(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210813271.3 (22)申请日 2022.07.11 (71)申请人 北京四方智汇信息科技有限公司 地址 100000 北京市丰台区南四环西路18 8 号十六区19号楼 9层101内464 号 (72)发明人 陈檩　 (74)专利代理 机构 成都华复知识产权代理有限 公司 512 98 专利代理师 朱娇艳 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/35(2019.01) G06F 16/36(2019.01) G06F 16/55(2019.01) G06F 40/295(2020.01)G06N 20/00(2019.01) (54)发明名称 一种基于自然语言处理技术的文档自动生 成分类的方法 (57)摘要 本发明公开了一种基于自然语言处理技术 的文档自动生成分类的方法， 包括以下步骤： 对 输入的原始文档进行自动分类， 基于不同分类的 原始文档进行对应处理， 分别得到中间数据和结 构化数据； 对中间数据进行分词处理、 实体识别、 指代消解、 关系抽取、 事件抽取和知 识库构建， 抽 取出的数据作为结构； 化数据存入数据库； 根据 输出的文档类型选择文档模板,结合获取到的结 构， 化数据进行文档组装， 输 出最终文档； 通过对 海量的文档分类、 OCR提取、 NLP修复、 中文和专用 术语分词、 实体识别、 事件抽取、 模板、 生成等多 个流程组合， 最终生成具有专业领域中初级分析 人员能力的智能报告， 从而以便加以应用。 权利要求书2页 说明书3页 附图1页 CN 115062117 A 2022.09.16 CN 115062117 A 1.一种基于自然语言处理技术的文档自动生成分类的方法， 包括以下步骤： 其特征在 于： S1、 对输入的原始文档进行自动分类， 基于不同分类的原始文档进行对应处理， 分别得 到中间数据和结构化数据； S2、 对中间数据进行分词处理、 实体识别、 指代消解、 关系抽取、 事件抽取和知识库构 建， 抽取出的数据作为结构； 化数据存 入数据库； S3、 根据输出的文档类型选择文档模板,结合获取到的结构， 化数据进行文档组装， 输 出最终文档。 2.根据权利要求1所述的一种基于自然语言处理技术的文档自动生成分类的方法， 其 特征在于： 所述S1 中确定数据获取需求； 根据输入的原始文档， 获取每个原始文档的文件类 型， 进而可以区分出 各种不同种类的原 始文档。 3.根据权利要求1所述的一种基于自然语言处理技术的文档自动生成分类的方法， 其 特征在于： 所述S1也能够判断是否为图片文档， 若不是图片文档， 则先对原始文档进 行图片 化处理再进行后续 步骤， 若为图片文档 则直接进行后续 步骤； 基于图像处 理进行文档分类。 4.根据权利要求1所述的一种基于自然语言处理技术的文档自动生成分类的方法， 其 特征在于： 所述S1根据文档分类判断文档是否为固定格式的文档， 如果是固定格式的文档， 则基于机器学习对固定格式文档进行信息提取得到结构化数据； 如果不是固定格式的文档 则进行后续步骤； 并且， 判断文档是否支持文本直接提取， 如果支持文本直接提取则从原始 文档中获取其中的文本内容并存储为中间数据， 如果不支持文本直接提取， 会经过警报提 示， 对操作人员进行提示， 以便进行后续操作； 然后在进行对文档进行识别， 将图像中的文 字转换成文本格式； 基于 自然语言处理对识别出 的文本进行内容修复， 修复后的数据存储 为中间数据。 5.根据权利要求1所述的一种基于自然语言处理技术的文档自动生成分类的方法， 其 特征在于： 所述S2中的分词处理， 主要便于对分词处理后的数据进 行实体识别的作用， 从而 以便提高实体识别的效果； 实体识别后， 需要把识别过后的数据进 行关系提取， 从而提出文 档文本识别过后数据内所需的语法与语义之间的联系， 然后在 对关系抽取后的数据进 行事 件抽取， 从含有事件信息的文本中抽取出所需的感兴趣事件信息， 将用自然语言表达的事 件以结构化的形式呈现； 对事件抽取后的数据进行知识图谱校验处理， 根据从多个文档已 经获取到的实体、 关系和事件的信息构建相关的知识图谱， 用于信息的相互印证及异常事 件； 然后验证， 当出现异常时， 再次经过警报提示， 从而对操作人员进 行振动提示， 以便提示 操作人员发生异常， 使之便于后续操作， 以便自动发现； 最后知识图谱校验处理后的数据从 而形成结构化数据。 6.根据权利要求1所述的一种基于自然语言处理技术的文档自动生成分类的方法， 其 特征在于： 所述S2中的指代消解， 从而便于使在抽取信息前， 对其进行指代消解， 进而以便 提高后续 提取信息的准确度， 降低影响。 7.根据权利要求1所述的一种基于自然语言处理技术的文档自动生成分类的方法， 其 特征在于： 所述S 3根据输出的文档类型选择文档模板， 然后基于结构化数据， 根据所需输出 的目标文档类型选择不同的任务路径的生成报告。 8.根据权利要求1所述的一种基于自然语言处理技术的文档自动生成分类的方法， 其权　利　要　求　书 1/2 页 2 CN 115062117 A 2特征在于： 所述S 3基于当前文档的处理阶段进 行对应的文档处理， 以便提高其处理的效果； 最终则根据模板自动生成专业领域的正式文档。权　利　要　求　书 2/2 页 3 CN 115062117 A 3