DE19955717A1 - Umwandlung unstrukturierter Daten in strukturierte Daten - Google Patents
Umwandlung unstrukturierter Daten in strukturierte DatenInfo
- Publication number
- DE19955717A1 DE19955717A1 DE19955717A DE19955717A DE19955717A1 DE 19955717 A1 DE19955717 A1 DE 19955717A1 DE 19955717 A DE19955717 A DE 19955717A DE 19955717 A DE19955717 A DE 19955717A DE 19955717 A1 DE19955717 A1 DE 19955717A1
- Authority
- DE
- Germany
- Prior art keywords
- data
- structured
- structure element
- target
- input data
- 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.)
- Ceased
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Document Processing Apparatus (AREA)
Abstract
Es wird ein Verfahren zur Umwandlung unstrukturierter Eingabedaten in strukturierte Ausgabedaten beschrieben. Das Verfahren enthält einen Datenauswahlschritt, in dem mindestens ein Datensegment ausgewählt wird, wobei das genannte Datensegment einen Teil der genannten Eingabedaten umfaßt und das genannte Datensegment in ein Datenstrukturelement umgewandelt werden kann. Weiterhin umfaßt das Verfahren der vorliegenden Erfindung einen Vorschlagsschritt, bei dem mindestens ein Datenstrukturelement vorgeschlagen wird. Schließlich umfaßt das Verfahren einen Zuweisungsschritt, bei dem ein Datenstrukturelement als Zieldaten-Strukturelement zur Speicherung des genannten ausgewählten Datensegments zugewiesen wird und bei dem das genannte ausgewählte Datensegment aus den Eingabedaten extrahiert und im genannten Zieldaten-Strukturelement gespeichert wird.
Description
Die vorliegende Erfindung bezieht sich auf ein Verfahren auf
dem Gebiet der Informations-Mining. Genauer gesagt bezieht
sich die vorliegende Erfindung auf ein Verfahren zur
Behandlung unstrukturierter Eingabedaten.
Organisationen erzeugen und erfassen große Datenmengen, die
sie in ihren täglichen Abläufen verwenden. Dennoch sind
zahlreiche Unternehmen nicht in der Lage, das volle
Potential dieser Daten auszuschöpfen, da der
Informationsgehalt dieser Daten nicht einfach zu erkennen
ist. Die in Verwendung befindlichen Systeme zeichnen
Transaktionen genauso auf, wie sie eingehen, also Tag und
Nacht, und speichern die Transaktionsdaten in Dateien und
Datenbanken ab. Dokumente werden erstellt und in gemeinsamen
Dateien oder in von Dokumentverwaltungen bereitgestellten
Ablagesystemen abgelegt. Die zunehmende Verbreitung des
Internet und seine wachsende weltweite Akzeptanz als
Hauptkanal sowohl für die Kommunikation zwischen einzelnen
Personen als auch für die Abwicklung von Geschäftsabläufen
(beispielsweise durch email) haben die Informationsquellen
und somit die Chancen zur Erlangung von Wettbewerbsvorteilen
vervielfacht. Business Intelligence Solutions ist ein
Begriff, der die Prozesse beschreibt, die insgesamt
verwendet werden, um eine bessere Entscheidungsfindung zu
erreichen. Die Informations-Mining bezeichnet den Prozeß des
Daten-Mining und/oder des Text-Mining. Dabei wird eine
moderne Technologie verwendet, mit der wertvolle Einblicke
in diese Quellen erreicht werden, die es dem geschäftlichen
Benutzer ermöglichen, die richtigen Entscheidungen zu
treffen und somit einen Wettbewerbsvorteil zu erlangen, der
nötig ist, um in der modernen Wettbewerbsumgebung
erfolgreich zu sein. Das Informations-Mining erzeugt aus
jeder Quelle im allgemeinen zuvor unbekannte, gut
verständliche und belangbare Daten wie beispielsweise
Transaktionen, Dokumente, email, Web-Seiten usw. Diese Daten
können die Grundlage für wichtige Geschäftsentscheidungen
darstellen.
Daten bilden dabei den Rohstoff. Es kann sich hierbei um
eine Gruppe diskreter Fakten über Ereignisse handeln, und in
diesem Fall spricht man nützlicherweise von strukturierten
Aufzeichnungen von Transaktionen, die normalerweise in
alphanumerischer Form vorliegen. Doch Dokumente und Web-
Seiten sind auch eine Quelle unstrukturierter Daten, die als
Bitstrom bereitgestellt und zu Textwörtern und -sätzen einer
bestimmten Landessprache dekodiert werden.
Industrieanalysen gehen davon aus, daß unstrukturierte
Daten 80% aller Daten in einem Unternehmen ausmachen und nur
20% strukturiert sind; diese Daten haben unterschiedliche
Quellen, beispielsweise Text, Bild, Video und Audio. Der
überwiegende Anteil der strukturierten Daten liegt
allerdings in Textform vor.
Das Daten-Mining nutzt die Infrastruktur gespeicherter Daten
(also die Metainformationen der zu verarbeitenden Daten,
beispielsweise das Layout der Daten, bestimmte
Kennzeichnungen, Beziehungen usw.), um weitere nützliche
Informationen zu erlangen. Durch Daten-Mining einer
Kundendatenbank könnte man beispielsweise die Erkenntnis
gewinnen, daß jeder, der das Produkt A kauft, auch die
Produkte B und C kauft, lediglich sechs Monate später.
