的結(jié)果寫入日志中。在另一實(shí)施例中，日志僅寫有非交互模式的結(jié)果。
在圖7所示的處理程序中，當(dāng)系統(tǒng)處于交互模式時(shí)每次文檔在一個(gè)規(guī)則失敗時(shí)確認(rèn)程序均會(huì)停下來(lái)。在另一實(shí)施例中，當(dāng)系統(tǒng)處于交互模式時(shí)即使文檔在一個(gè)規(guī)則失敗時(shí)系統(tǒng)也會(huì)移到下一個(gè)文檔上。由此，當(dāng)操作人員已經(jīng)對(duì)文檔進(jìn)行了更正時(shí)，該文檔會(huì)切入成為下一個(gè)文檔，而不是阻止住剩下的文檔。
在上面的實(shí)施例中，規(guī)則庫(kù)26和結(jié)果推理機(jī)16是固定不變的。然而，這里也可帶有一個(gè)或多個(gè)格式化的特定領(lǐng)域的外部事實(shí)知識(shí)庫(kù)，專家推理庫(kù)的邏輯推理通過(guò)該外部事實(shí)知識(shí)庫(kù)可以擴(kuò)展從而包括該領(lǐng)域中所引入的新的實(shí)體。
在上述實(shí)施例中，推理機(jī)中的處理程序被表示為一個(gè)決策樹。本發(fā)明的實(shí)施例并不限于如此表示或者是僅能如此表示的推理機(jī)。例如，它們也可用其它的確定狀態(tài)轉(zhuǎn)移圖來(lái)表示。
在上面的示例中，每一個(gè)實(shí)體都處于一個(gè)級(jí)別上。本發(fā)明還可用在下面的場(chǎng)合，即一個(gè)或多個(gè)實(shí)體可具有多個(gè)級(jí)別一較高的級(jí)別，其屬性是一個(gè)處于下一級(jí)的實(shí)體(這個(gè)處于下一級(jí)的實(shí)體的屬性自身可能是一個(gè)處于另外一個(gè)下一級(jí)的屬性等)。較低的級(jí)別提供較高級(jí)別的更多特性。隨著較高級(jí)別的不同，下一級(jí)的數(shù)值也可能不同。
例如，在另一示例中，需要確認(rèn)的文檔是一張不同生產(chǎn)地區(qū)的商品報(bào)價(jià)表。其沿著表的垂直邊緣有一個(gè)地區(qū)列表，沿著水平邊緣有三個(gè)列標(biāo)題“農(nóng)產(chǎn)品”、“蓄產(chǎn)品”、“礦物”(高級(jí)別的實(shí)體)。在“農(nóng)產(chǎn)品”下面有兩個(gè)子標(biāo)題“蔬菜”和“水果”；在“蓄產(chǎn)品”下面有“雞”、“魚”和“?！?；以此類推(較低級(jí)別的實(shí)體)。在該表中，最高級(jí)經(jīng)抽象就是下面的屬性-數(shù)值組“商品”＝“農(nóng)產(chǎn)品”或者是“蓄產(chǎn)品”或者是“礦物”。下一級(jí)經(jīng)抽象則是如下的屬性-數(shù)值組“農(nóng)產(chǎn)品”＝“蔬菜”或“水果”；“蓄產(chǎn)品”＝“雞”或“魚”或“?！?；等(對(duì)于這些組來(lái)說(shuō)，“農(nóng)產(chǎn)品”也是上一級(jí)實(shí)體的一員并且“蔬菜”或“水果”是其下一級(jí)的實(shí)體)。在抽象出的另一級(jí)別中有如下屬性-數(shù)值組“雞”＝“$xxx”，“魚”＝“$xxx”，“牛”＝“$xxx”，等。
這就意味著，在抽象的頂級(jí)中，實(shí)體“農(nóng)產(chǎn)品”、“蓄產(chǎn)品”和“礦物”描述的是所謂“商品”的實(shí)體。然而，“農(nóng)產(chǎn)品”也意味著所謂“蔬菜”或“水果”的實(shí)體。這樣，在對(duì)這種表格進(jìn)行確認(rèn)時(shí)，就存在這樣的一個(gè)規(guī)則，其要求將商品分類到“農(nóng)產(chǎn)品”、“蓄產(chǎn)品”和“礦物”中，因?yàn)閷?duì)于所有的農(nóng)產(chǎn)品或者是蓄產(chǎn)品或者是礦物來(lái)說(shuō)都有通用的確認(rèn)規(guī)則。然而，這其中也有一些更為專業(yè)的規(guī)則/條件，例如，“If”商品“＝”魚“then…”。該規(guī)則仍舊是完全合適的，因?yàn)椤棒~”最終還是一個(gè)用來(lái)描述“商品”的實(shí)體，即使表格中沒(méi)有直接指明這樣的一個(gè)組，其也是這樣。
