文檔管理系統和方法
2023-04-27 21:21:16
專利名稱：文檔管理系統和方法
技術領域：
本發明涉及一種將資料庫中存儲文檔進行分類以向用戶提供關於所存儲文檔的信息的系統和文檔管理方法。
背景技術：
近來，由於網際網路服務的快速延伸和傳播，在大型機構所需的文檔中通過網際網路連接所獲得的信息和文檔的數量以穩定的速率增加。因此，變得非常重要。
當文檔領域專家在每個種類中提供基本類型分類樹結構時，文檔的分類者從當前存儲在系統中或新輸入至系統中的文檔提取屬性，然後按該屬性將文檔分配至類型分類樹中形成的每個種類中。
由該領域專家初始設置的類型分類樹結構需要根據連續分配的文檔來改變。因此，該領域專家必須通過仔細檢查在該種類中分配的文檔內容來改變結構。即，在輸入沒有包含在現有分類樹中的新文檔集的情況下，就生成能包括所述新文檔集的新類別，將所述新文檔集附加到類型分類樹的預定位置，或者在由於每個種類中包括的文檔內容中異質性較強而生成能綁定到新種類中的文檔集的情況下，所述新種類應被劃分為兩個或更多種類。
然而，在文檔集被不斷改變以及文檔數量快速增加的當前工作環境中，取決於在文檔分類和分類樹管理操作中人為因素的現有文檔管理方法在其應用中受到限制。
另外，每個分類者具有不同的經驗和知識。因此，存在這樣的缺陷，即難以在文檔分類中連續保持一致性。
發明內容
因此，本發明的目的在於提供一種文檔管理系統和方法，其能夠充分避免由於現有技術的限制和缺點所產生的一個或多個問題。
本發明的目的在於提供一種文檔管理系統和文檔管理方法，其通過從資料庫中存儲的文檔中讀取特徵和文檔之間的相似度，根據預定分類系統自動分類所存儲的文檔。
本發明的另一目的在於提供一種文檔管理系統和文檔管理方法，其可對從外部輸入的新文檔進行自動分類，以及通過智能管理新文檔的分類結構來有效執行文檔管理。
本發明的另一目的在於提供一種文檔管理系統和文檔管理方法，其可根據預定檢索條件實時地或周期性監督是否新文檔，以及在輸入預定檢索條件和採用新接收的信息服務的情況下將監督結果通知給用戶。
本發明的另一目的在於提供一種文檔管理系統和文檔管理方法，其中在新文檔具有在預定範圍內的相似度的情況下，用戶通過在客戶端分配區域中存儲新文檔來簡單確認新文檔。
在隨後的說明書中將部分提出本發明的額外優點、目的和特徵，對於本領域普通技術人員，通過以下的說明，本發明將變得清楚或者可以通過本發明的實踐而獲知。通過在所述說明書及其權利要求書和附圖中特別指出的結構可實現和達到本發明的目的和其它優點。
為了實現根據本發明目的的這些目標和其它優點，以下通過實施和廣泛描述，提供一種文檔管理系統，包括資料庫，用於存儲文檔；和文檔分類單元，用於對所述資料庫中存儲的文檔進行自動分類，其中所述文檔分類單元包括特徵提取模塊，基於在文檔中包括的關鍵詞提取特徵並對所提取的特徵進行矢量化；相似度判斷模塊，使用由所述特徵提取模塊形成的矢量來判斷文檔之間的相似度；以及分類系統模塊，根據預設的分類系統對資料庫中存儲的文檔進行分類，所述文檔分類單元對於給所述資料庫的文檔執行文檔分類。
在本發明的另一方面中，提供一種文檔管理方法，包括從資料庫中存儲的文檔中提取特徵，以及使用所提取的特徵判斷文檔之間的相似度；基於文檔之間的相似度，根據預定分類系統對資料庫中存儲的文檔進行分類；和監督是否向資料庫提供新文檔，以及在提供新文檔的情況下，對於新文檔自動執行特徵提取和文檔分類。
包括和結合附圖，以提供對本發明的進一步理解，附圖構成本申請的一部分，本發明的示例性實施例和說明書一起用於說明本發明的原理。其中圖1是示出根據本發明的文檔管理系統的框圖；圖2是示出使用從文檔提取的特徵而被矢量化的文檔的示圖；圖3是示出根據本發明實施例的分類碼的示圖；圖4是示出根據本發明實施例的文檔管理方法的流程圖；圖5是根據本發明另一實施例的文檔管理方法的流程圖；圖6和圖7示出提供給用戶的用於文檔管理的用戶界面；以及圖8是示出根據本發明另一實施例的文檔管理方法的流程圖。
具體實施例方式
現在，將詳細參照本發明的優選實施例，並且在附圖中示出其實例。
圖1是示出根據本發明的文檔管理系統的框圖。
參照圖1，文檔管理系統100根據資料庫中存儲文檔的相似度對其進行分類和管理。客戶端200連接至文檔管理系統100，並檢索所分類的文檔或接收文檔管理系統100所提供的信息。
客戶端200包括輸入模塊，用戶通過其發送預定查詢至文檔管理系統100；和輸出模塊，接收從文檔管理系統100發送的文檔信息，以向用戶顯示所發送的信息。
將多種通信網絡210，例如網際網路和區域網(LAN)，用作文檔管理系統100和客戶端200之間的通信介質。
文檔管理系統100包括文檔分類單元120、新接收信息服務單元130和文檔管理單元140。文檔分類單元120根據資料庫110中存儲文檔的相似度對其進行分類，或者根據分類系統對文檔進行分類。新接收信息服務單元130根據用戶設置的新接收信息更新設置向用戶提供新接收的信息。文檔管理單元140管理資料庫110中存儲的文檔的法律狀態。
另外，沒有特別限制文檔管理系統100的硬體配置。例如，聚類系統，即文檔管理系統100，可以使用具有中央處理單元(CPU)或存儲單元(只讀存儲器(ROM)、隨機訪問存儲器(RAM)和硬碟)的計算機來實現。
儘管資料庫110主要存儲已公布的專利文檔或已註冊登記的專利文檔，但是本發明不限於此。然而，基於這樣的假設來說明以下將描述的實例，即假設已公布的專利文檔或已註冊登記的專利文檔包括「背景技術」、「發明內容」和「具體實施方式
」作為劃分該文檔每一部分的標識項。
在這種情況下，在專利文檔的著錄項目信息中包括法律狀態。所述法律狀態的實例為「已郵寄非最終審查意見」、「已郵寄最終審查意見」或「專利案」。
在資料庫110中存儲多個專利文檔。儘管未示出，但是可以使用web機器人從連接至網絡的另一web伺服器獲得專利文檔。
另外，文檔分類單元120可以實時地或根據用戶設置的時間段監督是否有新文檔提供至資料庫110。文檔分類單元120對新文檔也執行文檔分類。
文檔分類單元120包括特徵提取模塊121、相似度判斷模塊122和分類系統模塊123。特徵提取模塊121從資料庫110中存儲的文檔提取特徵，並對所提取的特徵進行矢量化。相似度判斷模塊122根據由特徵提取模塊121形成的文檔矢量來判斷文檔之間的相似度。分類系統模塊123根據由相似度判斷模塊122判斷的文檔之間的相似度對資料庫110中存儲的文檔進行分類。
另外，分類系統模塊123除了根據由相似度判斷模塊122判斷的文檔之間的相似度對資料庫110中存儲的文檔進行分類之外，還可以參照以技術領域為單元分類的分類碼124對資料庫110中存儲的文檔進行分類。
另外，特徵提取模塊121在從資料庫110中存儲的文檔提取特徵以對所提取的特徵進行矢量化的過程中起到重要的作用。
另外，在資料庫110中存儲的文檔可以具有諸如doc、hwp、pdf、txt、html、xls和ppt這樣的文本類型，從而對特徵提取模塊121提取的文檔執行矢量化。
另外，特徵提取模塊121可以執行形態分析，用於從文檔中記錄的細節中分類出字詞，以便從文檔提取特徵(例如關鍵詞或索引項)。
例如，可以通過在諸如英語或朝鮮語這樣的在字詞之間使用空格的語言中尋找空格作為線索來確定字詞。然而，優選需要這樣一種用於判斷字詞的處理，以便在諸如日語和亞洲許多其它語言這樣的字詞之間不具有字詞間隔的語言中使用字詞作為關鍵詞或索引項。
另外，特徵提取模塊121可以執行對從文檔提取的特徵分配權值的功能。在這種情況下，特徵提取模塊121分配權值，從而提高具有可耗盡性和特殊性的特徵的重要性。
105230332032040668704140005032]]>在該矩陣中，每行t1、t2、t3、t4、t5和t6對應於文檔的特徵，每列d1、d2、d3、d4和d5對應於矩陣中的資料庫110中存儲的文檔。
矩陣元素「aij」表示在文檔「dj」中出現的索引項ti的出現頻率。
同樣，該矩陣的每行表示在文檔中出現的特徵的分布，每列表示該文檔的特徵分布。
在基於文檔特徵的出現頻率來分配權值的過程中，具有過高出現頻率的字詞對表徵該文檔的作用不大。因此，可將停止詞(stopword)列表用於不擔當文檔特徵的非一致性詞(incongruent word)。
從這個觀點來看，特徵提取模塊121可以採用相對頻率作為權值，所述相對頻率是通過將文檔中所有關鍵詞的出現次數除以從該文檔中提取的關鍵詞的出現頻率來計算的。
可以通過以下數學表達式來執行關於這種情況的實施例。
W=tf(t,d)sdtf(s,d)]]>這裡，用數字表示的公式tf(t，d)表示在特定文檔「d」中出現的關鍵詞「t」的出現頻率。
另外，如上所述，特徵提取模塊121可以使用文檔特徵，例如從文檔提取的所述關鍵詞或索引項，對圖2中所示的每個文檔進行矢量化。
例如，對於在資料庫110中存儲的多個文檔中的文檔「1」，第一特徵出現19次，第二特徵出現35次，最後特徵出現15次。
同樣，可以通過上述方法形成具有與待分析文檔相應的特徵的矢量。
另外，相似度判斷模塊122可以使用特徵提取模塊121形成的矢量來判斷各文檔之間的相似度。在這種情況下，相似度判斷模塊122可以使用每個矢量之間的餘弦值，來判斷文檔之間的相似度。
例如，相似度判斷模塊122可以通過以下數學表達式使用特徵提取模塊121所形成的矢量來判斷在各文檔之間的相似度。
(dx,dy)=i=1xiyii=0xi2i=0yi2]]>另外，文檔分類系統模塊123根據由相似度判斷模塊122得出的文檔之間的相似度判斷結果對資料庫110中存儲的文檔進行分類和系統化。
文檔分類系統模塊123根據分類系統對資料庫110中存儲的文檔進行分類，其中所述分類系統可以是預定的標準，從而更快速地從資料庫110中存儲的文檔中檢索特定文檔，並且快速執行已存儲文檔的聚類。
另外，由相似度判斷模塊122和分類系統模塊123對新提供至資料庫110的文檔執行在文檔之間的相似度判斷和分類操作。因此，可自動分類資料庫110中存儲的文檔。
另外，分類系統模塊123可參照如圖3所示的分類碼124，並且用戶可以通過預定輸入模塊根據所述分類碼124對資料庫110中存儲的文檔進行分類。
即，在圖3所示的分類碼124中包括以技術領域為單元分類的代碼。例如，在用戶從資料庫110中檢索與有機發光二極體(OLED)對應的文檔的情況下，從包含在定向文件(DD)中的列表中選擇與文檔對應的分類碼124中分配的特定代碼，例如OLED，以根據分類碼124對文檔進行分類。
在分類碼124中提供的每個代碼(例如陰極射線管(CRT)、數位電視(DTV)、OLED、等離子顯示面板(PDP)、投影儀和電視)均具有成為它們分類標準的特徵值。因此，可以使用由特徵提取模塊121提取的文檔特徵將文檔映射至分類碼124。
如上所述，特徵提取模塊121、相似度判斷模塊122和分類系統模塊123可以為新提供至資料庫110的文檔執行相同的服務。因此，上述方法可省去由用戶手工對新文檔進行分類的麻煩。
圖4是示出根據本發明實施例的文檔管理方法的流程圖。特徵提取模塊121從資料庫110中存儲的每個文檔中提取特徵(例如關鍵詞或索引項)(S101)。在這種情況下，可以對特徵提取模塊121提取的特徵再執行權值分配操作，並基於所提取的特徵執行矢量化操作。
由分類系統模塊123判斷文檔之間的相似度(步驟S103)。可以使用矢量對特徵提取模塊121所形成的每個文檔計算文檔之間的相似度。
分類系統模塊123將相似文檔分類為相同類型，或者根據分類碼124對文檔分類(S105)。
如上所述，也可以判斷提供至資料庫110的新文檔與相似度判斷模塊122先前存儲的文檔的相似度，並根據分類碼124對新文檔分類。
同時，可以重新存儲由預定web機器人收集的文檔。在這種情況下，通過上述方法，文檔分類單元120對於新文檔執行分類處理。
新接收信息服務單元130可以提供預定的信息，從而用戶獲知關於新存儲文檔的信息。這將參照圖5至圖7進行描述。
圖5是示出根據本發明另一實施例的文檔管理方法的流程圖，圖6和圖7示出提供給用戶的用於文檔管理的用戶界面。
參照圖5至圖7，用戶從客戶端200訪問文檔管理系統100(S501)。
如圖6所示，用戶寫新接收的信息服務應用(S503)。
在新接收的信息服務應用中設置表示一種新接收信息服務的服務類型鍵。以下將描述在資料庫110中存儲/管理的文檔為文本文件類型的專利文檔的情況。
新接收的信息服務應用包括信息的普通選擇性分發(普通SDI)611、合法SDI 612和相似度檢索SDI 613。普通SDI 611向用戶提供與預定檢索表達式相應的新文檔。在改變資料庫110中存儲的特定文檔法律狀態的情況下，法律狀態SDI 612將所改變的法律狀態通知給用戶。在提供與資料庫110中存儲的特定文檔相似的新文檔的情況下，相似度檢索SDI 613將所提供的文檔通知給用戶。
圖6示出在選擇普通SDI 611的情況下，用於輸入提供給用戶的更新條件的用戶界面。在選擇法律狀態SDI 612和相似度檢索SDI 613的情況下，提供了用於在存儲於資料庫110中的文檔之間選擇特定文檔的用戶界面。
圖6是示出用於輸入項目名稱、檢索國家、檢索表達式名和檢索表達式的檢索條件614的示意圖。文檔分類單元120確定在檢索表達式中輸入的關鍵詞是否包括在提供至資料庫110的文檔中。
新接收信息服務單元130提供該文檔的更新周期615、何時執行由新接收信息服務單元130提供的服務的持續時間616和關於用戶使用新接收信息服務單元130的設置617。
新接收信息服務單元130檢索或監督提供至資料庫110的新文檔(S505)。在與檢索條件對應的新文檔或由用戶設置的更新條件存在的情況下(S507)，存儲與資料庫110中劃分的客戶端分配區域對應的新文檔(S509)。
新接收信息服務單元130生成將發送至用戶設置617中記錄的用戶的新接收信息警示郵件(S511)，並通過所產生的警示郵件向用戶提供關於新文檔的信息(S513)。
用戶可以通過所提供的警示郵件訪問文檔管理系統100。在這種情況下，如圖7所示，可以向用戶提供關於新文檔的信息。
可以提供選擇鍵718，用以在關於所提供的新文檔中選擇特定文檔，可以形成管理鍵(例如我的項目傳輸)719，用以對所選擇的文檔進行聚類處理或單獨管理。因此，用戶可確認與預定檢索條件或更新條件對應的文檔，並刪除部分文檔，或者單獨管理或者聚類部分文檔。另外，可以有效管理在資料庫中存儲的文檔。
同時，在資料庫110中存儲的文檔為專利文檔的情況下，當該文檔被公開時，在該文檔的著錄項目信息中包括並描述
公開日期和公開號。
如果是美國專利與商標局(USPTO)，則提供「已郵寄非最終審查意見」、「已郵寄最終審查意見」或「專利案」作為狀態。
在使用上述方法的本發明中，可以對專利文檔中已授權的合法信息進行分類，並將所分類的信息提供至用戶。將主要參照圖8描述文檔管理單元140的作用。
圖8是示出根據本發明另一實施例的文檔管理方法的流程圖。
首先，由用戶選擇預定文檔。在這種情況下，用戶可以使用與預定關鍵詞輸入對應的文檔檢索結果來選擇預定文檔。
因此，從所選擇的文檔提取用於由文檔管理單元140標識每個文檔的文檔代表值(例如，申請號、公開號和註冊登記號)(S801)。
另外，文檔管理單元140確定在資料庫110中存儲的文檔中所選擇文檔的法律狀態是否被改變(S803)。
即，可以通過確定
公開日期(或公開號)是否包括在每個文檔的著錄項目信息中和註冊登記日期(或註冊登記號)是否包括在每個文檔的著錄項目信息中來執行確定每個專利文檔的法律狀態是否被改變。
同時，提供專利文檔的web站點(fttp://www.uspto.gov/patft/index.html或http://ep.espacenet.com/？locale＝EN_ep)提供法律狀態(公開、註冊登記、授權異議、判決和撤回)以及專利文檔的文本本身。在這種情況下，文檔管理單元140可以確認從web站點提供的專利文檔的法律狀態(S805)。
作為文檔管理單元140的判斷結果，在特定文檔的法律狀態被改變的情況下，由新接收信息服務單元130向用戶提供所改變的內容(S807)。新接收信息服務單元130可以使用預定郵件服務，用於通知用戶該文檔所改變的法律狀態。因此，用戶通過客戶端200確認所接收的郵件，並確認特定文檔的所改變的法律狀態。
可以將通過web站點提供的文檔和關於該文檔的法律狀態的信息存儲在資料庫110中(S809)。
根據上述本發明的實施例，能夠省去每次執行檢索所產生的不便，從而用戶可確認特定文檔的法律狀態。
然而，本發明可以以多種不同的形式來實施，並且不應該理解為本發明限於這裡所述的實施例；而是，提供這些實施例，使得公開是徹底的和完整的，並且向所屬領域普通技術人員充分傳達了本發明的範圍。
權利要求
1.一種文檔管理系統，包括資料庫，用於存儲文檔；以及文檔分類單元，用於對所述資料庫中存儲的文檔進行自動分類，其中，所述文檔分類單元包括特徵提取模塊，基於所述文檔中包括的關鍵詞提取特徵，並對所提取的特徵進行矢量化；相似度判斷模塊，使用由所述特徵提取模塊形成的矢量判斷文檔之間的相似度；以及分類系統模塊，根據預設的分類系統對資料庫中存儲的文檔進行分類，所述文檔分類單元根據所述分類系統對提供給所述資料庫的文檔執行文檔分類。
2.如權利要求1所述的文檔管理系統，其中在用戶設置的每個周期由所述文檔分類單元執行文檔分類。
3.如權利要求1所述的文檔管理系統，其中使用由對應於技術領域的特徵所分類和形成的分類碼對分類系統進行分類。
4.如權利要求1所述的文檔管理系統，還包括新接收信息服務單元，用於通知用戶關於新文檔的信息。
5.如權利要求4所述的文檔管理系統，其中在根據相似度判斷模塊的判斷結果，所述新文檔具有在預定範圍內的相似度的情況下，所述新接收信息服務單元向用戶提供關於所述新文檔的信息。
6.如權利要求4所述的文檔管理系統，其中在向所述資料庫提供所述新文檔的情況下，所述新接收信息服務單元向用戶發送警示郵件。
7.如權利要求6所述的文檔管理系統，其中接收所述警示郵件的用戶設置可以通過提供給用戶的預定輸入模塊來修改。
8.如權利要求1所述的文檔管理系統，其中由所述相似度判斷模塊所判斷的文檔相似度可以通過客戶端的輸入模塊由用戶來設置。
9.如權利要求1所述的文檔管理系統，其中所述文檔是公開的專利文檔或註冊登記的專利文檔，以及所述系統還包括文檔管理單元，提取文檔的法律狀態對應的表示值，以及根據所提取的代表值來判斷其它文檔的法律狀態的改變。
10.如權利要求9所述的文檔管理系統，還包括新接收信息服務單元，用於在根據所述文檔管理單元的判斷結果，文檔的法律狀態被改變時，向用戶提供所改變的內容。
11.一種文檔管理方法，包括從資料庫中存儲的文檔提取特徵，以及使用所提取的特徵判斷文檔之間的相似度；基於文檔之間的相似度，根據預定分類系統對資料庫中存儲的文檔進行分類；以及監督是否向資料庫提供新文檔，以及在提供新文檔的情況下，對於新文檔自動執行特徵提取和文檔分類。
12.如權利要求11所述的方法，其中根據對每個技術領域進行特徵分類所形成的分類碼來執行文檔分類。
13.如權利要求11所述的方法，其中在用戶設定的每個周期執行是否提供新文檔的所述監督。
14.如權利要求11所述的方法，還包括在新文檔具有在預定範圍內的相似度的情況下，向用戶提供關於所述新文檔的信息。
15.如權利要求14所述的方法，其中在能夠改變對新文檔的相似度判斷時，相似度條件可以通過由用戶輸入關鍵詞的預定輸入模塊來修改。
16.如權利要求11所述的方法，其中資料庫中存儲的文檔為公開的專利文檔或註冊登記的專利文檔，以及所述方法還包括根據文檔中包含的著錄項目信息確認文檔的法律狀態，和使用所確認的文檔的法律狀態來判斷文檔的法律狀態的改變。
17.如權利要求16所述的方法，還包括在文檔的法律狀態被改變的情況下，向用戶提供關於文檔的法律狀態的信息。
全文摘要
本發明提供一種文檔管理系統和方法。該文檔管理系統包括資料庫，用於存儲文檔；和文檔分類單元，用於對所述資料庫中存儲的文檔進行自動分類，其中，所述文檔分類單元包括特徵提取模塊，基於在文檔中包括的關鍵詞提取特徵，以及對所提取的特徵進行矢量化；相似度判斷模塊，使用由所述特徵提取模塊形成的矢量判斷文檔之間的相似度；和分類系統模塊，根據預設的分類系統對資料庫中存儲的文檔進行分類，所述文檔分類單元根據所述分類系統對提供給所述資料庫的文檔執行文檔分類。
文檔編號G06F17/30GK101055581SQ200710008068
公開日2007年10月17日 申請日期2007年2月9日 優先權日2006年4月13日
發明者車完奎, 金晶中, 安漢峻 申請人:Lg電子株式會社