CN110968757A - 政策文件处理方法及装置 - Google Patents

Abstract

本发明公开了一种政策文件处理方法及装置，可以获得待处理的政策文件，然后从所述政策文件中获得至少一种文件信息，将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。本发明可以获得政策文件中的文件信息，然后根据文件信息确定政策文件的政策对象，本发明可以自动确定政策文件的政策对象，效率较高。

Description

政策文件处理方法及装置

技术领域

本发明涉及文件处理技术领域，尤其涉及政策文件处理方法及装置。

背景技术

随着我国科技水平的提高，政府部门越来越多的通过互联网将各种政策文件进行发布。

政府部门发布的政策文件中往往携带有众多的政策信息，了解这些政策信息对我国各种经济主体而言十分重要。由于不同的政策文件针对不同的政策对象(例如某政策文件针对的政策对象为小微企业)，因此用户一般只需要了解和自己有关的政策文件。现有技术下往往通过人工从政府网站下载相关政策文件，然后通过人工读取政策文件来确定政策文件的政策对象。

由于各级部门发布的政策文件数量众多，因此人工读取政策文件来确定政策对象的方法费时费力，效率较低。

发明内容

鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的政策文件处理方法及装置，方案如下：

一种政策文件处理方法，包括：

获得待处理的政策文件；

从所述政策文件中获得至少一种文件信息；

将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

可选的，所述获得待处理的政策文件，包括：

对包含政策文件的网页进行爬取，获得超文本标记语言文件；

对所述超文本标记语言文件进行替换处理：将所述超文本标记语言文件中的各超文本标记语言标签替换为一个空格，将所述超文本标记语言文件中连续的空格替换为一个空格；

将进行所述替换处理后的超文本标记语言文件确定为待处理的政策文件。

可选的，所述文件信息包括文号和标题，所述从所述政策文件中获得至少一种文件信息，包括：

通过正则表达式从所述政策文件中获得文号；

确定获得的所述文号之前的字符的数量是否大于第一数量，如果是，则判断所述文号之前最近的两个字符是否为“文件”二字，如果是，则将所述文号之后的多个字符确定为标题；否则，将所述文号之前的全部字符确定为标题。

可选的，所述将所述文号之后的多个字符确定为标题，包括：

将所述文号之后且与所述文号最近的字符确定为当前字符，判断所述当前字符是否为空格，如果不为空格，则将当前字符之后且与该当前字符最近的字符确定为当前字符，返回执行所述判断所述当前字符是否为空格的步骤；

如果为空格，则判断所述当前字符与所述文号之间的字符的数量是否大于第二数量，如果大于第二数量，则将所述当前字符与所述文号之间的字符确定为标题；如果不大于第二数量，则将当前字符之后且与该当前字符最近的字符确定为当前字符，返回执行所述判断所述当前字符是否为空格的步骤。

可选的，所述文件信息包括发布日期和发布机构，所述从所述政策文件中获得至少一种文件信息，包括：

通过正则表达式从所述政策文件中获得发布日期；

确定所述发布日期之前的字符中距离所述发布日期最近的两个空格，将所述两个空格之间的字符确定为发布机构。

可选的，还包括：

根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息。

可选的，所述政策信息包括：政策行政等级、政策领域、与其他政策文件的政策关系中的至少一种，

在所述文件信息包括发布机构且所述政策信息包括政策行政等级时，所述根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息，包括：

将所述发布机构的行政等级确定为所述政策文件的政策行政等级；

在所述文件信息包括：标题、关键词、摘要中的至少一种且所述政策信息包括政策领域时，所述根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息，包括：

将所述文件信息与预设的领域词汇库中各领域对应的词汇组中的词汇进行对比，确定所述文件信息与各领域对应的词汇组的相似度；将相似度最高的词汇组对应的领域确定为所述政策文件的政策领域；

在所述文件信息包括关键词，且所述政策信息包括与其他政策文件的政策关系时，所述根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息，包括：

确定所述待处理的政策文件的关键词分别与其他政策文件的关键词的相似度，将关键词的相似度高于预设相似度的两个政策文件的政策关系确定为关联关系。

可选的，将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象，包括：

将所述文件信息与预设的政策对象组中各政策对象的用户画像标签进行对比，确定所述文件信息中出现所述用户画像标签的次数，根据所述次数将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

一种政策文件处理装置，包括：文件获得单元、信息获得单元和对象确定单元，

所述文件获得单元，用于获得待处理的政策文件；

所述信息获得单元，用于从所述政策文件中获得至少一种文件信息；

所述对象确定单元，用于将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行上述的任一种政策文件处理方法。