在上面的說(shuō)明中，系統(tǒng)的組成均被描述為模塊。一模塊，特別是其功能可以硬件或軟件的形式來(lái)實(shí)現(xiàn)。如果是軟件，一模塊就是一項(xiàng)處理程序、軟件程序或者是它們的一個(gè)部分，其通常用來(lái)實(shí)現(xiàn)一個(gè)特定的功能或者是相關(guān)的功能。如果是硬件，一模塊就是一功能硬件單元，其在設(shè)計(jì)上與其它部件模塊一起使用。例如，一模塊可用具體的電子元件來(lái)實(shí)現(xiàn)，也可做成一個(gè)完整電子電路的一個(gè)部分如特定用途的集成電路(ASIC)。當(dāng)然還可能有其它的形式。本領(lǐng)域技術(shù)人員都清楚該系統(tǒng)也可做成硬件軟件模塊的組合形式。
本發(fā)明的實(shí)施例可應(yīng)用于許多的領(lǐng)域，其中的產(chǎn)品需要有清晰的類別從而使某種有價(jià)值的、特定物品的文件與該類中每一件物品相關(guān)聯(lián)。
這種領(lǐng)域例如可以是制藥業(yè)以及食品包裝業(yè)，由此可以規(guī)定完整并準(zhǔn)確的產(chǎn)品標(biāo)簽。將本發(fā)明的實(shí)施例應(yīng)用于這兩個(gè)領(lǐng)域的一個(gè)優(yōu)點(diǎn)是能夠以統(tǒng)一的方式應(yīng)用最新的知識(shí)以便評(píng)估該領(lǐng)域的所有產(chǎn)品。例如，如果新科學(xué)研究表明一種特定的食品添加劑可能有害，此時(shí)很容易就能用一個(gè)相關(guān)的實(shí)施例來(lái)對(duì)現(xiàn)有的產(chǎn)品重新進(jìn)行評(píng)估，現(xiàn)有的許多產(chǎn)品有可能已經(jīng)由于先前的評(píng)估而改變了它們的成分。
在另一個(gè)示例中，衛(wèi)生保健領(lǐng)域是一個(gè)可由本發(fā)明實(shí)施例獲得好處的領(lǐng)域。在此領(lǐng)域中，用藥事實(shí)表可表示一組需要分析的數(shù)據(jù)，而病人記錄則表明另一組。在交叉確認(rèn)的過(guò)程中，可將一個(gè)合適的實(shí)施例應(yīng)用于任意一組的用藥事實(shí)表和病人記錄上，從而自動(dòng)提醒保健工作者可能存在的過(guò)敏反應(yīng)。
還可將本發(fā)明的一個(gè)合適的實(shí)施例應(yīng)用到金融分析領(lǐng)域中，這里其能比通常的信息過(guò)濾裝置提供更為準(zhǔn)確的信息捕捉。這是因?yàn)楹笳咧荒芡伙@那些提到了用戶感興趣主題的新聞?lì)愇恼?如一特定公司的股票或者是一特定國(guó)家的經(jīng)濟(jì))，其不能提供該主題更為詳細(xì)的內(nèi)容(如，特定公司的股票價(jià)格已升到一定的水平，某國(guó)的經(jīng)濟(jì)增長(zhǎng)預(yù)期已下降到1％)，其仍需用戶詳細(xì)審查已過(guò)濾的新聞?lì)愇恼聫亩_定出細(xì)節(jié)。假定相關(guān)的主題可能會(huì)出現(xiàn)許多不同的上下文中，這就意味著用戶仍有信息負(fù)擔(dān)過(guò)大的危險(xiǎn)。如果選用本發(fā)明一個(gè)合適的實(shí)施例來(lái)分析金融新聞，用戶就能過(guò)濾出許多與它們感興趣主題關(guān)系不大的文章，其甚至能給那些提及了特定數(shù)量的事件提供警示。
