一种基于XML的非结构化数据识别方法技术

本发明专利技术涉及非结构化数据识别方法技术领域，具体为一种基于XML的非结构化数据识别方法，包括以下步骤，S1：在数据存储时，对数据进行区分并添加标记；S2：定义文件内容基本属性，并进行特征识别验证。本发明专利技术中，通过基于传输时间、传输批次和传输文件项目对数据文件进行归类编组，并添加同类项扩展标记的方式建立标记备注文件，对文件进行直属单位标记和同类项标注，确保数据源内容的全面性，通过初步识别文件并注释识别内容，基于历史所识别文件，提升文件之间的参照性，使得识别效果更加完善，通过结果合并器完成处理工作，并生成独立的特征批注文件，在检索同类特征时优先调用，达成数据训练的效果，提升数据识别效率。提升数据识别效率。提升数据识别效率。

【技术实现步骤摘要】
一种基于XML的非结构化数据识别方法


[0001]本专利技术涉及非结构化数据识别方法
，尤其涉及一种基于XML的非结构化数据识别方法。

技术介绍

[0002]非结构化数据识别方法，是一种通过数据转译方式，达成对于非结构化数据识别功能的操作方法，现有的非结构化数据识别方法相对还不够成熟，对于大批量的数据处理缺乏参照性，并且由于非结构化数据往往是基于某一行业、领域的专项文件，在现有识别方法中，往往是根据某一行业、领域的相应内容建立专项的识别方法，对于其他领域的内容就无法进行识别，对于识别方法的全面性造成了影响，且自身不具备训练学习能力，对于多次识别无法进行识别简化工作。