一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的任一种政策文件处理方法。

借由上述技术方案，本发明提供的一种政策文件处理方法及装置，可以获得待处理的政策文件，然后从所述政策文件中获得至少一种文件信息，将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。本发明可以获得政策文件中的文件信息，然后根据文件信息确定政策文件的政策对象，本发明可以自动确定政策文件的政策对象，效率较高。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种政策文件处理方法的流程图；

图2示出了本发明实施例提供的另一种政策文件处理方法的流程图；

图3示出了本发明实施例提供的另一种政策文件处理方法的流程图；

图4示出了本发明实施例提供的一种政策文件处理方法中获得文件信息的方法的流程图；

图5示出了本发明实施例提供的一种政策文件处理方法中另一种获得文件信息的方法的流程图；

图6示出了本发明实施例提供的一种政策文件处理装置的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

如图1所示，本发明实施例提供了一种政策文件处理方法，可以包括：

S100、获得待处理的政策文件；

其中，本发明实施例中的政策文件为国家机关发布的与政策相关的文件。

可选的，如图2所示，步骤S100可以具体包括：

S110、对包含政策文件的网页进行爬取，获得超文本标记语言文件；

具体的，本发明实施例可以设定爬取的入口网页为国家机关网站主页或国家机关网站中用于发布政策信息的网页。进一步，本发明实施例还可以设定爬取规则，仅爬取包含有文号的网页。其中，文号为国家机关所发布的文件的编号，该文号按照国家机关的规定生成，如：某省人民政府发布的文件的文号规则为：文号由四部分组成，从左至右分别为：省简称、人字、〔年份〕、编号，如海南省人民政府发布的某文件的文号为：琼人字〔2018〕14号。本发明实施例可以通过正则表达式来识别文号。

其中，超文本标记语言(Hyper Text Mark-up Language，HTML)文件文件是由HTML命令组成的描述性文本，HTML命令可以说明文字、图形、动画、声音、表格、链接等。HTML文件中包含网页所携带的各种信息， HTML文件中还包括多种不同类型的HTML标签，这些HTML标签可以对网页所携带的信息的格式等进行限定，例如限定文字的格式、大小等。

S120、对所述超文本标记语言文件进行替换处理：将所述超文本标记语言文件中的各超文本标记语言标签替换为一个空格，将所述超文本标记语言文件中连续的空格替换为一个空格；

由于HTML标签中并不包含政策信息，因此本发明实施例可以将其替换为空格，以防止其对政策信息产生干扰。通过将连续的空格替换为一个空格可以减少不必要的空格数量，同时使进行替换处理后的HTML文件内的字符利于进行后续文件信息的获得。

具体的，由于HTML标签都是以左尖括号“<”作为标签的开始，并以右尖括号“>”作为标签的结束，因此本发明可以对每一个HTML标签：删除该HTML标签的尖括号之间的一组字符，在该组字符后添加一个空格占位符“&nbsp”，将该组字符和该组字符后添加的空格占位符“&nbsp”确定为待合并字符组。在对所有HTML标签进行上述字符删除及空格占位符添加后，本发明可以利用正则表达式将空格占位符“&nbsp”替换为空格，然后将连续的空格替换为一个空格。

S130、将进行所述替换处理后的超文本标记语言文件确定为待处理的政策文件。

S200、从所述政策文件中获得至少一种文件信息；

其中，所述文件信息可以包括：文号、标题、发布日期、发布机构、关键词、摘要中的至少一种。其中，所述标题为政策文件的标题，发布日期一般位于政策文件的尾部并和发布机构相邻。

下面实例性公开获得上述各种文件信息的方法：

在所述文件信息包括文号时，本发明实施例可以通过正则表达式从所述政策文件中获得文号。当识别到的文号有多个时，本发明实施例可以将位置最靠前的文号确定为政策文件的文号。

在所述文件信息包括文号和标题时，如图3所示，步骤S200可以具体包括：

S201、通过正则表达式从所述政策文件中获得文号；

S210、确定获得的所述文号之前的字符的数量是否大于第一数量，如果是，则执行步骤S220；否则执行步骤S230；

S220、判断所述文号之前最近的两个字符是否为“文件”二字，如果是，则执行步骤S230，否则执行步骤S240；

S230、将所述文号之后的多个字符确定为标题；

S240、将所述文号之前的全部字符确定为标题。

其中，第一数量可以为5，当文号前的字符较少时，文号前的字符一般不为标题。

需要说明的是，政策文件的标题可能位于文号前，也可能位于文号后。当文号前的字符较多时，文号前的字符可能为标题，也可能为表示文件属性的字符，例如：某机关内部文件等。表示文件属性的字符一般以“文件”二字结尾，由于表示文件属性的字符会和文号相邻，因此本发明可以通过判断文号之前最近的两个字符是否为“文件”二字来确定文号之前的字符是否为表示文件属性的字符，如果是，则说明标题位于文号之后，否则，说明文号之前的字符即为标题。