在另一示例中，在確認(rèn)材料安全數(shù)據(jù)表(material safety datasheet----MSDS)的領(lǐng)域中，本發(fā)明一合適的實(shí)施例可具有特定的適用性(如圖4到6所示的那樣)。MSDS是一些與化學(xué)工業(yè)中生產(chǎn)商生產(chǎn)的每一種化學(xué)產(chǎn)品相關(guān)聯(lián)的數(shù)據(jù)表。它們包含有例如下面這些信息一化學(xué)物的組成、其物理及化學(xué)性質(zhì)、安全處理所需的保護(hù)設(shè)備、在爆炸時(shí)的應(yīng)急措施、運(yùn)輸上的要求等。在許多國(guó)家中有關(guān)存放安全及衛(wèi)生的規(guī)定都要求所有的MSDS在內(nèi)容以及內(nèi)容如何更新上均需滿足一定級(jí)別的正確性和完整性。然而，那些頻繁發(fā)布的大量的新的或修訂的MSDS使得數(shù)量有限的具有所需專業(yè)知識(shí)的存放衛(wèi)生官員不能核查每一個(gè)數(shù)據(jù)表。因此，這些官員現(xiàn)在必須依賴于采樣，這樣許多不符合質(zhì)量要求的MSDS就發(fā)布給化學(xué)工業(yè)的工人。如果采用本發(fā)明合適的實(shí)施例，在MSDS確認(rèn)領(lǐng)域中信息負(fù)擔(dān)過(guò)大以及專家資源不足的問(wèn)題就都能被克服，至少是得到緩減。
上述的實(shí)施例針對(duì)的是文檔特別是技術(shù)文檔內(nèi)容的確認(rèn)。本發(fā)明的實(shí)施例在實(shí)施中能夠以多種變化形式來(lái)實(shí)現(xiàn)，顯然，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)在本發(fā)明的構(gòu)思和范圍之內(nèi)還有許多變更/變化。此外，在本發(fā)明的構(gòu)思和范圍之內(nèi)，這里所定義的一般原理可應(yīng)用到其它的實(shí)施例和應(yīng)用中。因此，本發(fā)明并不限于所示的實(shí)施例，其應(yīng)當(dāng)根據(jù)這里所公開(kāi)的原理和特征的最寬范圍來(lái)理解。
盡管本發(fā)明已經(jīng)結(jié)合目前最為實(shí)際并優(yōu)選的實(shí)施例進(jìn)行了描述，但可以理解的是本發(fā)明并不限于所公開(kāi)的實(shí)施例，相反，本發(fā)明的各種變更和等同方式均包含在后面權(quán)利要求的構(gòu)思和范圍中。
權(quán)利要求
1.一種應(yīng)用于自由文本文檔上進(jìn)行內(nèi)容確認(rèn)的方法，該方法包括a)從該自由文本文檔中提取出多個(gè)半結(jié)構(gòu)化的表述；b)將一邏輯推理機(jī)應(yīng)用于該半結(jié)構(gòu)化表述上；以及c)對(duì)該邏輯推理機(jī)的輸出進(jìn)行翻譯以便用于后續(xù)的操作。
2.如權(quán)利要求1的方法，其中的文檔為技術(shù)文檔。
3.如權(quán)利要求1或2的方法，其中的后續(xù)操作涉及下面的一個(gè)或多個(gè)操作i)提供一個(gè)指示，其表明該文檔的內(nèi)容是有效的；ii)將任何失敗了的確認(rèn)規(guī)則關(guān)聯(lián)起來(lái)；以及iii)基于任何失敗了的確認(rèn)規(guī)則來(lái)對(duì)文檔的內(nèi)容進(jìn)行修訂。
4.如權(quán)利要求3的方法，其中將那些失敗了的確認(rèn)規(guī)則關(guān)聯(lián)起來(lái)的操作包括將那些失敗了的確認(rèn)規(guī)則關(guān)聯(lián)并突顯給操作人員。
5.如權(quán)利要求3或4的方法，其中將那些失敗了的確認(rèn)規(guī)則關(guān)聯(lián)起來(lái)的操作進(jìn)一步包括將所關(guān)聯(lián)的半結(jié)構(gòu)化表述關(guān)聯(lián)起來(lái)或者是與文檔的原始內(nèi)容相對(duì)應(yīng)。
