刘静
摘 要:标准是为了规范行业秩序,经协商一致制定并由公认机构批准的一种文件。由于标准种类繁多,且以电子文档形式存在,因此标准编制单位在编制新标准时需要手工查找大量相关内容,费时费力。为了提高标准编制效率,本文通过研究国标规定的标准编写的结构和规范,提出一种从半结构化标准中抽取信息的方法。
关键词:标准;信息抽取
1 引言
在信息化建设中,标准的制定和执行起到举足轻重的作用。目前我国已经发布了多项标准,未来计划和新增的标准也会越来越多。信息化标准具有较高的复杂性和相关性,标准编写人员需要全面了解现存标准的相关细节才能确保新编写的标准与现存标准一致。然而现存标准内容繁多,且大都以文档形式存在,标准编写人员手工查阅新旧标准是否一致是一个费时费力的工作。为了解决这个问题,本文研究了从一系列多样化标准中粗略抽取信息的方法,并将抽取结果存于数据库中,从而为标准编写人员提供相关内容的查询和检索帮助,以提高标准的编制效率。
2 标准抽取的总体方法
“标准化工作导则 第1部分:标准的结构和编写”(以下简称“国标”)是中华人民共和国国家质量监督检验检疫总局和中国国家标准化管理委员会发布的国家标准。国标规定了全国各行各业的标准应该具有的结构以及编写规范,是编写新标准时应遵守的基础标准。本文研究的标准符合国标的规定。……