进一步，如图4所示，步骤S230可以具体包括：

S231、将所述文号之后且与所述文号最近的字符确定为当前字符；

S232、判断所述当前字符是否为空格，如果不为空格，则执行步骤S233；如果为空格，则执行步骤S234；

S233、将当前字符之后且与该当前字符最近的字符确定为当前字符，返回执行步骤S232；

S234、判断所述当前字符与所述文号之间的字符的数量是否大于第二数量，如果大于第二数量，则执行步骤S235；如果不大于第二数量，则执行步骤S233；

S235、将所述当前字符与所述文号之间的字符确定为标题。

在本发明另一实施例中，如图5所示，步骤S230可以具体包括：

S231、将所述文号之后且与所述文号最近的字符确定为当前字符；

S326、判断当前字符与文号之间的字符的数量是否大于第三数量，如果是，则执行步骤S235；否则执行步骤S232；

S232、判断所述当前字符是否为空格，如果不为空格，则执行步骤S233；如果为空格，则执行步骤S234；

S233、将当前字符之后且与该当前字符最近的字符确定为当前字符，返回执行步骤S236；

S234、判断所述当前字符与所述文号之间的字符的数量是否大于第二数量，如果大于第二数量，则执行步骤S235；如果不大于第二数量，则执行步骤S233；

S235、将所述当前字符与所述文号之间的字符确定为标题。

其中，第三数量可以为40。

一般情况下标题与标题之后的非空格字符之间会有分段，在HTML文件中，分段是通过分段标签<br>来进行设置的，由于本发明将HTML标签替换为空格，因此标题与标题后的非空格字符之间会有一个空格。

其中，第二数量可以为12。一般情况下，政策文件的标题的字符数量不低于12个，因此，图4所示方案可以根据字符数量以及空格来确定标题。

其中，由于发布日期的格式一般为固定格式，如：某年某月某日，因此本发明实施例可以通过正则表达式从所述政策文件中获得发布日期。

具体的，在所述文件信息包括发布日期和发布机构时，步骤S200可以具体包括：

通过正则表达式从所述政策文件中获得发布日期；

确定所述发布日期之前的字符中距离所述发布日期最近的两个空格，将所述两个空格之间的字符确定为发布机构。

一般情况下，发布机构位于发布日期之前，同时，发布机构前后会留有空格，或者，发布机构会单独设置为一个自然段，由于本发明可以将分段标签替换为空格，因此无论哪种情况，本发明实施例获得的政策文件中的发布机构前后都会有空格，因此本发明可以根据发布机构前后的空格来获得发布机构。

在本发明其他实施例中，本发明可以首先对政策文件中的字符进行分词处理，获得多个词汇，然后对政策文件中的全部或部分词汇进行统计，根据统计结果确定政策文件中的关键词。具体的，本发明可以将出现频率高于预设频率的词汇确定为政策文件中的关键词，本发明也可以将出现频率最高的N个词汇确定为政策文件中的关键词。在实际应用中，本发明可以将政策文件的前5000个字符分词后得到的词汇中出现频率最高的5个词汇确定为政策文件的关键词。

在本发明其他实施例中，本发明可以通过摘要提取方法从政策文件中获得摘要。具体的摘要提取方法有多种，均为现有的成熟方案，本发明在此不做限定。在实际应用中，本发明可以根据政策文件的前5000个字符获得摘要。

S300、将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

其中，政策对象为政策所针对的客体，政策对象可以分为企业和个人两种，由于企业和个人可以根据不同的分类方式分为多种，因此本发明实施例的政策对象可以有多种，如：小微企业、低收入个人、农民、外企等。可以理解的是，不同的政策对象可以有不同的对象信息，该对象信息可以为政策对象的身份属性，也可以为政策对象所涉及的领域或物品等。例如：农民的对象信息可以包括：土地、农作物、农业机械、小麦等。本发明确定的政策对象可以为泛指含义的对象(如：小微企业)，也可以为特指含义的对象(北京A科技有限公司)。

本发明在确定政策文件的政策对象后，可以将政策文件推荐给为该政策文件的政策对象。例如：本发明在确定某政策文件的政策对象为小微企业时，本发明可以将这些政策文件推荐给小微企业。

当然，本发明还可以根据确定的政策对象进行其他处理，本发明在此不做限定。

具体的，步骤S300可以包括：

将所述文件信息与预设的政策对象组中各政策对象的用户画像标签进行对比，确定所述文件信息中出现所述用户画像标签的次数，根据所述次数将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