6.如權(quán)利要求3至5之一的方法，其中對(duì)文檔的內(nèi)容進(jìn)行修訂的操作進(jìn)一步基于對(duì)應(yīng)的文檔原始內(nèi)容進(jìn)行的。
7.如前述任一權(quán)利要求的方法，其中的半結(jié)構(gòu)化表述包括具體的實(shí)體以及它們的屬性。
8.如權(quán)利要求7的方法，其中具體實(shí)體的屬性包括定性屬性、定量屬性或者是邏輯屬性，或者是它們與其它實(shí)體的關(guān)系。
9.如權(quán)利要求7或8的方法，其中一個(gè)或多個(gè)所述實(shí)體直接對(duì)應(yīng)于的一個(gè)用文字語(yǔ)言定義的物理或抽象概念。
10.如權(quán)利要求7到9之一的方法，其中一個(gè)或多個(gè)所述實(shí)體包括高級(jí)別的實(shí)體，其屬性表示低級(jí)別的實(shí)體，提供與它們對(duì)應(yīng)的高一級(jí)實(shí)體有關(guān)的更為詳細(xì)的特性。
11.如前述任一權(quán)利要求的方法，其中的邏輯推理機(jī)由一結(jié)構(gòu)化的確認(rèn)規(guī)則列表構(gòu)造出來(lái)。
12.如權(quán)利要求11的方法，其進(jìn)一步包括由該結(jié)構(gòu)化的確認(rèn)規(guī)則列表構(gòu)造出這個(gè)邏輯推理機(jī)。
13.如權(quán)利要求11或12的方法，其中結(jié)構(gòu)化的確認(rèn)規(guī)則由該文檔領(lǐng)域中的一個(gè)權(quán)威規(guī)定。
14.如權(quán)利要求13的方法，其中該領(lǐng)域的權(quán)威包括由下面各項(xiàng)所構(gòu)成的組中的一個(gè)或多個(gè)專家、書、以及其它權(quán)威性的信息源。
15.如前述任一權(quán)利要求的方法，其中的邏輯推理機(jī)包括一推理網(wǎng)絡(luò)。
16.如前述任一權(quán)利要求的方法，其中的邏輯推理機(jī)包括一個(gè)處理程序，其表示為一個(gè)決策樹，或者是另一種確定狀態(tài)轉(zhuǎn)移圖表。
17.如前述任一權(quán)利要求的方法，其中的自由文本文檔包括由下面各項(xiàng)所構(gòu)成組中的一個(gè)或多個(gè)文本、圖像、音頻和視頻。
18.如前述任一權(quán)利要求的方法，其中結(jié)構(gòu)化確認(rèn)規(guī)則列表包括一個(gè)由一種正式的陳述性語(yǔ)言撰寫的條件語(yǔ)句列表。
19.如權(quán)利要求18的方法，其中的每一個(gè)條件語(yǔ)句均包括一前提部分和一結(jié)果部分。
20.如權(quán)利要求19的方法，其中的前提部分包括一個(gè)由多個(gè)獨(dú)立的條件檢驗(yàn)段構(gòu)成的列表，其在邏輯上通過(guò)“AND”、“OR”或“NOT”這樣的邏輯算符序列組合起來(lái)。
21.如權(quán)利要求20的方法，其中每一個(gè)條件檢驗(yàn)段均包括一個(gè)用于該領(lǐng)域中相關(guān)實(shí)體的邏輯限制、關(guān)系限制或定性限制。
22.如權(quán)利要求19到21之一的方法，其中的結(jié)果部分包括由下面各項(xiàng)構(gòu)成的組中的一個(gè)或多個(gè)一組被突顯的實(shí)體、一個(gè)被顯示的錯(cuò)誤信息以及一個(gè)更正操作。
23.如前述任一權(quán)利要求的方法，其進(jìn)一步包括顯示由下面各項(xiàng)構(gòu)成的組中的一個(gè)或多個(gè)半結(jié)構(gòu)化的表述，確認(rèn)規(guī)則列表，半結(jié)構(gòu)化表述與確認(rèn)規(guī)則之間的關(guān)系，以及半結(jié)構(gòu)化表述或文本文檔的原始內(nèi)容以及任一失敗的確認(rèn)規(guī)則之間的突顯部分。