技术实现思路

[0003]本专利技术的目的是解决现有技术中存在的缺点，而提出的一种基于XML的非结构化数据识别方法。
[0004]为了实现上述目的，本专利技术采用了如下技术方案：一种基于XML的非结构化数据识别方法，包括以下步骤：
[0005]S1：在数据存储时，对数据进行区分并添加标记；
[0006]S2：定义文件内容基本属性，并进行特征识别验证；
[0007]S3：在数据识别过程中，首先基于所识别非结构数据文件，调用标记备注文件，进行数据的扩展查询工作；
[0008]S4：初步识别文件并注释识别内容；
[0009]S5：进行识别文件直读备注。
[0010]作为本专利技术的进一步方案，所述S1中，所述对数据进行区分具体是将数据区分为结构化数据与非结构数据，所述在数据存储时，对数据进行区分并添加标记的具体步骤为：
[0011]S111：在数据传输工作前，建立基于单位的数据标签，对数据源进行标记；
[0012]S112：基于传输时间、传输批次和传输文件项目对数据文件进行归类编组，并添加同类项扩展标记；
[0013]S113：建立标记备注文件。
[0014]作为本专利技术的进一步方案，所述S113中，所述标记备注文件包括直属单位标记文件和同类项标注文件，所述直属单位标记文件包括单位IP、单位类别、直属单位标记，所述同类项标注文件包括时序标注、批次标注、总分序列标注。
[0015]作为本专利技术的进一步方案，所述S2中，所述定义文件内容基本属性的具体步骤为：
[0016]S211：根据直属单位标记文件调用同领域特征文件；
[0017]S212：征求该领域专业人员，添加备注进行进一步编辑，其中进一步编辑包括特征识别依据归类、特征项目归类和备注识别类型；
[0018]S213：存储为特征识别文件。
[0019]作为本专利技术的进一步方案，所述S2中，所述进行特征识别验证的具体步骤为：
[0020]S221：调用非结构文件样本；
[0021]S222：识别关键字是否包含基本特征项目，如果判定逻辑真，则提取样本文件，查验样本文件与备注识别类型的相应内容是否具备参照性，如果判定逻辑假，则返回S221步骤，重新调用非结构文件样本，若连续调用判定均为逻辑假，则返回S212步骤，进行特征识别文件的再编辑工作；
[0022]S223：基于所提取的样本文件编辑XML特征项目查询语句。
[0023]作为本专利技术的进一步方案，所述S3中，所述调用标记备注文件的具体步骤为：
[0024]S311：根据标记备注文件中的直属单位标记文件，展开该非结构数据文件直属单位标记下的直属单位文件，作为总数据源；
[0025]S312：对数据源基于同类项标注文件中的时序标注、批次标注、总分序列标注建立临时索引。
[0026]作为本专利技术的进一步方案，所述S4中，所述初步识别文件并注释识别内容的具体步骤为：
[0027]S411：基于S312建立的临时索引文件，依据时序标注、批次标注、总分序列依次调用索引文件所索引的非结构文件；
[0028]S412：检索所索引的非结构文件中，是否包含所识别文件特征项的备注文件；
[0029]S413：如果是，则依据备注文件的起始标记和终止标记，在所识别特征项结尾粘贴对应特征项的备注内容，如果否则进行下一同类项文件的检索工作，直至数据源项目终止。
[0030]作为本专利技术的进一步方案，所述S5中，所述进行识别文件直读备注的具体步骤为：
[0031]S511：调用S213所存储的特征识别文件；
[0032]S512：识别关键词并检索所识别文件是否包含基本属性查询；
[0033]S513：识别关键词并检索所识别文件是否包含语义特征查询；
[0034]S514：识别关键词并检索所识别文件是否包含底层特征查询；
[0035]S515：处理S512
‑
S514的处理结果，完成识别工作。
[0036]作为本专利技术的进一步方案，所述S512的处理方式为如果判定为逻辑真，则提取基本属性查询内容，构建查询XML语句，查询并提取内容，如果判定为逻辑假，则跳转至S513，所述S513的处理方式为如果判定为逻辑真，则提取语义特征查询内容，构建查询XML语句，查询并提取内容，如果判定为逻辑假，则跳转至S514，所述S514的处理方式为提取底层特征查询内容，构建查询XML语句，查询并提取内容。
[0037]作为本专利技术的进一步方案，所述S515的处理方式为通过结果合并器，对S512
‑
S514的处理结果进行合并，依据关键字项目生成备注，并添加至文件尾，并依据关键字项目生成独立的特征批注文件，在检索同类特征时优先调用。
[0038]与现有技术相比，本专利技术的优点和积极效果在于：
[0039]本专利技术中，通过基于传输时间、传输批次和传输文件项目对数据文件进行归类编组，并添加同类项扩展标记的方式建立标记备注文件，对文件进行直属单位标记和同类项标注，确保数据源内容的全面性，通过定义文件内容基本属性添加基本属性，并进行特征识别验证，确保识别方式及其批注的全面性、可用性，通过初步识别文件并注释识别内容，基
于历史所识别文件，提升文件之间的参照性，使得识别效果更加完善，通过结果合并器对基本属性查询、语义特征查询、底层特征查询的处理结果进行合并，完成处理工作，并生成独立的特征批注文件，在检索同类特征时优先调用，达成数据训练的效果，提升数据识别效率。
附图说明
[0040]图1为本专利技术提出一种基于XML的非结构化数据识别方法的主要步骤示意图；
[0041]图2为本专利技术提出一种基于XML的非结构化数据识别方法的S1步骤细化示意图；
[0042]图3为本专利技术提出一种基于XML的非结构化数据识别方法的S2步骤细化示意图；
[0043]图4为本专利技术提出一种基于XML的非结构化数据识别方法的S3步骤细化示意图；
[0044]图5为本专利技术提出一种基于XML的非结构化数据识别方法的S4步骤细化示意图；
[0045]图6为本专利技术提出一种基于XML的非结构化数据识别方法的S5步骤细化示意图。
具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于XML的非结构化数据识别方法，其特征在于，包括以下步骤：S1：在数据存储时，对数据进行区分并添加标记；S2：定义文件内容基本属性，并进行特征识别验证；S3：在数据识别过程中，首先基于所识别非结构数据文件，调用标记备注文件，进行数据的扩展查询工作；S4：初步识别文件并注释识别内容；S5：进行识别文件直读备注。2.根据权利要求1所述的基于XML的非结构化数据识别方法，其特征在于：所述S1中，所述对数据进行区分具体是将数据区分为结构化数据与非结构数据，所述在数据存储时，对数据进行区分并添加标记的具体步骤为：S111：在数据传输工作前，建立基于单位的数据标签，对数据源进行标记；S112：基于传输时间、传输批次和传输文件项目对数据文件进行归类编组，并添加同类项扩展标记；S113：建立标记备注文件。3.根据权利要求2所述的基于XML的非结构化数据识别方法，其特征在于：所述S113中，所述标记备注文件包括直属单位标记文件和同类项标注文件，所述直属单位标记文件包括单位IP、单位类别、直属单位标记，所述同类项标注文件包括时序标注、批次标注、总分序列标注。4.根据权利要求1所述的基于XML的非结构化数据识别方法，其特征在于：所述S2中，所述定义文件内容基本属性的具体步骤为：S211：根据直属单位标记文件调用同领域特征文件；S212：征求该领域专业人员，添加备注进行进一步编辑，其中进一步编辑包括特征识别依据归类、特征项目归类和备注识别类型；S213：存储为特征识别文件。5.根据权利要求1所述的基于XML的非结构化数据识别方法，其特征在于：所述S2中，所述进行特征识别验证的具体步骤为：S221：调用非结构文件样本；S222：识别关键字是否包含基本特征项目，如果判定逻辑真，则提取样本文件，查验样本文件与备注识别类型的相应内容是否具备参照性，如果判定逻辑假，则返回S221步骤，重新调用非结构文件样本，若连续调用判定均为逻辑假，则返回S212步骤，进行特征识别文件的再编辑工作；S223：基于所提取的样本文件编辑XML特征项目查询语句。6.根据权利要求1所述的基于XML的非结构化数据识别方法，其特征在于：所述S3中，所述调用标记备注...

【专利技术属性】
技术研发人员：唐如海，邵春锋，肖丹，厉雨，邵天龙，王浩，解霄博，
申请(专利权)人：国网辽宁省电力有限公司综合服务中心，
类型：发明
国别省市：