(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210619403.9 (22)申请日 2022.05.31 (71)申请人 广东省综治信息中心 地址 510000 广东省广州市越秀区执信南 路3号广东 通建大楼3楼 (72)发明人 颜煦阳　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 潘登 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/31(2019.01) G06F 40/216(2020.01) G06K 9/62(2022.01) G06V 10/74(2022.01)G06V 10/764(2022.01) G06V 30/10(2022.01) G06V 30/19(2022.01) (54)发明名称 一种文件处理方法、 装置、 电子设备及存储 介质 (57)摘要 本发明实施例公开了一种文件处理方法、 装 置、 电子设备及存储介质。 该方法包括： 获取待处 理文件， 并将所述待处理文件进行解析确定所述 待处理文件的属性信息； 其中， 所述属性信息包 括待处理文件的标题、 正文以及段落； 获取所述 待处理文件正文的关键词， 并将所述关键词进行 定义、 维护以及更新； 依据关键词相似度确定所 述关键词所属主题词， 并将所述关键词自动分 类； 其中， 所述主题词包括至少两个关键词。 采用 本发明实施例的技术方案， 提取文件关键词并对 所述关键词进行分类， 依据关键词对文件进行处 理以及检索， 提高了文件处理与定向查询应用效 率。 权利要求书2页 说明书9页 附图4页 CN 115269832 A 2022.11.01 CN 115269832 A 1.一种文件处 理方法， 其特 征在于， 所述方法包括： 获取待处理文件， 并将所述待处理文件进行解析确定所述待处理文件的属性信息； 其 中， 所述属性信息包括待处 理文件的标题、 正文以及段落； 获取所述待处 理文件正文的关键词， 并将所述关键词进行定义、 维护以及更新； 依据关键词相似度确定所述关键词所属主题词， 并将所述关键词自动分类； 其中， 所述 主题词包括至少两个关键词。 2.根据权利要求1所述的方法， 其特征在于， 所述获取待处理文件， 并将所述待处理文 件进行解析确定所述待处 理文件的属性信息， 包括： 通过文件 源数据接口获取待处 理文件， 并将所述待处 理文件保存至文件待解析库； 实时获取增量文件， 并将所述增量文件保存至文件待解析库。 3.根据权利要求1所述的方法， 其特征在于， 所述获取待处理文件， 并将所述待处理文 件进行解析确定所述待处 理文件的属性信息， 还 包括： 对所述待处理文件进行预处理； 所述预处理包括灰度化、 二值化、 降噪、 字符切分以及 归一化； 将预处理后的待处理文件进行文字检测以及特征提取， 确定所述待处理文件的属性信 息。 4.根据权利要求1所述的方法， 其特征在于， 所述获取所述待处理文件的关键词， 并将 所述关键词进行定义、 维护以及更新， 包括： 对所述待处 理文件的正文 进行关键词提取， 并建立文件关键词库； 对所述关键词进行分类， 并将所述关键词进行定义、 维护与更新； 其中， 所述更新包括 将增量文件所提取 的关键词更新至文件关键词库； 关键词类型包括字符识别自动提取类、 业务通用类以及黑名单类。 5.根据权利要求1所述的方法， 其特征在于， 所述依据关键词相似度确定所述关键词所 属主题词， 并将所述关键词自动分类， 包括： 将所述关键词分别与主题词内各关键词 进行相似度计算， 确定所述关键词与主题词内 各关键词的相似度值； 依据所述关键词与主题词内各关键词的相似度值， 确定所述关键词与主题词间的目标 相似度， 并将所述关键词自动归类至所属主题词。 6.根据权利要求5所述的方法， 其特征在于， 所述依据所述关键词与主题词内各关键词 的相似度值， 确定所述关键词与主题词间的目标相似度， 并将所述关键词自动归类至所属 主题词， 包括： 依据所述关键词与主题词内各关键词的相似度 值， 采用V＝(∑VI1 ×0.2+∑VI2 ×0.5+ ∑VI3×1)确定所述关键词与所述主题词间的目标相 似度； 其中， 所述V表征所述关键词与 主题词间的目标相 似度值， VI1表征相 似度值小于第一预设阈值的相 似度值， VI2表征相 似 度值大于第一预设阈值且小于第二预设阈值的相似度值， VI3表征相似度值大于第二预设 阈值的相似度值； 所述第二阈值大于第一阈值； 若所述目标相似度值大于预设目标相似度阈值， 则将所述关键词归类于所述主题词。 7.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 对所述待处理文件进行多维度检索确定检索文件， 并显示检索结果； 其中， 所述多维度权　利　要　求　书 1/2 页 2 CN 115269832 A 2检索包括依据待处理文件的标题、 关键词以及主题词进行多维度检索； 所述检索文件按匹 配度从高到低显示。 8.一种文件处 理装置， 其特 征在于， 所述装置包括： 文件获取模块， 用于获取待处理文件， 并将所述待处理文件进行解析确定所述待处理 文件的属性信息； 其中， 所述属性信息包括待处 理文件的标题、 正文以及段落； 关键词提取模块， 用于获取所述待处理文件正文的关键词， 并将所述关键词进行定义、 维护以及更新； 关键词分类模块， 用于依据关键词相似度确定所述关键词所属主题词， 并将所述关键 词自动分类； 其中， 所述主题词包括至少两个关键词。 9.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现权利要求1 ‑7中任一所述的文件处 理方法。 10.一种包含计算机可执行指令的存储介质， 其特征在于， 所述计算机可执行指令在由 计算机处 理器执行时用于执 行如权利要求1 ‑7中任一所述的文件处 理方法。权　利　要　求　书 2/2 页 3 CN 115269832 A 3