在实际应用中，本发明可以通过对各政策对象构建用户画像来获得各政策对象的对象信息。用户画像可以根据用户(可以为企业或个人)的属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型。用户画像标签是通过对用户信息分析而来的高度精炼的特征标识，通过打标签可以利用一些高度概括、容易理解的特征来描述用户，可以让人更容易理解用户，并且可以方便计算机处理。上述用户画像标签即为政策对象的一种对象信息。

本发明实施例可以将政策文件的文件信息(如摘要)与各政策对象的用户画像标签进行对比，当某政策对象的第一数量的用户画像标签在该文件信息中出现次数满足预测次数要求时，可以将该政策对象确定为该政策文件的政策对象。其中，在实际应用中，预测次数要求可以为：第一数量的用户画像标签在文件信息中的出现次数总和高于第一次数；在其他实施例中，预测次数要求可以为：第一数量的用户画像标签中各用户画像标签分别在文件信息中的出现次数均高于第二次数。当然，预测次数要求还可以有其他形式，本发明在此不做限定。

例如：设农民的用户画像标签共有“小麦”、“农作物”和“土地”三个，“小麦”在该政策文件的文件信息中出现5次，“农作物”在该政策文件的文件信息中出现3次，“土地”在该政策文件的文件信息中出现2次。当预测次数要求为：三个用户画像标签在文件信息中的出现次数总和高于9 次时，则可知用户画像标签“农作物”、“小麦”和“土地”在文件信息中出现次数总和为10次，满足要求，可以将农民确定为该政策文件的政策对象。

在本发明其他实施例中，用户画像标签可以具有不同的标签等级，所述将所述文件信息与预设的政策对象组中各政策对象的用户画像标签进行对比，确定所述文件信息中出现所述用户画像标签的次数，根据所述次数将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象，可以具体包括：

将所述文件信息与预设的政策对象组中各政策对象的用户画像标签进行对比，对所述预设的政策对象组中每一个政策对象：确定该政策对象的用户画像标签中标签等级高于预设等级的用户画像标签在所述文件信息中的出现次数；

根据所述出现次数将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

其中，所述确定该政策对象的用户画像标签中标签等级高于预设等级的用户画像标签在所述文件信息中的出现次数，可以具体包括：

确定该政策对象的用户画像标签中标签等级高于预设等级的各用户画像标签在所述文件信息中的出现次数的和。

所述根据所述出现次数将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象，可以具体包括：

将出现次数的和大于第三次数的政策对象确定为所述政策文件的政策对象。

本发明提供的一种政策文件处理方法，可以获得待处理的政策文件，然后从所述政策文件中获得至少一种文件信息，将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。本发明可以获得政策文件中的文件信息，然后根据文件信息确定政策文件的政策对象，本发明可以自动确定政策文件的政策对象，效率较高。

可选的，本发明实施例提供的另一种政策文件处理方法，还可以包括：

根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息。

其中，政策信息可以包括：政策行政等级、政策领域、与其他政策文件的政策关系中的至少一种。

其中，政策行政等级可以有多种，如：国家级、省级、地区级、县级等。政策领域为政策文件所涉及的领域，政策领域的划分方式可以有多种，不同的划分方式划分得到的政策领域可以不用。下面示例性提供几种政策领域：汽车领域、医疗领域、教育领域、税收领域、农业领域等。

其中，政策文件之间还可以具有政策关系，其中，政策关系可以与政策行政等级以及关键词相关。例如：当两个政策文件中的关键词相似度较高时，说明这两个政策文件的政策关系为关联关系。进一步，当这两个政策文件的政策行政等级分别为国家级和省级时，说明这两个政策文件的政策关系为纵向关联关系，即：上下级关联关系。当这两个政策文件的政策行政等级均为省级时，说明这两个政策文件的政策关系为横向关联关系，即：同级关联关系。

下面示例性提供获得上述政策信息的方式：

在所述文件信息包括发布机构且所述政策信息包括政策行政等级时，步骤S300可以具体包括：

将所述发布机构的行政等级确定为所述政策文件的政策行政等级。

例如：当发布机构的行政等级为市级时，则政策文件的政策行政等级也为市级。

在所述文件信息包括：标题、关键词、摘要中的至少一种且所述政策信息包括政策领域时，步骤S300可以具体包括：

将所述文件信息与预设的领域词汇库中各领域对应的词汇组中的词汇进行对比，确定所述文件信息与各领域对应的词汇组的相似度；

将相似度最高的词汇组对应的领域确定为所述政策文件的政策领域。

其中，预设的领域词汇库中可以包含多个领域，每个领域可以对应有词汇组。例如：教育领域对应的词汇组可以包括：高中、大学、教科书、学费、教师、教室、操场、食堂、分数、语文、数学、考试、学生等词汇。通过将标题、关键词、摘要与预设的领域词汇库中的词汇组进行对比，可以确定与标题、关键词、摘要相似度最高的词汇组，然后将该相似度最高的词汇组对应的领域确定为政策文件的政策领域。