Nur wenn die von einer Anwendung zu verarbeitenden
Eingabedaten eine vordefinierte Struktur einhalten, die in
der Anwendung bekannt ist, kann diese Anwendung die
Eingabedaten be- und verarbeiten.
Da die Verfügbarkeit strukturierter Daten Voraussetzung für
jede weitere Verarbeitung der möglichen Komponenten, die die
Bestandteile der unstrukturierten Daten ausmachen, sind,
wurde beispielsweise das Text-Mining entwickelt. Text-Mining
ist die Anwendung des Prinzips des Daten-Mining auf
unstrukturierte oder geringfügig strukturierte Textdateien.
Das Text-Mining muß im Gegensatz zum Daten-Mining in einer
weniger strukturierten Umgebung erfolgen. Die Dokumente
haben nur selten eine starke interne Infrastruktur (und wenn
das der Fall ist, dann bezieht sich diese Infrastruktur
meistens auf das Dokumentformat und weniger auf den Inhalt).
Bei dem Text-Mining werden Metadaten über Dokumente aus den
Dokumenten extrahiert. Die Metadaten stellen eine
Möglichkeit dar, den Inhalt eines Dokuments anzureichern,
und zwar so, daß die Mining-Software dieses Dokument
anschließend manipulieren kann. Die Text-Mining Technik ist
eine Methode zur Ausweitung des Daten-Mining auf die
immensen und immer weiter wachsenden Mengen gespeicherter
Texte in einem automatischen Prozeß, in dem strukturierte
Daten erstellt werden, die Dokumente beschreiben. Innerhalb
des Text-Mining gibt es viele verschiedene Technologien zur
Erzeugung von Metadaten für ein Dokument, mit dem Ziel, die
Art eines Dokuments zu bestimmen, seine Struktur abzuleiten,
usw. Hier einige Beispiele:
Merkmalsextraktion (feature extraction): dient zum Suchen
und Extrahieren von Informationen oder Wissen aus
Textdokumenten.
Cluster-Technologie (clustering technology): dient zum
Sortieren von Dokumenten nach Themen, ermöglicht die
Suche nach Schwerpunktthemen in einer Dokumentensammlung
usw.
Sämtliche dieser Technologien sind bis zu einem gewissen
Grad effektiv und ermöglichen eine Orientierung unter dieser
riesigen Anzahl unstrukturierter Informationsquellen.
Letztendlich können sie jedoch nicht auf zuverlässige Weise
und automatisch den strukturierten Informationsgehalt aus
einem unstrukturierten Eingabedokument herausextrahieren.
Sie können nur bestimmte Angaben zur Art der Eingabedaten
liefern und bieten keine Instrumente zur Umwandlung der
unstrukturierten Eingabedaten in strukturierte Eingabedaten
an.
Das Prinzip der vorliegenden Erfindung beruht auf dem Ziel,
ein Verfahren zum Herausfiltern strukturierter Daten aus
einer unstrukturierten Eingabe bereitzustellen und auf diese
Weise eine Anwendung zu unterstützen, die für ihre
Verarbeitung strukturierten Eingabedaten benötigt.
Die Ziele der vorliegenden Erfindung werden gemäß der
Ausführung von Anspruch 1 erreicht.
Das Prinzip der vorliegenden Erfindung bezieht sich auf ein
von einem Computersystem ausgeführten Verfahren zur
Umwandlung unstrukturierter Eingabedaten in strukturierte
Ausgabedaten. Das Verfahren der vorliegenden Erfindung
umfaßt einen Schritt der Datenauswahl, bei dem mindestens
ein Datensegment ausgewählt wird, wobei das genannte
Datensegment einen Teil der genannten Eingabedaten umfaßt
und das genannte Datensegment in ein Datenstrukturelement
umgewandelt werden kann. Das Verfahren der vorliegenden
Erfindung umfaßt weiterhin einen Schritt, bei dem mindestens
ein Datenstrukturelement vorgeschlagen wird. Schließlich
umfaßt das Verfahren der vorliegenden Erfindung einen
Schritt der Zuweisung, bei dem ein Datenstrukturelement als
Zieldatenstrukturelement zur Speicherung des genannten
ausgewählten Datensegments zugewiesen wird und bei dem das
genannte ausgewählte Datensegment aus den genannten
Eingabedaten extrahiert und im genannten
Zieldatenstrukturelement gespeichert wird.
Das Prinzip der vorliegenden Erfindung ermöglicht es, die
riesigen immer weiter wachsenden Mengen unstrukturierter
elektronischer Daten zu bewältigen. Aus Sicht des Benutzers
besteht der Vorteil der vorliegenden Erfindung darin, die
Aufgabe der Extraktion von Daten aus unstrukturierten
Eingabedaten für Anwendungen zu vereinfachen, die
strukturierte Daten erwarten. Die für die Datenextraktion
benötigte Zeit wird deutlich reduziert, und das
fehleranfällige Abtippen wird nicht länger benötigt. Der
Benutzer kann ein Datensegment für die Extraktion beliebig
auswählen und ist dabei nicht durch das System
eingeschränkt. Der Benutzer muß nicht länger im voraus die
potentiellen Datenstrukturen kennen. Stattdessen bietet das
Verfahren der vorliegenden Erfindung im Vorschlagsschritt
die möglichen Datenstrukturen zur Auswahl an.
Entsprechend einem weiteren Ausführungsbeispiel der
vorliegenden Erfindung enthält das Verfahren auch einen
Schritt zur Speicherung, in dem das genannte
Zieldatenstrukturelement dauerhaft gespeichert wird.
