CN115601763A - 一种数据分级方法、装置、电子设备和介质 - Google Patents

一种数据分级方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN115601763A
CN115601763A CN202211362336.3A CN202211362336A CN115601763A CN 115601763 A CN115601763 A CN 115601763A CN 202211362336 A CN202211362336 A CN 202211362336A CN 115601763 A CN115601763 A CN 115601763A
Authority
CN
China
Prior art keywords
target
data
text
file
target file
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211362336.3A
Other languages
English (en)
Inventor
杨栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lianren Healthcare Big Data Technology Co Ltd
Original Assignee
Lianren Healthcare Big Data Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lianren Healthcare Big Data Technology Co Ltd filed Critical Lianren Healthcare Big Data Technology Co Ltd
Priority to CN202211362336.3A priority Critical patent/CN115601763A/zh
Publication of CN115601763A publication Critical patent/CN115601763A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/14Image acquisition
    • G06V30/148Segmentation of character regions
    • G06V30/153Segmentation of character regions using recognition of characters or words
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/19Recognition using electronic means
    • G06V30/19007Matching; Proximity measures
    • G06V30/19093Proximity measures, i.e. similarity or distance measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40Document-oriented image-based pattern recognition
    • G06V30/41Analysis of document content
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种数据分级方法、装置、电子设备和介质。该方法包括:获取用户上传的目标文件;基于字符提取方式,对目标文件的文本内容进行提取,获得目标文件对应的目标文本数据;基于目标文件对应的目标元数据,对目标文本数据进行结构化处理,确定目标文件对应的目标结构化数据;基于预设分级网络模型和目标结构化数据,确定目标文件对应的目标数据级别,从而可以自动地对数据进行分级处理,保证了数据分级的准确性。