在本发明其他实施例中，在所述文件信息包括关键词，且所述政策信息包括与其他政策文件的政策关系时，步骤S300可以具体包括：

确定所述待处理的政策文件的关键词分别与其他政策文件的关键词的相似度，将关键词的相似度高于预设相似度的两个政策文件的政策关系确定为关联关系。

例如：当一个政策文件中的关键词包括：新能源、汽车、插电式，另一个政策文件中的关键词包括：新能源、机动车、混合动力、燃料电池，则这两个政策文件的关键词相似度较高，可以确定这两个政策文件具有关联关系。

进一步，本发明实施例可以根据两个政策文件的发布机构的行政等级确定所述两个政策文件的政策关系为纵向关联关系或横向关联关系。

在本发明其他实施例中，本发明获得政策文件的政策信息后，可以根据获得的政策信息进行政策文件推荐、政策文件归集、政策文件统计等处理。

与上述本发明实施例提供的政策文件处理方法相对应，本发明实施例还提供了一种政策文件处理装置，如图6所示，可以包括：文件获得单元 100、信息获得单元200和对象确定单元300，

所述文件获得单元100，用于获得待处理的政策文件；

其中，所述文件获得单元100，可以具体包括：爬取子单元、替换子单元和文件确定子单元，

所述爬取子单元，用于对包含政策文件的网页进行爬取，获得超文本标记语言文件；

所述替换子单元，用于对所述超文本标记语言文件进行替换处理：将所述超文本标记语言文件中的各超文本标记语言标签替换为一个空格，将所述超文本标记语言文件中连续的空格替换为一个空格；

所述文件确定子单元，用于将进行所述替换处理后的超文本标记语言文件确定为待处理的政策文件。

所述信息获得单元200，用于从所述政策文件中获得至少一种文件信息；

其中，所述文件信息可以包括文号和标题，所述信息获得单元200，可以具体包括：文号获得子单元、数量判断子单元、字符判断子单元、第一标题确定子单元和第二标题确定子单元，

所述文号获得子单元，用于通过正则表达式从所述政策文件中获得文号；

所述数量判断子单元，用于确定获得的所述文号之前的字符的数量是否大于第一数量，如果是，则触发所述字符判断子单元；

所述字符判断子单元，用于判断所述文号之前最近的两个字符是否为“文件”二字，如果是，则触发所述第一标题确定子单元，否则触发所述第二标题确定子单元；

所述第一标题确定子单元，用于将所述文号之后的多个字符确定为标题；

所述第二标题确定子单元，用于将所述文号之前的全部字符确定为标题。

进一步，所述第一标题确定子单元可以包括：第一字符确定模块、空格判断模块、第二字符确定模块、数量判断模块和标题确定模块，

所述第一字符确定模块，用于将所述文号之后且与所述文号最近的字符确定为当前字符；

所述空格判断模块，用于判断所述当前字符是否为空格，如果不为空格，则触发所述第二字符确定模块；如果为空格，则触发所述数量判断模块；

所述第二字符确定模块，用于将当前字符之后且与该当前字符最近的字符确定为当前字符，触发所述空格判断模块；

所述数量判断模块，用于判断所述当前字符与所述文号之间的字符的数量是否大于第二数量，如果大于第二数量，则触发所述标题确定模块；如果不大于第二数量，则触发所述第二字符确定模块；

所述标题确定模块，用于将所述当前字符与所述文号之间的字符确定为标题。

可选的，所述文件信息包括发布日期和发布机构，所述信息获得单元 200可以具体设置为：

通过正则表达式从所述政策文件中获得发布日期；确定所述发布日期之前的字符中距离所述发布日期最近的两个空格，将所述两个空格之间的字符确定为发布机构。

所述对象确定单元300，用于将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

其中，政策对象为政策所针对的客体，政策对象可以分为企业和个人两种，由于企业和个人可以根据不同的分类方式分为多种，因此本发明实施例的政策对象可以有多种，如：小微企业、低收入个人、农民、外企等。可以理解的是，不同的政策对象可以有不同的对象信息，该对象信息可以为政策对象的身份属性，也可以为政策对象所涉及的领域或物品等。例如：农民的对象信息可以包括：土地、农作物、农业机械、小麦等。

本发明在确定政策文件的政策对象后，可以将政策文件推荐给为该政策文件的政策对象。例如：本发明在确定某政策文件的政策对象为小微企业时，本发明可以将这些政策文件推荐给小微企业。