Die dauerhafte Speicherung der erfaßten Eingabedaten
ermöglicht es, daß jede beliebige Anwendung zu einem
späteren Zeitpunkt darauf zugreifen kann.
Entsprechend einem weiteren Ausführungsbeispiel der
vorliegenden Erfindung werden im Vorschlagsschritt
Datenstrukturelemente und/oder Datenstrukturen
vorgeschlagen, wobei die genannten Datenstrukturen ein oder
mehrere Datenstrukturelemente und/oder ein oder mehrere
weitere Datenstrukturen enthalten.
Dieses weitere Ausführungsbeispiel der vorliegenden
Erfindung vermeidet Beschränkungen hinsichtlich dem Layouts
der beteiligten Datenstrukturen. Jede Datenstruktur kann
sich aus atomischen Datenelementen und/oder zusätzlichen
Datenstrukturen (mit derselben Substruktur) zusammensetzen.
Das Prinzip der vorliegenden Erfindung erlegt hinsichtlich
des rekursiven Layouts keine Beschränkungen auf.
Entsprechend einem weiteren Ausführungsbeispiel der
vorliegenden Erfindung geht dem Schritt der Datenauswahl ein
Schritt zur Bestimmung des Anwendungskontextes voraus, bei
dem mindestens eine Zielanwendung festgelegt wird, um
gegebenenfalls die strukturierten Ausgabedaten zu
verarbeiten. Im Schritt zur Bestimmung des
Anwendungskontextes können die genannten Eingabedaten
automatisch vom genannten Computersystem klassifiziert und
mindestens einer Zielanwendung zugewiesen werden.
Ersatzweise oder zusätzlich kann im genannten Schritt zur
Bestimmung des Anwendungskontextes ein Benutzer aus einer
Gruppe von Anwendungen mindestens eine Zielanwendung
auswählen. Schließlich werden im genannten Vorschlagsschritt
nur solche Datenstrukturelemente vorgeschlagen, die sich auf
die genannte Zielanwendung beziehen.
Die Möglichkeit, einen Anwendungskontext auszuwählen,
gestattet eine deutliche Reduzierung potentieller
Zieldatenstrukturen im Vorschlagsschritt. Die
Klassifizierung der Eingabedaten auf automatische Weise
führt zu weiteren Vorteilen. Die Klassifizierung kann in
einem automatisch zugewiesenen oder einem zuvor ausgewählten
Anwendungskontext resultieren. Im letzteren Fall läßt sich
der zuvor ausgewählte Anwendungskontext vom Benutzer weiter
verfeinern.
Entsprechend einem weiteren Ausführungsbeispiel der
vorliegenden Erfindung analysiert im genannten
Datenauswahlschritt ein Parser die genannten Eingabedaten,
klassifiziert potentielle Datensegmente und wählt im voraus
Datensegmente aus, die für eine Zielanwendung möglicherweise
relevant sind.
Auf der Basis dieser Vorgehensweise vereinfacht das Prinzip
der vorliegenden Erfindung auch den Auswahlprozeß. Das
Verfahren schlägt im voraus ausgewählte Datensegmente vor,
die ein Benutzer übernehmen oder aufgrund seines
zusätzlichen Wissens ergänzen kann.
Entsprechend einem weiteren Ausführungsbeispiel der
vorliegenden Erfindung wird vorgeschlagen, das Verfahren in
einer Zielanwendung und/oder in einem Mailing-System
und/oder in einem Textverarbeitungsprogramm zu integrieren.
Der Vorteil besteht darin, daß das Verfahren an denjenigen
Stellen in einem System verfügbar gemacht wird, wo
unstrukturierte Daten im System eingehen. Deshalb findet die
Umwandlung in strukturierte Daten so früh wie möglich statt,
was es allen Anwendungen, die zu einem späteren Zeitpunkt
ausgeführt werden, ermöglicht, von den strukturierten Daten
zu profitieren.
Fig. 1 zeigt ein Beispiel einer manuellen Datenerfassung
unter Verwendung von Formularen gemäß dem Stand der
Technik.
Fig. 2 ist eine Abbildung der Erfassung strukturierter
Ausgabedaten aus unstrukturierten Eingabedaten in
Übereinstimmung mit der vorliegenden Erfindung.
Fig. 3 veranschaulicht das weitere Ausführungsbeispiel
eines Anwendungskontextes zur Begrenzung der Gruppe
potentieller Zieldatenstrukturen.
Fig. 4 ist eine Zusammenfassung des Verfahrens der
vorliegenden Erfindung.
Wenn in der Beschreibung der vorliegenden Erfindung von
elektronischen Daten oder einem elektronischen Dokument usw.
die Rede ist, dann sind damit alle Datenarten gemeint.
Die im Einsatz befindlichen Systeme (Systeme also, die die
täglichen Abläufe eines Unternehmens steuern) arbeiten mit
strukturierten Daten. Die Zusammensetzung solcher Daten aus
einfachen atomischen Datentypen (in einfachen Fällen aus
Ganzzahlen, Strings usw.) ist vordefiniert und in den
Systemen, die diese Daten verarbeiten, bekannt. Ohne solche
Metadaten funktioniert keine der klassischen Anwendungen
oder gar Algorithmen: Daten, die nicht strukturiert wurden,
können grundsätzlich nicht verarbeitet werden (zumindest
nicht hinsichtlich ihrer potentiellen Bestandteile).