24.如前述任一權(quán)利要求的方法，其進(jìn)一步包括獲取用戶指令，其形式為下面各項(xiàng)所構(gòu)成的組中的任意一個(gè)或多個(gè)新的確認(rèn)規(guī)則、修改后的確認(rèn)規(guī)則以及修改后的文檔內(nèi)容。
25.一種應(yīng)用于自由文本文檔上進(jìn)行內(nèi)容確認(rèn)的系統(tǒng)，該系統(tǒng)包括一裝置，其用來(lái)從自由文本文檔中提取出多個(gè)半結(jié)構(gòu)化的表述；一裝置，其用來(lái)將一邏輯推理機(jī)應(yīng)用于該半結(jié)構(gòu)化表述上；以及一裝置，其用來(lái)對(duì)該邏輯推理機(jī)的輸出進(jìn)行翻譯以便用于后續(xù)的操作。
26.如權(quán)利要求25的系統(tǒng)，其進(jìn)一步包括一裝置，作為一種結(jié)果操作，該裝置用來(lái)提供一個(gè)指示，該指示表明該文檔的內(nèi)容是有效的。
27.如權(quán)利要求25或26的系統(tǒng)，其進(jìn)一步包括一裝置，作為一種結(jié)果操作，該裝置將任何失敗了的確認(rèn)規(guī)則關(guān)聯(lián)起來(lái)。
28.如權(quán)利要求25到27之一的系統(tǒng)，其進(jìn)一步包括一裝置，作為一種結(jié)果操作，該裝置基于任何失敗了的確認(rèn)規(guī)則來(lái)對(duì)文檔的內(nèi)容進(jìn)行修訂。
29.如權(quán)利要求25到28之一的系統(tǒng)，其中的半結(jié)構(gòu)化表述包括具體的實(shí)體以及它們的屬性。
30.如權(quán)利要求29的系統(tǒng)，其中具體實(shí)體的屬性包括定性屬性、定量屬性或者是邏輯屬性，或者是它們與其它實(shí)體的關(guān)系。
31.如權(quán)利要求29或30的系統(tǒng)，其中每一個(gè)具體的實(shí)體直接對(duì)應(yīng)于的一個(gè)用文字語(yǔ)言定義的物理或抽象概念。
32.如權(quán)利要求29到31之一的系統(tǒng)，其中一個(gè)或多個(gè)所述實(shí)體包括高級(jí)別的實(shí)體，其屬性表示低級(jí)別的實(shí)體，提供與它們對(duì)應(yīng)的高一級(jí)實(shí)體有關(guān)的更為詳細(xì)的特性。
33.如權(quán)利要求25到32之一的系統(tǒng)，其進(jìn)一步包括邏輯推理機(jī)。
34.如權(quán)利要求33的系統(tǒng)，其中的邏輯推理機(jī)由一結(jié)構(gòu)化的確認(rèn)規(guī)則列表構(gòu)造出來(lái)。
35.如權(quán)利要求33或34的系統(tǒng)，其進(jìn)一步包括一裝置，該裝置用來(lái)從該結(jié)構(gòu)化的確認(rèn)規(guī)則列表構(gòu)造出這個(gè)邏輯推理機(jī)。
36.如權(quán)利要求25到35之一的系統(tǒng)，其中的邏輯推理機(jī)包括一個(gè)推理網(wǎng)絡(luò)。
37.如權(quán)利要求25至36之一的系統(tǒng)，其中的邏輯推理機(jī)包括一個(gè)處理程序，其表示為一個(gè)決策樹，或者是另一種確定狀態(tài)轉(zhuǎn)移圖表。
38.如權(quán)利要求25至37之一的系統(tǒng)，其中的自由文本文檔包括由下面各項(xiàng)所構(gòu)成組中的一個(gè)或多個(gè)文本、圖像、音頻和視頻。
39.如權(quán)利要求25至38之一的系統(tǒng)，其中結(jié)構(gòu)化確認(rèn)規(guī)則列表包括一個(gè)由一種正式的陳述性語(yǔ)言撰寫的條件語(yǔ)句列表。
40.如權(quán)利要求39的系統(tǒng)，其中的每一個(gè)條件語(yǔ)句均包括一前提部分和一結(jié)果部分。
41.如權(quán)利要求40的系統(tǒng)，其中的前提部分包括一個(gè)由多個(gè)獨(dú)立的條件檢驗(yàn)段構(gòu)成的列表，其在邏輯上通過(guò)“AND”、“OR”或“NOT”這樣的邏輯算符序列組合起來(lái)。