Description

一种数据分级方法、装置、电子设备和介质
技术领域
本发明涉及计算机技术领域,尤其涉及一种数据分级方法、装置、电子设备和介质。
背景技术
随着计算机技术的发展,人们对数据尤其是医疗数据的安全越来越重视。可以通过设置数据的访问级别来提高数据的安全性。数据分级是对数据信息访问级别进行限定的基础和依据。
目前,现有医疗数据中台的数据来源众多,存在来自多方的数据。但多方数据的撰写标准不一致导致出现数据的结构不统一等情况。所以在每次人工进行数据分级时,需要人工对数据内容进行拆解核对,再对拆解的数据及应用场景敏感度进行人工数据分级处理,从而可以保证医疗数据中台数据的安全。
然而,通过人工操作对数据进行分级处理,不仅费时费力,还容易对数据的级别产生误判,无法保证数据分级的准确性。
发明内容
本发明提供了一种数据分级方法、装置、电子设备和介质,以自动地对数据进行分级处理,保证了数据分级的准确性。
根据本发明的一方面,提供了一种数据分级方法,所述方法包括:
获取用户上传的目标文件;
基于字符提取方式,对所述目标文件的文本内容进行提取,获得所述目标文件对应的目标文本数据;
基于所述目标文件对应的目标元数据,对所述目标文本数据进行结构化处理,确定所述目标文件对应的目标结构化数据;
基于预设分级网络模型和所述目标结构化数据,确定所述目标文件对应的目标数据级别。
根据本发明的另一方面,提供了一种数据分级装置,所述装置包括:
文件获取模块,用于获取用户上传的目标文件;
文本提取模块,用于基于字符提取方式,对所述目标文件的文本内容进行提取,获得所述目标文件对应的目标文本数据;
数据结构化模块,用于基于所述目标文件对应的目标元数据,对所述目标文本数据进行结构化处理,确定所述目标文件对应的目标结构化数据;
数据分级模块,用于基于预设分级网络模型和所述目标结构化数据,确定所述目标文件对应的目标数据级别。
根据本发明的另一方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的数据分级方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的数据分级方法。
本发明实施例的技术方案,通过获取用户上传的目标文件;基于字符提取方式,对所述目标文件的文本内容进行提取,获得所述目标文件对应的目标文本数据;从而可以将不可编辑的目标文件转化为可编辑的目标文本数据;基于所述目标文件对应的目标元数据,对所述目标文本数据进行结构化处理,确定所述目标文件对应的目标结构化数据;从而可以将非结构化的数据转化为结构化数据,以便基于预设分级网络模型和所述目标结构化数据,确定所述目标文件对应的目标数据级别,从而可以自动地对数据进行分级处理,保证了数据分级的准确性与效率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种数据分级方法的流程图;
图2是根据本发明实施例二提供的另一种数据分级方法的流程图;
图3是根据本发明实施例三提供的一种数据分级装置的结构示意图;
图4是实现本发明实施例的数据分级方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种数据分级方法的流程图,本实施例可适用依据文件中的内容对文件进行分级的情况,该方法可以由数据分级装置来执行,该数据分级装置可以采用硬件和/或软件的形式实现,该数据分级装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取用户上传的目标文件。
其中,目标文件可以是指待分级处理的文件。目标文件包括:合同文件或者协议文件,目标文件的文件格式包括图像格式或者PDF格式。
具体地,用户可以在用户端上传目标文件,以使服务器可以获取用户上传的目标文件。例如,服务器可以是但不限于数据中台。
S120、基于字符提取方式,对目标文件的文本内容进行提取,获得目标文件对应的目标文本数据。
其中,文本数据可以是指可编辑的文本数据。
具体地,基于字符提取方式,如OCR字符提取等方式,可以将不可编辑的目标文本中的文本内容提取处理,转化为可编辑的文本数据,并将转化后的可编辑文本数据作为目标文件对应的目标文本数据。
示例性地,S120可以包括:基于图像预处理方式,对目标文件进行预处理,获得预处理后的目标文件;基于版面分析方式,对预处理后的目标文件进行文本内容分段处理,获得目标文件对应的至少两个文本段落;基于字符切割方式,对每个文本段落内字符粘连处进行切割处理,获得由独立字符组成的文本段落;基于字符识别方式,对每个由独立字符组成的文本段落进行识别,并通过文本段落上下文的关系对识别结果进行校正,获得目标文件对应的目标文本数据。
具体地,对目标文件进行图像预处理,确定目标文件的文本内容所在区域,并将目标文件进行倾斜校正处理,获得预处理后的目标文件;还可以对预处理后的目标文件进行二值化处理或是图像滤波处理,以使获得的目标文件更加清晰并且去除噪音。可以将预处理后的目标文本按照自然段的形式进行分段处理,获得目标文件对应的至少两个文本段落,以便后续基于段落更加精确的进行字符切割和字符识别处理。可以基于字符切割方式,将每个文本段落内字符粘连处进行切割处理,以使每个字符都处于独立的状态,并获得由独立字符组成的文本段落。基于字符识别方式,可以对每个由独立字符组成的文本段落进行识别,生成可编辑的文本数据,并通过文本段落上下文的关系或是语义可以对识别结果进行校正,获得目标文件对应的目标文本数据,从而可以准确的将目标文件中的文本内容识别成可编辑的文本内容。