当然，本发明还可以根据确定的政策对象进行其他处理，本发明在此不做限定。

可选的，对象确定单元300可以具体用于：将所述文件信息与预设的政策对象组中各政策对象的用户画像标签进行对比，确定所述文件信息中出现所述用户画像标签的次数，根据所述次数将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

在实际应用中，本发明可以通过构建用户画像来获得各政策对象以及各政策对象的对象信息。用户画像可以根据用户(可以为企业或个人)的属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型。用户画像标签是通过对用户信息分析而来的高度精炼的特征标识，通过打标签可以利用一些高度概括、容易理解的特征来描述用户，可以让人更容易理解用户，并且可以方便计算机处理。上述用户画像标签即为政策对象的一种对象信息。

本发明实施例可以将政策文件的文件信息(如摘要)与各政策对象的用户画像标签进行对比，当某政策对象的第一数量的用户画像标签在该文件信息中出现次数满足预测次数要求时，可以将该政策对象确定为该政策文件的政策对象。其中，在实际应用中，预测次数要求可以为：第一数量的用户画像标签在文件信息中的出现次数总和高于第一次数；在其他实施例中，预测次数要求可以为：第一数量的用户画像标签中各用户画像标签分别在文件信息中的出现次数均高于第二次数。当然，预测次数要求还可以有其他形式，本发明在此不做限定。

例如：设农民的用户画像标签共有“小麦”、“农作物”和“土地”三个，“小麦”在该政策文件的文件信息中出现5次，“农作物”在该政策文件的文件信息中出现3次，“土地”在该政策文件的文件信息中出现2次。当预测次数要求为：三个用户画像标签在文件信息中的出现次数总和高于9 次时，则可知用户画像标签“农作物”、“小麦”和“土地”在文件信息中出现次数总和为10次，满足要求，可以将农民确定为该政策文件的政策对象。

在本发明其他实施例中，用户画像标签可以具有不同的标签等级，对象确定单元300可以具体用于：

将所述文件信息与预设的政策对象组中各政策对象的用户画像标签进行对比，对所述预设的政策对象组中每一个政策对象：确定该政策对象的标签等级高于预设等级的用户画像标签在所述文件信息中的出现次数；根据所述出现次数将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

本发明提供的一种政策文件处理装置，可以获得待处理的政策文件，然后从所述政策文件中获得至少一种文件信息，将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。本发明可以获得政策文件中的文件信息，然后根据文件信息确定政策文件的政策对象，本发明可以自动确定政策文件的政策对象，效率较高。

在本发明其他实施例中，图6所示装置还可以包括：政策信息获得单元，用于根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息。

可选的，所述政策信息可以包括：政策行政等级、政策领域、与其他政策文件的政策关系中的至少一种。

在所述文件信息包括发布机构且所述政策信息包括政策行政等级时，所述政策信息获得单元可以具体用于：将所述发布机构的行政等级确定为所述政策文件的政策行政等级。

在所述文件信息包括：标题、关键词、摘要中的至少一种且所述政策信息包括政策领域时，所述政策信息获得单元可以具体用于：将所述文件信息与预设的领域词汇库中各领域对应的词汇组中的词汇进行对比，确定所述文件信息与各领域对应的词汇组的相似度；将相似度最高的词汇组对应的领域确定为所述政策文件的政策领域。

在所述文件信息包括关键词，且所述政策信息包括与其他政策文件的政策关系时，所述政策信息获得单元可以具体用于：确定所述待处理的政策文件的关键词分别与其他政策文件的关键词的相似度，将关键词的相似度高于预设相似度的两个政策文件的政策关系确定为关联关系。

所述政策文件处理装置包括处理器和存储器，上述文件获得单元、信息获得单元和对象确定单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来确定政策对象。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述政策文件处理方法。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述政策文件处理方法。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：

一种政策文件处理方法，包括：

获得待处理的政策文件；

从所述政策文件中获得至少一种文件信息；

将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

可选的，所述获得待处理的政策文件，包括：

对包含政策文件的网页进行爬取，获得超文本标记语言文件；

对所述超文本标记语言文件进行替换处理：将所述超文本标记语言文件中的各超文本标记语言标签替换为一个空格，将所述超文本标记语言文件中连续的空格替换为一个空格；

将进行所述替换处理后的超文本标记语言文件确定为待处理的政策文件。

可选的，所述文件信息包括文号和标题，所述从所述政策文件中获得至少一种文件信息，包括：

通过正则表达式从所述政策文件中获得文号；

确定获得的所述文号之前的字符的数量是否大于第一数量，如果是，则判断所述文号之前最近的两个字符是否为“文件”二字，如果是，则将所述文号之后的多个字符确定为标题；否则，将所述文号之前的全部字符确定为标题。