Wenn Menschen miteinander kommunizieren, werden Daten
hauptsächlich in 'unstrukturierter' Form verwendet.
Beispiele für solche Daten sind Text, Bild und Sprache, die
zwischen Menschen ausgetauscht werden, die in Briefen,
Telefax-Nachrichten, e-mails, Telefongesprächen usw.
miteinander kommunizieren. Diese Daten besitzen keine
Struktur, die für die Anwendungen oder Algorithmen verfügbar
ist. Folglich muß der Mensch aus diesen unstrukturierten
Eingaben die relevanten Daten herausfiltern und sie
entsprechend den Anforderungen der Anwendung strukturieren,
wenn die unstrukturierte Eingabe sonst auf die Abläufe in
einem Unternehmen negative Auswirkungen hätte.
Fig. 1 zeigt, was heutzutage in solchen Situationen
normalerweise gemacht wird: Die unstrukturierte Eingabe
(100) (in diesem Fall ein Textverarbeitungsanhang an einem
e-mail) wird von einem Menschen gelesen. Der Mensch versteht
den Brief und weiß, welche Art von Daten die Zielanwendung
benötigt. Der Mensch filtert also die erforderlichen Daten
aus der unstrukturierten Eingabe heraus und gibt sie (Feld
für Feld) in ein Formular (101) ein - Schritt 1 in Fig. 1.
Dieses Formular könnte beispielsweise bereits in der
Schnittstelle der Zielanwendung dargestellt werden. Sobald
das Formular vollständig ausgefüllt ist, teilt er dies der
Anwendung mit, die dann die inzwischen strukturierte Eingabe
dazu verwendet, beispielsweise eine Datenbank (oder eine
Datei usw.) (102) zu manipulieren - Schritt 2 in Fig. 1.
Diese Vorgehensweise ist nicht nur mühsam und zeitaufwendig,
sondern bekanntermaßen auch fehleranfällig: Der Mensch muß
sich an die Daten aus der unstrukturierten Eingabe erinnern
(beispielsweise an den Namen eines Kunden und seine
Schreibweise) und sie in das Formular der Anwendung
eingeben. Natürlich kann er diese Daten auch handschriftlich
auf ein Blatt Papier schreiben oder einfach nur die
Datenquelle und das Zielformular in zwei verschiedenen
Fenstern gleichzeitig auf dem Bildschirm anzeigen lassen,
doch bleiben die Fehleranfälligkeit und der Aufwand hoch.
Die Lösung in Übereinstimmung mit der vorliegenden Erfindung
wird in Fig. 2 dargestellt.
Das Prinzip der vorliegenden Erfindung beruht auf der
Verwendung von Menüs, die die Erfassung strukturierter Daten
anhand von unstrukturierten Eingaben unterstützen. Solche
Menüs könnten beispielsweise in Form von stufenweisen
Kontextmenüs angeboten werden. Zu diesem Zweck könnte die
Software, die zum Durchforsten der unstrukturierten Eingabe
(201) verwendet wird (beispielsweise ein
Textverarbeitungsprogramm), durch eine Implementierung des
vorgeschlagenen Verfahrens in Übereinstimmung mit der
vorliegenden Erfindung erweitert werden.
Das beschriebene Verfahren gestattet in einem Auswahlschritt
die Auswahl (beispielsweise durch Markierung) eines Teils
der Eingabe (202), die von einem Menschen als relevant für
eine Anwendung angegeben wurde, die eine strukturierte
Eingabe erfordert. Als zusätzliche Ergänzung könnte das
Verfahren einzelne Elemente des Daten-Minings verwenden.
Wenn man beispielsweise die "Merkmalsextraktionstechnologie"
und die "Klassifikationstechnologie" einsetzt, kann ein
Parser potentielle Datensegmente, die für eine Zielanwendung
relevant sind, automatisch erkennen und klassifizieren. Auf
der Grundlage dieses Parser-Schritts könnten erkannte
Datensegmente, die möglicherweise relevant sind, bereits
durch das beschriebene Verfahren im voraus ausgewählt
werden. Ein Benutzer könnte daraufhin während des
Verfahrensablaufs diese im voraus ausgewählten Datensegmente
verwenden oder Ergänzungen in die durch dieses Verfahren
beschriebene Vorauswahl einfügen.
Als nächstes wird in einem Vorschlagsschritt ein Kontextmenü
geöffnet, das alle möglichen für die Datenarten relevanten
Datenstrukturen der Zielanwendung auflistet (Gesamtmenü
(203) in Fig. 2, Schritt 1); die Öffnung des Kontextmenüs
könnte in der heute für Textverarbeitungsprogramme üblichen
Weise erfolgen, indem man beispielsweise die rechte
Maustaste drückt, während man mit dem Mauspfeil auf den
markierten Menüpunkt zeigt. Es sei darauf hingewiesen, daß
es hierzu verschiedene Alternativen gibt (die sich auch
kombinieren lassen):
Das Gesamtmenü könnte alle Datenstrukturen aufführen, die
für das Unternehmen relevant sind.
Das Gesamtmenü könnte alle Datenstrukturen aufführen, die
für eine bestimmte Zielanwendung oder eine bestimmte
Gruppe von Zielanwendungen relevant sind.
Wenn man das Klassifizierungsergebnis eines Parsers nutzt,
der die Eingabedaten analysiert hat, könnte das
Gesamtmenü alle Datenstrukturen aufführen, die für den
Dokumenttyp relevant sind, zu dem die Eingabedaten
gehören.