S130、基于目标文件对应的目标元数据,对目标文本数据进行结构化处理,确定目标文件对应的目标结构化数据。
其中,目标元数据包括:至少一个目标结构化属性。目标结构化数据可以是指将目标文本数据按照目标结构化属性进行划分的结构化数据。
具体地,将与目标元数据中每个目标结构化属性相匹配的目标文本数据提取出来,与目标元数据中对用的目标结构化属性进行关联,并作为目标文件对应的目标结构化数据。
示例性地,S130可以包括:从目标文本数据中提取每个目标结构化属性对应的目标属性值;将每个相应的目标结构化属性和目标属性值进行组合,获得目标文件对应的目标结构化数据。
其中,目标属性值可以是指目标结构化属性对应的参数值。
具体地,针对每个目标结构化属性,可以从目标文本数据中提取当前目标结构化属性对应的当前目标属性值;例如,目标结构化属性可以是但不限于数据来源、数据使用时间段、数据使用范围和数据范围。与数据来源对应的目标属性值可以是A项目;与数据使用时间段对应的目标属性值可以是20180101-20220101;与数据使用范围对应的目标属性值可以是A的精算分析;与数据范围对应的目标属性值可以是B市医保基金。将每个相应的目标结构化属性和目标属性值进行组合,获得目标文件对应的目标结构化数据。例如,目标结构化数据可以是数据来源:A项目;数据使用时间段:20180101-20220101;数据使用范围:A的精算分析;数据范围:B市医保基金;从而可以将非结构化的数据转化为机构化数据,以便可以基于结构化数据进行分级处理,提高分级的准确率和效率。
示例性地,“从目标文本数据中提取每个目标结构化属性对应的目标属性值”可以包括:针对每个目标结构化属性,基于特征匹配网络模型,从目标文本数据中确定与目标结构化属性相匹配的目标文本属性;将目标文本数据中的目标文本属性对应的属性值确定为该目标结构化属性对应的目标属性值。
具体地,每个目标文本中的目标属性值存在多种表达方式。对数据使用范围而言,对应的目标属性值的表达方式可以是数据(授权)用途、数据授权范围或数据用于A分析/项目等;对于数据使用时间段而言,对应的目标属性值的表达方式可以是在某时间之前使用、数据授权时间范围、数据使用开始时间或数据使用结束时间等。可以利用上述目标结构化属性和目标结构化属性对应的目标属性值的多种表达方式,对特征匹配网络模型进行训练,以使针对每个目标结构化属性,可以基于特征匹配网络模型,从目标文本数据中确定与目标结构化属性相匹配的目标文本属性;将目标文本数据中的目标文本属性对应的属性值确定为该目标结构化属性对应的目标属性值,从而利用训练好的特征提取模型,提高提取目标属性值的效率和准确率。
需要说明的是,可以结合业务需求对特征匹配网络模型进行训练。例如,数据使用范围还可以对应用于A项目、A分析、精算分析、风控和对账等字样。
S140、基于预设分级网络模型和目标结构化数据,确定目标文件对应的目标数据级别。
其中,预设分级网络模型可以是指预先设置的用于对结构化数据进行分级处理的模型。例如,预设分级网络模型可以是打不限于艾伯特(ALBERT)模型。数据级别可以是指为了区分数据的重要程度所设置的级别。目标数据级别可以是指目标数据对应的目标文件的重要程度级别。
具体地,将目标结构化数据输入至预设分级网络模型中,可以输出目标结构化数据的数据级别,并将目标结构化数据的数据级别作为目标文件对应的目标数据级别。
本发明实施例的技术方案,通过获取用户上传的目标文件;基于字符提取方式,对目标文件的文本内容进行提取,获得目标文件对应的目标文本数据;从而可以将不可编辑的目标文件转化为可编辑的目标文本数据;基于目标文件对应的目标元数据,对目标文本数据进行结构化处理,确定目标文件对应的目标结构化数据;从而可以将非结构化的数据转化为结构化数据,以便基于预设分级网络模型和目标结构化数据,确定目标文件对应的目标数据级别,从而可以自动地对数据进行分级处理,保证了数据分级的准确性与效率。
实施例二
图2为本发明实施例二提供的一种数据分级方法的流程图,本实施例在上述实施例的基础上,对基于预设分级网络模型和目标结构化数据,确定目标文件对应的目标数据级别的过程进行了详细描述。其中与上述各公开实施例相同或相应的术语的解释在此不再赘述。如图2所示,该方法包括:
S210、获取用户上传的目标文件。
S220、基于字符提取方式,对目标文件的文本内容进行提取,获得目标文件对应的目标文本数据。
S230、基于目标文件对应的目标元数据,对目标文本数据进行结构化处理,确定目标文件对应的目标结构化数据。
S240、将目标结构化数据和每个预设数据级别对应的级别描述数据输入至预设分级网络模型中,并根据预设分级网络模型的输出,获得目标结构化数据与每个级别描述数据之间的数据相似度。
其中,预设数据级别可以是指预先设置的数据级别。级别描述数据可以是指用于描述每个预设数据级别的数据。数据相似度可以是指两个数据之间的相似程度。
具体地,针对每个预设数据级别,可以将目标结构化数据和预设数据级别对应的级别描述数据输入至预设分级网络模型中;例如,预设数据级别A为公开数据或一般数据;预设数据级别A对应的级别描述数据可以是ICD-10医保版。预设数据级别B为重要数据且不包含个人敏感信息;预设数据级别B对应的级别描述数据可以是医院目录、疾病诊断或就诊服务。预设数据级别C为敏感数据;预设数据级别C对应的级别描述数据可以是个人就诊信息数据。通过预设分级网络模型输出目标结构化数据与每个级别描述数据之间的数据相似度。