42.如權(quán)利要求41的系統(tǒng)，其中每一個(gè)條件檢驗(yàn)段均包括一個(gè)用于該領(lǐng)域中相關(guān)實(shí)體的邏輯限制、關(guān)系限制或定性限制。
43.如權(quán)利要求40到42之一的系統(tǒng)，其中的結(jié)果部分包括由下面各項(xiàng)構(gòu)成的組中的一個(gè)或多個(gè)一組被突顯的實(shí)體、一個(gè)被顯示的錯(cuò)誤信息以及一個(gè)更正操作。
44.如權(quán)利要求40到43之一的系統(tǒng)，其進(jìn)一步包括存儲(chǔ)裝置，以便存儲(chǔ)半結(jié)構(gòu)化表述。
45.如權(quán)利要求40到44之一的系統(tǒng)，其進(jìn)一步包括一用戶接口。
46.如權(quán)利要求45的系統(tǒng)，其中的用戶接口在操作上用來(lái)給操作人員顯示數(shù)據(jù)。
47.如權(quán)利要求45或46的系統(tǒng)，其中的用戶接口在操作上以下面的形式輸入用戶指令新的確認(rèn)規(guī)則、修改后的確認(rèn)規(guī)則以及修改后的文檔內(nèi)容。
48.一種對(duì)自由文本文檔進(jìn)行內(nèi)容確認(rèn)的方法，其基本如附圖所示并參照附圖描述的那樣。
49.一種如權(quán)利要求25到47之一的系統(tǒng)，其按照權(quán)利要求1到24以及48之一的方法進(jìn)行操作。
50.一種對(duì)自由文本文檔進(jìn)行內(nèi)容確認(rèn)的方法，其構(gòu)成和布置基本如附圖所示并參照附圖描述的那樣。
51.一種計(jì)算機(jī)程序產(chǎn)品，其具有一計(jì)算機(jī)可用媒介，該媒介具有一計(jì)算機(jī)可讀程序代碼裝置，其嵌入在其中以便對(duì)一自由文本文檔進(jìn)行內(nèi)容確認(rèn)，該計(jì)算機(jī)程序代碼包括計(jì)算機(jī)可讀程序代碼裝置，其按照權(quán)利要求1到24以及48之一的方法進(jìn)行操作。
52.一種計(jì)算機(jī)程序產(chǎn)品，其具有一計(jì)算機(jī)可用媒介，該媒介具有一計(jì)算機(jī)可讀程序代碼裝置，其嵌入在其中以便對(duì)一自由文本文檔進(jìn)行內(nèi)容確認(rèn)，該計(jì)算機(jī)程序代碼包括計(jì)算機(jī)可讀程序代碼裝置，其在下載到一計(jì)算機(jī)讀取器時(shí)使計(jì)算機(jī)成為一種如權(quán)利要求25到47、49和50之一的系統(tǒng)。
全文摘要
一種文檔自動(dòng)確認(rèn)系統(tǒng)，其經(jīng)訓(xùn)練能夠提取出特定領(lǐng)域的實(shí)體以及與它們文字關(guān)聯(lián)的物理特性、抽象特性或者是關(guān)系特性，這一點(diǎn)如電子文檔中所描述的那樣。系統(tǒng)的訓(xùn)練可通過(guò)一組示例文檔來(lái)實(shí)現(xiàn)，這些文檔表示了該領(lǐng)域并由一領(lǐng)域?qū)＜乙阅撤N方式手工標(biāo)出從而識(shí)別出各種類型的實(shí)體以及與它們關(guān)聯(lián)的一組可記錄的特性。帶著一專門領(lǐng)域詞匯(如詞典)，該訓(xùn)練后的系統(tǒng)就能自動(dòng)處理屬于同一領(lǐng)域的新的文檔，并能在任意數(shù)目的內(nèi)容條件規(guī)則上測(cè)試所提取出的信息，這些規(guī)則必須由該領(lǐng)域?qū)＜抑付◤亩_認(rèn)出新文檔的完整性和有效性。
文檔編號(hào)G06F17/28GK1906608SQ200480040794
公開(kāi)日2007年1月31日 申請(qǐng)日期2004年11月19日 優(yōu)先權(quán)日2003年11月21日
發(fā)明者賴?guó)欦? 陳亞輝 申請(qǐng)人:新加坡科技研究局