An dieser Stelle wird die Zieleingabestruktur ausgewählt und
die Auflistung der Datenstrukturen der nächsten Ebene (204),
die das Ziel darstellen, angezeigt (Schritt 2 in Fig. 2).
Der Einfachheit halber gehen wir davon aus, daß die
letzteren Datenstrukturen bereits atomisch sind (sich selbst
also nicht in weitere Subelemente abbauen lassen), so daß
keine weitere Verfeinerung notwendig ist: Deshalb wird der
zweite Kasten in Fig. 2 als Attributmenü bezeichnet.
Ansonsten geht die Verfeinerung durch Öffnen zusätzlicher
Listenkästen weiter, das heißt, die Strukturelemente, die
selbst eine Struktur bilden, könnten eine Struktur mit
weiteren Strukturelementen darstellen, usw. Durch Auswahl
eines Menüpunkts aus dem Attributmenü wird der ausgewählte
Teil aus der unstrukturierten Eingabe als Wert für dieses
Attribut zugeordnet, was den Zuweisungsschritt des aktuellen
Verfahrens vervollständigt.
Natürlich wäre es auch möglich, die potentiellen
Datenstrukturen und die Teilsubstrukturen in einem einzigen
Dialog darzustellen. Dies wirkt sich lediglich auf die
Verwendbarkeit des beschriebenen Verfahrens aus. Die
Entscheidung, ob man eine Abstufung verwendet, hängt von der
Komplexität der beteiligten Datenstrukturen ab.
Auf diese Weise werden Datenstrukturen, die den
Eingabeformularen der Zielanwendungen entsprechen, gefüllt
(das heißt, als Instanz behandelt). Die Instanzen dieser
strukturierten Daten könnten im Speicher aufbewahrt werden
(Flüchtiger Cache (205), Schritt 3 in Fig. 2), bis der
Mensch angibt, daß alle erforderlichen Daten erfaßt wurden.
Als nächstes werden die Cache-Instanzen an die Zielanwendung
weitergeleitet (Schritt 4 in Fig. 2), um die erfaßten und
strukturierten Ausgabedaten dauerhaft zu speichern (206).
Durch diesen Speicherschritt wird das Verfahren
vervollständigt.
Um die Verwendbarkeit der Datenerfassung weiter zu
verbessern, schlägt die Beschreibung der vorliegenden
Erfindung vor, die im Gesamtmenü (203) angezeigte Liste in
Untergruppen zu unterteilen, indem der geeignete
Anwendungskontext ausgewählt wird. Unter einem
Anwendungskontext kann man sich eine oder mehrere
Anwendungen vorstellen, die in der Lage sind, Daten zu
verarbeiten, die in der unstrukturierten Eingabe enthalten
sind. Wie in Fig. 3 dargestellt ist, könnte diese Auswahl
dadurch unterstützt werden, daß man in die Menüleiste der
Software, die zum Durchsuchen der unstrukturierten Eingabe
(301) dient, ein Anwendungskontextmenü hinzufügt.
Bei der Auswahl des Anwendungskontextmenüs wird eine Liste
(302) der verfügbaren Gesamtmenüs angezeigt. Wenn ein
Menüpunkt aus dieser Liste ausgewählt wird, wird nur die
entsprechende Untergruppe an Datenstrukturen im oben
beschriebenen Gesamtmenü (203) angezeigt. Dadurch wird der
Schritt zur Bestimmung des Anwendungskontextes in
Übereinstimmung mit der vorliegenden Erfindung
vervollständigt. Ein Nebeneffekt der Auswahl eines
Menüpunkts aus dem Anwendungskontextmenü ist, daß die
Browser-Software weiß, daß nicht die Standard-Kontextmenüs
(also das Textmenü, wenn es sich beim ausgewählten Menüpunkt
um einen Textteil in einem Textverarbeitungsprogramm
handelt) für ausgewählte Teile der unstrukturierten Eingabe
Pop-Up-Menüs sein müssen. Stattdessen werden die
Kontextmenüs, die zur ausgewählten Anwendung gehören,
angezeigt.
Wie beim Vorschlagsschritt ist auch hier anzumerken, daß
hinsichtlich dieser Komponente des Verfahrens verschiedene
andere Möglichkeiten existieren (die sich ebenfalls
kombinieren lassen):
Das Anwendungskontextmenü könnte alle Anwendungskontexte
aufführen, die für das Unternehmen relevant sind.
Wenn man das Klassifizierungsergebnis eines Parsers nutzt,
der die Eingabedaten analysiert hat, könnte das
Anwendungskontextmenü nur diejenigen Anwendungskontexte
aufführen, die für den Dokumenttyp relevant sind, zu dem
die Eingabedaten gehören.
Das Prinzip der vorliegenden Erfindung ließe sich so
umsetzen, daß die Ersteller von Anwendungen Komponenten
(beispielsweise Java Beans) bereitstellen, die
Anwendungskontexte oder Kontextmenüs kreieren. Auf der
Grundlage dieser Komponenten könnte die Browser-Software
dann die Menüleisten und Kontextmenüs zusammensetzen. Wenn
die resultierende Browser-Software auch solche Komponenten
(beispielsweise über Referenzierung) einschließt, dann
unterstützt die Software sofort die Datenerfassung.