250、对各个数据相似度进行比较,将最大的数据相似度所对应的预设数据级别确定为目标文件对应的目标数据级别。
具体地,将预设分级网络模型输出的所有的数据相似度进行比较,将最大的数据相似度所对应的预设数据级别确定为目标文件对应的目标数据级别。
本发明实施例的技术方案,通过将目标结构化数据和每个预设数据级别对应的级别描述数据输入至预设分级网络模型中,并根据预设分级网络模型的输出,获得目标结构化数据与每个级别描述数据之间的数据相似度。对各个数据相似度进行比较,将最大的数据相似度所对应的预设数据级别确定为目标文件对应的目标数据级别,从而可以通过预设分级网络模型自动地对数据进行分级处理,进一步保证了数据分级的准确性,同时也提高了数据分级的效率。
在上述方案的基础上,该方法还包括:检测最大的数据相似度是否小于预设相似度阈值;若是,则在上传界面上展示目标文件对应的分级告警信息。
其中,预设相似度阈值可以是指预先设置的用于检测相似度的数值。告警信息可以是提示需要人工进行分级处理或是人工对分级结果进行二次确认的提示信息。
具体地,检测预设分级网络模型输出的最大的数据相似度是否小于预设相似度阈值;若检测到最大的数据相似度大于或等于预设相似度阈值,则将最大的数据相似度所对应的预设数据级别确定为目标文件对应的目标数据级别;若检测到最大的数据相似度小于预设相似度阈值,则在上传界面上展示目标文件对应的分级告警信息,以便对该目标文件进行人工分级处理。可以将人工分级处理的结果和对应的目标结构化数据存储在预设分级网络模型的训练库中,并周期性利用更新后的训练库对预设分级网络模型进行训练。
以下是本发明实施例提供的数据分级装置的实施例,该装置与上述各实施例的数据分级方法属于同一个发明构思,在数据分级装置的实施例中未详尽描述的细节内容,可以参考上述数据分级方法的实施例。
实施例三
图3为本发明实施例三提供的一种数据分级装置的结构示意图。如图3所示,该装置包括:文件获取模块310、文本提取模块320、数据结构化模块330和数据分级模块340。
其中,文件获取模块310,用于获取用户上传的目标文件;文本提取模块320,用于基于字符提取方式,对目标文件的文本内容进行提取,获得目标文件对应的目标文本数据;数据结构化模块330,用于基于目标文件对应的目标元数据,对目标文本数据进行结构化处理,确定目标文件对应的目标结构化数据;数据分级模块340,用于基于预设分级网络模型和目标结构化数据,确定目标文件对应的目标数据级别。
本发明实施例的技术方案,通过获取用户上传的目标文件;基于字符提取方式,对目标文件的文本内容进行提取,获得目标文件对应的目标文本数据;从而可以将不可编辑的目标文件转化为可编辑的目标文本数据;基于目标文件对应的目标元数据,对目标文本数据进行结构化处理,确定目标文件对应的目标结构化数据;从而可以将非结构化的数据转化为结构化数据,以便基于预设分级网络模型和目标结构化数据,确定目标文件对应的目标数据级别,从而可以自动地对数据进行分级处理,保证了数据分级的准确性与效率。
可选地,目标文件包括:合同文件或者协议文件,目标文件的文件格式包括图像格式或者PDF格式。
可选地,文本提取模块320具体用于:基于图像预处理方式,对目标文件进行预处理,获得预处理后的目标文件;基于版面分析方式,对预处理后的目标文件进行文本内容分段处理,获得目标文件对应的至少两个文本段落;基于字符切割方式,对每个文本段落内字符粘连处进行切割处理,获得由独立字符组成的文本段落;基于字符识别方式,对每个由独立字符组成的文本段落进行识别,并通过文本段落上下文的关系对识别结果进行校正,获得目标文件对应的目标文本数据。
可选地,目标元数据包括:至少一个目标结构化属性;
数据结构化模块330可以包括:
属性值提取子模块,用于从目标文本数据中提取每个目标结构化属性对应的目标属性值;
结构化数据获取子模块,用于将每个目标结构化属性和相应的目标属性值进行组合,获得目标文件对应的目标结构化数据。
可选地,属性值提取子模块具体用于:针对每个目标结构化属性,基于特征匹配网络模型,从目标文本数据中确定与目标结构化属性相匹配的目标文本属性;将目标文本数据中的目标文本属性对应的属性值确定为该目标结构化属性对应的目标属性值。
可选地,数据分级模块340具体用于:将目标结构化数据和每个预设数据级别对应的级别描述数据输入至预设分级网络模型中,并根据预设分级网络模型的输出,获得目标结构化数据与每个级别描述数据之间的数据相似度;对各个数据相似度进行比较,将最大的数据相似度所对应的预设数据级别确定为目标文件对应的目标数据级别。
可选地,该装置还包括:
相似度检测模块,用于检测最大的数据相似度是否小于预设相似度阈值;
告警模块,用于若是,则在上传界面上展示目标文件对应的分级告警信息。
本发明实施例所提供的数据分级装置可执行本发明任意实施例所提供的数据分级方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述数据分级装置的实施例中,所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如数据分级方法。
在一些实施例中,数据分级方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的数据分级方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据分级方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。