可选的，所述将所述文号之后的多个字符确定为标题，包括：

将所述文号之后且与所述文号最近的字符确定为当前字符，判断所述当前字符是否为空格，如果不为空格，则将当前字符之后且与该当前字符最近的字符确定为当前字符，返回执行所述判断所述当前字符是否为空格的步骤；

如果为空格，则判断所述当前字符与所述文号之间的字符的数量是否大于第二数量，如果大于第二数量，则将所述当前字符与所述文号之间的字符确定为标题；如果不大于第二数量，则将当前字符之后且与该当前字符最近的字符确定为当前字符，返回执行所述判断所述当前字符是否为空格的步骤。

可选的，所述文件信息包括发布日期和发布机构，所述从所述政策文件中获得至少一种文件信息，包括：

通过正则表达式从所述政策文件中获得发布日期；

确定所述发布日期之前的字符中距离所述发布日期最近的两个空格，将所述两个空格之间的字符确定为发布机构。

可选的，还包括：

根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息。

可选的，所述政策信息包括：政策行政等级、政策领域、与其他政策文件的政策关系中的至少一种，

在所述文件信息包括发布机构且所述政策信息包括政策行政等级时，所述根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息，包括：

将所述发布机构的行政等级确定为所述政策文件的政策行政等级；

在所述文件信息包括：标题、关键词、摘要中的至少一种且所述政策信息包括政策领域时，所述根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息，包括：

将所述文件信息与预设的领域词汇库中各领域对应的词汇组中的词汇进行对比，确定所述文件信息与各领域对应的词汇组的相似度；将相似度最高的词汇组对应的领域确定为所述政策文件的政策领域；

在所述文件信息包括关键词，且所述政策信息包括与其他政策文件的政策关系时，所述根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息，包括：

确定所述待处理的政策文件的关键词分别与其他政策文件的关键词的相似度，将关键词的相似度高于预设相似度的两个政策文件的政策关系确定为关联关系。

可选的，将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象，包括：

将所述文件信息与预设的政策对象组中各政策对象的用户画像标签进行对比，确定所述文件信息中出现所述用户画像标签的次数，根据所述次数将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：

一种政策文件处理方法，包括：

获得待处理的政策文件；

从所述政策文件中获得至少一种文件信息；

将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

可选的，所述获得待处理的政策文件，包括：

对包含政策文件的网页进行爬取，获得超文本标记语言文件；

对所述超文本标记语言文件进行替换处理：将所述超文本标记语言文件中的各超文本标记语言标签替换为一个空格，将所述超文本标记语言文件中连续的空格替换为一个空格；

将进行所述替换处理后的超文本标记语言文件确定为待处理的政策文件。

可选的，所述文件信息包括文号和标题，所述从所述政策文件中获得至少一种文件信息，包括：

通过正则表达式从所述政策文件中获得文号；

确定获得的所述文号之前的字符的数量是否大于第一数量，如果是，则判断所述文号之前最近的两个字符是否为“文件”二字，如果是，则将所述文号之后的多个字符确定为标题；否则，将所述文号之前的全部字符确定为标题。

可选的，所述将所述文号之后的多个字符确定为标题，包括：

将所述文号之后且与所述文号最近的字符确定为当前字符，判断所述当前字符是否为空格，如果不为空格，则将当前字符之后且与该当前字符最近的字符确定为当前字符，返回执行所述判断所述当前字符是否为空格的步骤；

如果为空格，则判断所述当前字符与所述文号之间的字符的数量是否大于第二数量，如果大于第二数量，则将所述当前字符与所述文号之间的字符确定为标题；如果不大于第二数量，则将当前字符之后且与该当前字符最近的字符确定为当前字符，返回执行所述判断所述当前字符是否为空格的步骤。

可选的，所述文件信息包括发布日期和发布机构，所述从所述政策文件中获得至少一种文件信息，包括：

通过正则表达式从所述政策文件中获得发布日期；

确定所述发布日期之前的字符中距离所述发布日期最近的两个空格，将所述两个空格之间的字符确定为发布机构。

可选的，还包括：

根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息。

可选的，所述政策信息包括：政策行政等级、政策领域、与其他政策文件的政策关系中的至少一种，

在所述文件信息包括发布机构且所述政策信息包括政策行政等级时，所述根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息，包括：

将所述发布机构的行政等级确定为所述政策文件的政策行政等级；

在所述文件信息包括：标题、关键词、摘要中的至少一种且所述政策信息包括政策领域时，所述根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息，包括：

将所述文件信息与预设的领域词汇库中各领域对应的词汇组中的词汇进行对比，确定所述文件信息与各领域对应的词汇组的相似度；将相似度最高的词汇组对应的领域确定为所述政策文件的政策领域；