Zusammenfassend enthält das beschriebene Verfahren die
folgenden Schritte, die in Fig. 4 dargestellt sind:
- 1. In einem optionalen Anwendungskontextbestimmungsschritt (401) wird eine oder mehrere Anwendungen, die in der Lage wären, die unstrukturierten Daten zu verarbeiten, ausgewählt. Die Anzahl der möglichen und beschriebenen Anwendungskontexte kann durch eine moderne Dokumentklassifizierung vordefiniert sein oder dynamisch bestimmt werden. Im Verlauf des beschriebenen Verfahrens wird dieser ausgewählte Anwendungskontext dazu verwendet, die Anzahl der möglichen Datenstrukturen in den folgenden Schritten zu begrenzen.
- 2. Im nächsten Schritt, dem Datenauswahlschritt (402), können Datensegmente innerhalb der Eingabe als Elemente einer Datenstruktur ausgewählt werden. Als mögliche Erweiterung kann ein Parser, der eine Merkmalsextraktion besitzt, verwendet werden, um die Eingabe mit bereits ausgewählten Datensegmenten vorzuverarbeiten.
- 3. Im Vorschlagsschritt (403) werden mögliche Datenstrukturen vorgeschlagen, die das ausgewählte Datensegment enthalten könnten. Die Gruppe der vorgeschlagenen Datenstrukturen könnte durch den Anwendungskontext oder das Klassifizierungsergebnis eines Parsers, der Daten-Mining auf der Basis des vollständigen unstrukturierten Eingabedokuments oder des ausgewählten Datensegments einsetzt, eingegrenzt werden.
- 4. Im Zuweisungsschritt (404) wird ein Zieldaten- Strukturelement zugewiesen und zur Speicherung des genannten ausgewählten Datensegments verwendet. Das Verfahren extrahiert das ausgewählte Datensegment aus den genannten Eingabedaten und speichert es im Zieldaten-Strukturelement.
- 5. Zum Schluß werden die erfaßten und strukturierten Ausgabedaten dauerhaft abgespeichert; das heißt, das Verfahren wird durch den Speicherschritt abgeschlossen (405).
Immer mehr Kommunikation wird durch Geräte und Software
unterstützt, die unstrukturierte Daten (wie beispielsweise
Text) erzeugen. Zum Beispiel verbreitet sich e-mail
zusehends: Nicht nur Versorgungsketten sondern auch
Kundenwertschöpfungsketten und Kundenbetreuungssysteme
werden davon berührt. Andererseits erwarten bestehende
Anwendungen, die die jeweiligen Geschäftsprozesse bereits
unterstützen, strukturierte Daten. Es fehlt also eine
Übereinstimmung zwischen der Informationsquelle, die
unstrukturierte Daten erzeugt, und dem Informationsziel
(Datenverarbeitungsanwendungen), das strukturierte Daten
benötigt.
Aus der Sicht eines Benutzers besteht der Vorteil der
vorliegenden Erfindung darin, das Extrahieren von Daten aus
unstrukturierten Eingaben für solche Anwendungen, die
strukturierte Daten erwarten, zu vereinfachen: Die Zeit für
die Datenextraktion wird verringert, und Fehler durch
erneute Eingabe werden vermieden. Dies setzt sich direkt in
Einsparungen für den Arbeitgeber des Benutzers um.
Aus der Sicht des Programmierers einer Software für das
Durchsuchen unstrukturierter Daten bietet das Prinzip der
vorliegenden Erfindung eine einfache Möglichkeit, ein
Verfahren zur Datenerfassung umzusetzen.
Claims (9)
1. Ein Verfahren, das von einem Computersystem ausgeführt
wird, zur Umwandlung unstrukturierter Eingabedaten in
strukturierte Ausgabedaten,
wobei das genannte Verfahren einen Datenauswahlschritt umfaßt, in dem mindestens ein Datensegment ausgewählt ist, wobei das genannte Datensegment einen Teil der genannten Eingabedaten enthält und das genannte Datensegment in ein Datenstrukturelement umgewandelt werden kann; und
wobei das genannte Verfahren einen Vorschlagsschritt umfaßt, in dem mindestens ein Datenstrukturelement vorgeschlagen wird; und
wobei das genannte Verfahren einen Zuweisungsschritt umfaßt, in dem ein Datenstrukturelement als Zieldaten- Strukturelement zur Speicherung des genannten ausgewählten Datensegments zugewiesen wird, und wobei das genannte ausgewählte Datensegment aus den genannten Eingabedaten extrahiert und im genannten Zieldaten- Strukturelement gespeichert wird.
wobei das genannte Verfahren einen Datenauswahlschritt umfaßt, in dem mindestens ein Datensegment ausgewählt ist, wobei das genannte Datensegment einen Teil der genannten Eingabedaten enthält und das genannte Datensegment in ein Datenstrukturelement umgewandelt werden kann; und
wobei das genannte Verfahren einen Vorschlagsschritt umfaßt, in dem mindestens ein Datenstrukturelement vorgeschlagen wird; und
wobei das genannte Verfahren einen Zuweisungsschritt umfaßt, in dem ein Datenstrukturelement als Zieldaten- Strukturelement zur Speicherung des genannten ausgewählten Datensegments zugewiesen wird, und wobei das genannte ausgewählte Datensegment aus den genannten Eingabedaten extrahiert und im genannten Zieldaten- Strukturelement gespeichert wird.
2. Verfahren zur Umwandlung unstrukturierter Eingabedaten
in strukturierte Ausgabedaten gemäß Anspruch 1,
wobei das genannte Verfahren durch einen
Speicherschritt abgeschlossen wird, in dem das genannte
Zieldaten-Strukturelement dauerhaft abgespeichert wird.
3. Verfahren zur Umwandlung unstrukturierter Eingabedaten
in strukturierte Ausgabedaten gemäß Anspruch 1 oder 2,
wobei im genannten Vorschlagsschritt
entweder Datenstrukturelemente und/oder
Datenstrukturen vorgeschlagen werden, wobei die genannten Datenstrukturen ein oder mehrere Datenstrukturelemente und/oder eine oder mehrere weitere Datenstrukturen umfassen.
entweder Datenstrukturelemente und/oder
Datenstrukturen vorgeschlagen werden, wobei die genannten Datenstrukturen ein oder mehrere Datenstrukturelemente und/oder eine oder mehrere weitere Datenstrukturen umfassen.
4. Verfahren zur Umwandlung unstrukturierter Eingabedaten
in strukturierte Ausgabedaten gemäß Anspruch 1, 2 oder
3,
wobei dem genannten Datenauswahlschritt ein Anwendungskontextbestimmungsschritt zur Bestimmung mindestens einer Zielanwendung zur potentiellen Verarbeitung der genannten strukturierten Ausgabedaten vorausgeht,
wobei im genannten Anwendungskontextbestimmungsschritt die genannten Eingabedaten automatisch vom genannten Computersystem klassifiziert und mindestens einer Zielanwendung zugewiesen werden; und/oder
wobei im genannten Anwendungskontextbestimmungsschritt ein Benutzer aus einer Gruppe von Anwendungen mindestens eine Zielanwendung auswählt;
und wobei im genannten Vorschlagsschritt nur solche Datenstrukturelemente vorgeschlagen werden, die mit der genannten Zielanwendung zusammenhängen.
wobei dem genannten Datenauswahlschritt ein Anwendungskontextbestimmungsschritt zur Bestimmung mindestens einer Zielanwendung zur potentiellen Verarbeitung der genannten strukturierten Ausgabedaten vorausgeht,
wobei im genannten Anwendungskontextbestimmungsschritt die genannten Eingabedaten automatisch vom genannten Computersystem klassifiziert und mindestens einer Zielanwendung zugewiesen werden; und/oder
wobei im genannten Anwendungskontextbestimmungsschritt ein Benutzer aus einer Gruppe von Anwendungen mindestens eine Zielanwendung auswählt;
und wobei im genannten Vorschlagsschritt nur solche Datenstrukturelemente vorgeschlagen werden, die mit der genannten Zielanwendung zusammenhängen.
5. Verfahren zur Umwandlung unstrukturierter Eingabedaten
in strukturierte Ausgabedaten gemäß Anspruch 1, 2, 3
oder 4,
wobei im genannten Datenauswahlschritt ein Parser die genannten Eingabedaten analysiert, dieser Parser potentielle Datensegmente klassifiziert und Datensegmente, die möglicherweise für eine Zielanwendung relevant sind, im voraus auswählt.
wobei im genannten Datenauswahlschritt ein Parser die genannten Eingabedaten analysiert, dieser Parser potentielle Datensegmente klassifiziert und Datensegmente, die möglicherweise für eine Zielanwendung relevant sind, im voraus auswählt.
6. Verfahren zur Umwandlung unstrukturierter Importdaten
in strukturierte Ausgabedaten gemäß Anspruch 1, 2, 3, 4
oder 5,
wobei das genannte Verfahren in einer Zielanwendung integriert ist; und/oder
wobei das genannte Verfahren in einem Mailing-System integriert ist; und/oder
wobei das genannte Verfahren in einem Textverarbeitungsprogramm integriert ist.
wobei das genannte Verfahren in einer Zielanwendung integriert ist; und/oder
wobei das genannte Verfahren in einem Mailing-System integriert ist; und/oder
wobei das genannte Verfahren in einem Textverarbeitungsprogramm integriert ist.
7. Ein System mit einem Mittel, das darauf ausgelegt ist,
die Schritte entsprechend dem Prinzip der vorliegenden
Erfindung gemäß einem der Ansprüche 1 bis 6
auszuführen.
8. Ein Datenverarbeitungsprogramm, das in einem
Datenverarbeitungssystem ausgeführt werden kann und
Software-Codeteile zur Ausführung eines Verfahrens
gemäß einem der Ansprüche 1 bis 6 enthält.
9. Ein Computerprogramm, das auf einem Speichermedium
gespeichert ist, das von einem Computer gelesen werden
kann, wobei dieses Programm mit einem computerlesbaren
Programmittel kombiniert ist, welches einen Computer
veranlaßt, ein Verfahren gemäß einem der Ansprüche 1
bis 6 auszuführen.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP98121449 | 1998-11-11 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19955717A1 true DE19955717A1 (de) | 2000-08-24 |
Family
ID=8232961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19955717A Ceased DE19955717A1 (de) | 1998-11-11 | 1999-11-04 | Umwandlung unstrukturierter Daten in strukturierte Daten |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE19955717A1 (de) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10133206A1 (de) * | 2001-07-07 | 2003-01-23 | Abb Research Ltd | Verfahren zur automatisierten Generierung von Web-Seiten |
WO2007085304A1 (de) * | 2006-01-27 | 2007-08-02 | Swiss Reinsurance Company | System zur automatisierten generierung von datenbankstrukturen und/oder datenbanken und entsprechendes verfahren |
US7299202B2 (en) * | 2001-02-07 | 2007-11-20 | Exalt Solutions, Inc. | Intelligent multimedia e-catalog |
DE102005048600B4 (de) * | 2005-10-06 | 2008-09-25 | Klaus Rehm | Verfahren zum Erfassen von Daten |
CN111274354A (zh) * | 2020-01-15 | 2020-06-12 | 中科鼎富(北京)科技发展有限公司 | 一种裁判文书结构化方法及装置 |
US11127057B2 (en) | 2017-12-08 | 2021-09-21 | Exalt Solutions, Inc. | Intelligent multimedia e-catalog |
-
1999
- 1999-11-04 DE DE19955717A patent/DE19955717A1/de not_active Ceased
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9754315B2 (en) | 2001-02-07 | 2017-09-05 | Exalt Solutions, Inc. | Intelligent multimedia E-catalog |
US10672047B2 (en) | 2001-02-07 | 2020-06-02 | Exalt Solutions, Inc. | Intelligent multimedia e-catalog |
US7299202B2 (en) * | 2001-02-07 | 2007-11-20 | Exalt Solutions, Inc. | Intelligent multimedia e-catalog |
US7870033B2 (en) | 2001-02-07 | 2011-01-11 | Exalt Solutions, Inc. | Intelligent multimedia e-catalog |
US8200552B2 (en) | 2001-02-07 | 2012-06-12 | Exalt Solutions, Inc. | Intelligent multimedia e-catalog |
US8533071B2 (en) | 2001-02-07 | 2013-09-10 | Exalt Solutions, Inc. | Intelligent multimedia E-catalog |
DE10133206A1 (de) * | 2001-07-07 | 2003-01-23 | Abb Research Ltd | Verfahren zur automatisierten Generierung von Web-Seiten |
DE102005048600B4 (de) * | 2005-10-06 | 2008-09-25 | Klaus Rehm | Verfahren zum Erfassen von Daten |
WO2007085304A1 (de) * | 2006-01-27 | 2007-08-02 | Swiss Reinsurance Company | System zur automatisierten generierung von datenbankstrukturen und/oder datenbanken und entsprechendes verfahren |
US11127057B2 (en) | 2017-12-08 | 2021-09-21 | Exalt Solutions, Inc. | Intelligent multimedia e-catalog |
US11741514B2 (en) | 2017-12-08 | 2023-08-29 | Exalt Solutions, Inc. | Intelligent multimedia e-catalog |
CN111274354A (zh) * | 2020-01-15 | 2020-06-12 | 中科鼎富(北京)科技发展有限公司 | 一种裁判文书结构化方法及装置 |
CN111274354B (zh) * | 2020-01-15 | 2023-08-11 | 鼎富智能科技有限公司 | 一种裁判文书结构化方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE60209572T2 (de) | Verfahren und vorrichtung zur automatischen erkennung von datentypen für die datentypenabhängige verarbeitung | |
DE69525243T2 (de) | System zum binden von dokumentteilen und editoren in einer mensch-maschinen-schnittstelle | |
DE3486224T2 (de) | Verfahren zum Speichern und Wiederauffinden von digitalen Informationen. | |
DE60226232T2 (de) | Inhaltsverwaltungssystem | |
DE69425607T2 (de) | Selektive Einrichtung und Verfahren zur Dokumentenwiederauffindung. | |
DE19627472A1 (de) | Datenbanksystem | |
DE4232507A1 (de) | Verfahren zum Kennzeichnen, Wiederauffinden und Sortieren von Dokumenten | |
DE102005032046A1 (de) | Verfahren, System und Computerprogramm-Produkt zum Übertragen von Daten aus einer Dokumentenanwendung in eine Datenanwendung | |
DE69710309T2 (de) | System für betriebliche veröffentlichung und speicherung | |
EP2188742A1 (de) | Erfassung von zusammenhängen zwischen informationen repräsentierenden daten | |
DE112018002047T5 (de) | Dokumentenanalyse mit mehreren faktoren | |
DE60319586T2 (de) | Elektronisches wörterbuch mit beispielsätzen | |
WO2009030247A1 (de) | Erfassung von zusammenhängen zwischen informationen repräsentierenden daten | |
DE10151648B4 (de) | Verfahren und Vorrichtung zum Erfassen und Speichern von während einer computerbasierten Sitzung gemachten Notizen | |
DE19955717A1 (de) | Umwandlung unstrukturierter Daten in strukturierte Daten | |
EP2193455A1 (de) | Erfassung von zusammenhängen zwischen informationen repräsentierenden daten | |
EP2856344A1 (de) | Erzeugung von anfragen an ein datenverarbeitendes system | |
WO2002042931A2 (de) | Verfahren zur verarbeitung von text in einer rechnereinheit und rechnereinheit | |
WO2002005108A2 (de) | Verfahren zur vorschau von internetseiten und computerprogramm hierzu | |
EP1256043B1 (de) | Verfahren und datenverarbeitungssystem zur koordinierung von anwendungen einer computer-software | |
EP2050022A1 (de) | Verfahren zur herstellung skalierbarer bildmatrizen | |
EP1217539A1 (de) | Verfahren zur nichtlinearen Aufbereitung und Identifikation von Informationen | |
Scheplitz et al. | Research in Digital Innovation Projects—Between Practicability and Scientific Relevance | |
WO2011044864A1 (de) | Verfahren und system zum klassifizieren von objekten | |
DE69421574T2 (de) | Verfahren zum Definieren mehrerer Formulardefinitionsdatensätze |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8131 | Rejection |