Claims (10)

1.一种数据分级方法,其特征在于,包括:
获取用户上传的目标文件;
基于字符提取方式,对所述目标文件的文本内容进行提取,获得所述目标文件对应的目标文本数据;
基于所述目标文件对应的目标元数据,对所述目标文本数据进行结构化处理,确定所述目标文件对应的目标结构化数据;
基于预设分级网络模型和所述目标结构化数据,确定所述目标文件对应的目标数据级别。
2.根据权利要求1所述的方法,其特征在于,所述目标文件包括:合同文件或者协议文件,所述目标文件的文件格式包括图像格式或者PDF格式。
3.根据权利要求1所述的方法,其特征在于,所述基于字符提取方式,对所述目标文件的文本内容进行提取,获得所述目标文件对应的目标文本数据,包括:
基于图像预处理方式,对所述目标文件进行预处理,获得预处理后的目标文件;
基于版面分析方式,对预处理后的目标文件进行文本内容分段处理,获得所述目标文件对应的至少两个文本段落;
基于字符切割方式,对每个文本段落内字符粘连处进行切割处理,获得由独立字符组成的文本段落;
基于字符识别方式,对每个由独立字符组成的文本段落进行识别,并通过文本段落上下文的关系对识别结果进行校正,获得所述目标文件对应的目标文本数据。
4.根据权利要求1所述的方法,其特征在于,所述目标元数据包括:至少一个目标结构化属性;
所述基于所述目标文件对应的目标元数据,对所述目标文本数据进行结构化处理,确定所述目标文件对应的目标结构化数据,包括:
从所述目标文本数据中提取每个所述目标结构化属性对应的目标属性值;
将每个所述目标结构化属性和相应的所述目标属性值进行组合,获得所述目标文件对应的目标结构化数据。
5.根据权利要求4所述的方法,其特征在于,所述从所述目标文本数据中提取每个所述目标结构化属性对应的目标属性值,包括:
针对每个所述目标结构化属性,基于特征匹配网络模型,从所述目标文本数据中确定与所述目标结构化属性相匹配的目标文本属性;
将所述目标文本数据中的所述目标文本属性对应的属性值确定为该目标结构化属性对应的目标属性值。
6.根据权利要求1所述的方法,其特征在于,所述基于预设分级网络模型和所述目标结构化数据,确定所述目标文件对应的目标数据级别,包括:
将所述目标结构化数据和每个预设数据级别对应的级别描述数据输入至预设分级网络模型中,并根据所述预设分级网络模型的输出,获得所述目标结构化数据与每个所述级别描述数据之间的数据相似度;
对各个所述数据相似度进行比较,将最大的数据相似度所对应的预设数据级别确定为所述目标文件对应的目标数据级别。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
检测最大的数据相似度是否小于预设相似度阈值;
若是,则在上传界面上展示所述目标文件对应的分级告警信息。
8.一种数据分级装置,其特征在于,包括:
文件获取模块,用于获取用户上传的目标文件;
文本提取模块,用于基于字符提取方式,对所述目标文件的文本内容进行提取,获得所述目标文件对应的目标文本数据;
数据结构化模块,用于基于所述目标文件对应的目标元数据,对所述目标文本数据进行结构化处理,确定所述目标文件对应的目标结构化数据;
数据分级模块,用于基于预设分级网络模型和所述目标结构化数据,确定所述目标文件对应的目标数据级别。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的数据分级方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的数据分级方法。
CN202211362336.3A 2022-11-02 2022-11-02 一种数据分级方法、装置、电子设备和介质 Pending CN115601763A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211362336.3A CN115601763A (zh) 2022-11-02 2022-11-02 一种数据分级方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211362336.3A CN115601763A (zh) 2022-11-02 2022-11-02 一种数据分级方法、装置、电子设备和介质