在所述文件信息包括关键词，且所述政策信息包括与其他政策文件的政策关系时，所述根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息，包括：

确定所述待处理的政策文件的关键词分别与其他政策文件的关键词的相似度，将关键词的相似度高于预设相似度的两个政策文件的政策关系确定为关联关系。

可选的，将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象，包括：

将所述文件信息与预设的政策对象组中各政策对象的用户画像标签进行对比，确定所述文件信息中出现所述用户画像标签的次数，根据所述次数将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/ 输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (11)

1.一种政策文件处理方法，其特征在于，包括：

获得待处理的政策文件；

从所述政策文件中获得至少一种文件信息；

将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

2.根据权利要求1所述的方法，其特征在于，所述获得待处理的政策文件，包括：

对包含政策文件的网页进行爬取，获得超文本标记语言文件；

对所述超文本标记语言文件进行替换处理：将所述超文本标记语言文件中的各超文本标记语言标签替换为一个空格，将所述超文本标记语言文件中连续的空格替换为一个空格；

将进行所述替换处理后的超文本标记语言文件确定为待处理的政策文件。

3.根据权利要求1所述的方法，其特征在于，所述文件信息包括文号和标题，所述从所述政策文件中获得至少一种文件信息，包括：

通过正则表达式从所述政策文件中获得文号；

确定获得的所述文号之前的字符的数量是否大于第一数量，如果是，则判断所述文号之前最近的两个字符是否为“文件”二字，如果是，则将所述文号之后的多个字符确定为标题；否则，将所述文号之前的全部字符确定为标题。

4.根据权利要求3所述的方法，其特征在于，所述将所述文号之后的多个字符确定为标题，包括：

将所述文号之后且与所述文号最近的字符确定为当前字符，判断所述当前字符是否为空格，如果不为空格，则将当前字符之后且与该当前字符最近的字符确定为当前字符，返回执行所述判断所述当前字符是否为空格的步骤；

如果为空格，则判断所述当前字符与所述文号之间的字符的数量是否大于第二数量，如果大于第二数量，则将所述当前字符与所述文号之间的字符确定为标题；如果不大于第二数量，则将当前字符之后且与该当前字符最近的字符确定为当前字符，返回执行所述判断所述当前字符是否为空格的步骤。

5.根据权利要求1所述的方法，其特征在于，所述文件信息包括发布日期和发布机构，所述从所述政策文件中获得至少一种文件信息，包括：

通过正则表达式从所述政策文件中获得发布日期；

确定所述发布日期之前的字符中距离所述发布日期最近的两个空格，将所述两个空格之间的字符确定为发布机构。

6.根据权利要求1所述的方法，其特征在于，还包括：

根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息。

7.根据权利要求6所述的方法，其特征在于，所述政策信息包括：政策行政等级、政策领域、与其他政策文件的政策关系中的至少一种，

在所述文件信息包括发布机构且所述政策信息包括政策行政等级时，所述根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息，包括：

将所述发布机构的行政等级确定为所述政策文件的政策行政等级；

在所述文件信息包括：标题、关键词、摘要中的至少一种且所述政策信息包括政策领域时，所述根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息，包括：

将所述文件信息与预设的领域词汇库中各领域对应的词汇组中的词汇进行对比，确定所述文件信息与各领域对应的词汇组的相似度；将相似度最高的词汇组对应的领域确定为所述政策文件的政策领域；

在所述文件信息包括关键词，且所述政策信息包括与其他政策文件的政策关系时，所述根据获得的所述文件信息对所述政策文件进行分析，获得所述政策文件的政策信息，包括：

确定所述待处理的政策文件的关键词分别与其他政策文件的关键词的相似度，将关键词的相似度高于预设相似度的两个政策文件的政策关系确定为关联关系。

8.根据权利要求1至7中任一项所述的方法，其特征在于，将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象，包括：

将所述文件信息与预设的政策对象组中各政策对象的用户画像标签进行对比，确定所述文件信息中出现所述用户画像标签的次数，根据所述次数将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

9.一种政策文件处理装置，其特征在于，包括：文件获得单元、信息获得单元和对象确定单元，

所述文件获得单元，用于获得待处理的政策文件；

所述信息获得单元，用于从所述政策文件中获得至少一种文件信息；

所述对象确定单元，用于将所述文件信息与预设的政策对象组中各政策对象的对象信息进行对比，根据对比结果将所述预设的政策对象组中的至少一个政策对象确定为所述政策文件的政策对象。

10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行如权利要求1至8中任一项所述的政策文件处理方法。

11.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行如权利要求1至8中任一项所述的政策文件处理方法。

Images