Publications (1)

Publication Number Publication Date
CN115601763A true CN115601763A (zh) 2023-01-13

Family

ID=84850638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211362336.3A Pending CN115601763A (zh) 2022-11-02 2022-11-02 一种数据分级方法、装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN115601763A (zh)

Similar Documents

Publication Publication Date Title
CN113986864A (zh) 日志数据处理方法、装置、电子设备及存储介质
CN111859093A (zh) 敏感词处理方法、装置及可读存储介质
US20230096921A1 (en) Image recognition method and apparatus, electronic device and readable storage medium
CN113935339A (zh) 翻译方法、装置、电子设备及存储介质
CN112560468A (zh) 气象预警文本处理方法、相关装置及计算机程序产品
CN115934928A (zh) 一种信息抽取方法、装置、设备及存储介质
CN115048352B (zh) 一种日志字段提取方法、装置、设备和存储介质
CN114880498B (zh) 事件信息展示方法及装置、设备和介质
CN115600592A (zh) 文本内容的关键信息提取方法、装置、设备及介质
CN115481599A (zh) 文档的处理方法、装置、电子设备和存储介质
CN115393870A (zh) 一种文本信息处理方法、装置、设备及存储介质
CN115470034A (zh) 一种日志分析方法、设备及存储介质
CN115601763A (zh) 一种数据分级方法、装置、电子设备和介质
CN115116080A (zh) 表格解析方法、装置、电子设备和存储介质
CN115292506A (zh) 应用于办公领域的知识图谱本体构建方法和装置
CN113032251A (zh) 应用程序服务质量的确定方法、设备和存储介质
CN113239687A (zh) 一种数据处理方法和装置
CN117851575B (zh) 一种大语言模型问答优化方法、装置、电子设备及存储介质
CN114492409B (zh) 文件内容的评价方法、装置、电子设备及程序产品
CN116089459B (zh) 数据检索方法、装置、电子设备及存储介质
CN115617983A (zh) 基于文本的缺陷分析方法、装置、电子设备及存储介质
CN114998906A (zh) 文本检测方法、模型的训练方法、装置、电子设备及介质
CN116257639A (zh) 物流知识图谱生成方法、装置、设备及存储介质
CN114065008A (zh) 基于搜索的对象识别的方法、装置、设备以及存储介质
CN115392222A (zh) 一种电力施工文档校验方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination