專利名稱：可訓(xùn)練可擴充的自動數(shù)據(jù)－知識轉(zhuǎn)換器的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機系統(tǒng)，具體地說，本發(fā)明涉及將數(shù)據(jù)轉(zhuǎn)換為知識的計算機系統(tǒng)。
背景技術(shù)：
許多諸如決策支持系統(tǒng)的產(chǎn)品需要知識來做出明智的決策。決策支持系統(tǒng)是基于計算機的系統(tǒng)，它結(jié)合了知識、分析工具和模型來幫助決策人。決策支持系統(tǒng)通常包括知識數(shù)據(jù)庫或知識儲存庫。從知識數(shù)據(jù)庫或儲存庫析取知識，并利用分析工具和模型進行分析，以幫助決策。為了對決策支持系統(tǒng)有用，必須在將數(shù)據(jù)存儲到知識數(shù)據(jù)庫之前對數(shù)據(jù)進行分析、轉(zhuǎn)換和組織，使其成為結(jié)構(gòu)化有意義的知識。
通常來說，數(shù)據(jù)以人類可讀文件的形式存在，而對決策支持系統(tǒng)來說卻是未系統(tǒng)化無意義的數(shù)據(jù)。數(shù)據(jù)是指信息、原始事實等。數(shù)據(jù)可以多種形式，如紙件文件或數(shù)字化文件存在。數(shù)據(jù)本身對決策支持系統(tǒng)沒有任何意義。為了使決策支持系統(tǒng)處理數(shù)據(jù)，數(shù)據(jù)必須首先轉(zhuǎn)換成決策支持系統(tǒng)能處理的形式。
本文所用的知識是指可由決策支持系統(tǒng)處理的信息。知識集合稱為知識庫或知識儲存庫。諸如標(biāo)準(zhǔn)通用置標(biāo)語言(SGML)或可擴展標(biāo)記語言(XML)的均勻結(jié)構(gòu)化數(shù)據(jù)格式可能不適用于決策支持系統(tǒng)，這是因為并非所有的所需知識都可由置標(biāo)標(biāo)記。人工進行數(shù)據(jù)到知識的轉(zhuǎn)換是費力、昂貴且易出錯的；尤其對于定期更新的數(shù)據(jù)源更是如此。專用知識庫結(jié)構(gòu)程序通常因太生硬而無法直接應(yīng)用，或者是太昂貴而無法為新型數(shù)據(jù)和/或知識儲存庫進行修改。
所需的是一種將非結(jié)構(gòu)化無意義的數(shù)據(jù)如人類可使用的信息轉(zhuǎn)換為結(jié)構(gòu)化有意義的知識、即機器可使用知識的方法。
發(fā)明概要描述了一種可訓(xùn)練可擴充的自動數(shù)據(jù)-知識轉(zhuǎn)換器。本發(fā)明的一個方面包括一種具有至少一個儲存庫和至少一個處理模塊的計算機化系統(tǒng)，其中所述儲存庫存儲對計算機化系統(tǒng)處理數(shù)據(jù)進行管理的用戶指定規(guī)則，所述處理模塊根據(jù)這些規(guī)則來處理數(shù)據(jù)，并從數(shù)據(jù)產(chǎn)生知識。本發(fā)明的另一方面是一種將數(shù)據(jù)轉(zhuǎn)換成知識的計算機化方法。計算機化方法包括提供用戶指定規(guī)則來管理計算機化系統(tǒng)，用于將數(shù)據(jù)轉(zhuǎn)換成知識，以及根據(jù)這些規(guī)則來處理數(shù)據(jù)以產(chǎn)生知識的行為。本發(fā)明的再一個方面是一種計算機可讀媒體，其上存儲了計算機可執(zhí)行指令，以執(zhí)行將數(shù)據(jù)轉(zhuǎn)換成知識的方法。計算機化方法包括接收非結(jié)構(gòu)化形式的數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)換成中立形式，根據(jù)用戶指定規(guī)則處理數(shù)據(jù)以將數(shù)據(jù)從中立形式轉(zhuǎn)換為知識，以及將知識輸出到知識儲存庫。
附圖簡介

圖1A是根據(jù)本發(fā)明一個實施例的數(shù)據(jù)-知識轉(zhuǎn)換系統(tǒng)的高級方框圖。
圖1B、1C和1D是D2K轉(zhuǎn)換系統(tǒng)的備選實施例的高級方框圖。
圖2是實現(xiàn)圖1所示數(shù)據(jù)-知識轉(zhuǎn)換(D2K)系統(tǒng)的物理體系結(jié)構(gòu)的例示性實施例的方框圖。
圖3是根據(jù)本發(fā)明一個實施例的訓(xùn)練D2K轉(zhuǎn)換器的過程的流程圖。
圖4是通過根據(jù)本發(fā)明一個實施例的D2K轉(zhuǎn)換器來分析數(shù)據(jù)源以構(gòu)建知識庫的過程的流程圖。
圖5是圖2所示分組的分組數(shù)據(jù)結(jié)構(gòu)的一個實施例更詳細(xì)的視圖。
圖6顯示了將應(yīng)用于本發(fā)明一個實施例的輸入過濾器、如圖2所示的輸入過濾器的例示性源數(shù)據(jù)。
圖7顯示了將應(yīng)用于圖6的例示性源數(shù)據(jù)的例示性輸入過濾規(guī)則。
圖8顯示了通過將圖7所示的例示性輸入過濾規(guī)則應(yīng)用于圖6所示的樣本源數(shù)據(jù)而產(chǎn)生的第一分組的例示性實施例。
圖9顯示了通過將圖7所示的例示性輸入過濾規(guī)則應(yīng)用于圖6所示的樣本源數(shù)據(jù)而產(chǎn)生的第二分組的例示性實施例。
圖10顯示了通過將圖7所示的例示性輸入過濾規(guī)則應(yīng)用于圖6所示的樣本源數(shù)據(jù)而產(chǎn)生的圖8所示第一分組的另一例示性實施例。
圖11顯示了由圖2所示分組調(diào)度器所使用的例示性專利匹配說明規(guī)則。
圖12是將由圖2所示文本析取模塊處理的樣本輸入文本。
圖13是文本析取模塊規(guī)則集合的分級表示。
圖14為樣本輸入文本，其中文本析取模塊識別由圖13所示例示性文本析取規(guī)則所定義的設(shè)備號(EquipmentNumber)實體。
圖15為樣本輸入文本，其中文本析取模塊識別由圖13所示例示性文本析取規(guī)則所定義的文件參考(DocumentReference)(參考文件)實體。
圖16顯示了DocumentReference產(chǎn)生(如圖13所示例示性文本析取規(guī)則所定義)的按箱分類的令牌值。
圖17顯示了通過對圖16所示的箱執(zhí)行完全擴展而形成的令牌值集合。
圖18顯示了通過將匹配產(chǎn)生的卷和書簽格式應(yīng)用到圖17所示的值的集合而得到的字段標(biāo)記和值。
圖19顯示了根據(jù)圖18所示的字段標(biāo)記和值創(chuàng)建的分組的例示性實施例。
圖20是樣本輸入文本，其中文本析取模塊識別由圖13所示例示性文本析取規(guī)則所定義的錯誤(Fault)實體。
圖21顯示了Tem錯誤實體分組和Tem文件參考實體及Tem設(shè)備號實體分組之間的關(guān)系。
圖22是顯示分組輸出到的樣本知識庫的數(shù)據(jù)庫模式的方框圖。
圖23是將例示性實體映射到例示性表格的分組輸出規(guī)則的圖形表示。
圖24是在輸出了圖19所示的Tem文件參考實體分組后的例示性表格。
圖25顯示了在輸出圖19所示分組后的五個例示性表格。
圖26是用于萬維網(wǎng)執(zhí)行(Web Executive)的用戶接口的例示性實施例。
圖27是輸入過濾編輯器的一個實施例的屏幕捕獲。
圖28是輸入過濾編輯器的搜索對話框的一個實施例。
圖29是輸入過濾編輯器的分組結(jié)構(gòu)屬性對話框的一個實施例。
圖30是輸入過濾編輯器的“下一個(Next)”菜單的一個實施例。
圖31是輸入過濾編輯器的“書簽”菜單的一個實施例。
圖32是輸入過濾器用戶接口的非模態(tài)“當(dāng)前分組信息”窗的一個實施例。
圖33是分組調(diào)度器用戶接口的處理器和分組選擇屏的一個實施例。
圖34是分組調(diào)度器用戶接口的匹配說明屏的一個實施例。
圖35是分組調(diào)度器用戶接口的一個實施例的“匹配說明屬性”對話框。
圖36是文本析取用戶接口的對話條的一個實施例。
圖37是規(guī)則屏的一個實施例的屏幕捕獲。
圖38是注釋屏的一個實施例的屏幕捕獲。
圖39是表格屏的一個實施例的屏幕捕獲。
圖40是知識儲存庫模式輸入控制的一個實施例的屏幕捕獲。
圖41是分組輸出選擇屏的一個實施例的屏幕捕獲。
圖42是圖解屏的一個實施例的屏幕捕獲。
圖43是顯示了分組、分組字典、處理模塊和分組調(diào)度規(guī)則數(shù)據(jù)庫之間的關(guān)系的方框圖。
圖44是文本析取規(guī)則數(shù)據(jù)庫的一個實施例的模式的實體關(guān)系圖。
圖45顯示了代表“一對多”關(guān)系的兩種方法。
圖46是可實施本發(fā)明的例示性實施例的計算機化系統(tǒng)的方框圖。
實施例描述在以下對優(yōu)選實施例的詳細(xì)描述中，將參考構(gòu)成本發(fā)明一部分的附圖，在附圖中通過圖示顯示了可實施本發(fā)明的特定實施例。應(yīng)該理解，可以采用其它實施例并進行結(jié)構(gòu)改動，并不脫離本發(fā)明的范圍。
系統(tǒng)級概述圖1A是根據(jù)本發(fā)明一個實施例的數(shù)據(jù)-知識轉(zhuǎn)換系統(tǒng)100的高級框圖。由于在數(shù)據(jù)輸入格式和知識輸出要求方面具有很大差異，本發(fā)明的數(shù)據(jù)-知識(D2K)系統(tǒng)的一個實施例的邏輯體系結(jié)構(gòu)為隔離了數(shù)據(jù)源輸入和知識儲存庫輸出的三層系統(tǒng)，如圖1A所示。第一層102中的軟件成分將源數(shù)據(jù)101輸入為中立格式。一旦數(shù)據(jù)為中立格式，第二層104中的軟件成分就對數(shù)據(jù)進行分析、組織和處理。最終，第三層106中的軟件成分將處理后的數(shù)據(jù)(知識)輸出到知識儲存庫108，其中，如果需要，還可進行進一步的處理。通過減小將工具應(yīng)用到特定數(shù)據(jù)格式或完全不同的域中所需的開發(fā)量，此三層體系結(jié)構(gòu)使D2K系統(tǒng)的可擴充性最大化。各層由意義明確的接口隔開，使得對一層進行的內(nèi)部變化并非一定改變相鄰層。除了這三層之外，D2K系統(tǒng)還包括系統(tǒng)執(zhí)行程序110，它提供了全局功能，比如協(xié)調(diào)三層中各層內(nèi)及各層之間活動，以及與用戶的交互作用和錯誤報告。
然而，D2K系統(tǒng)并不限于三層系統(tǒng)。在備選實施例中，可以在圖1所示的D2K轉(zhuǎn)換系統(tǒng)100的邏輯體系結(jié)構(gòu)中增加一個或多個附加層。在另一實施例中，邏輯體系結(jié)構(gòu)可減少作為兩層來操作，或甚至作為單層操作。
圖1B是D2K轉(zhuǎn)換系統(tǒng)100的備選實施例的高級方框圖。如圖1B所示，D2K轉(zhuǎn)換系統(tǒng)100包括至少一個儲存庫114，用于存儲管理計算機化系統(tǒng)100處理數(shù)據(jù)的用戶指定規(guī)則。D2K轉(zhuǎn)換系統(tǒng)100還包括至少一個處理模塊112，它根據(jù)所述規(guī)則來處理數(shù)據(jù)并根據(jù)數(shù)據(jù)產(chǎn)生知識。
圖1C是D2K轉(zhuǎn)換系統(tǒng)100的另一實施例的高級方框圖。如圖1C所示，D2K轉(zhuǎn)換系統(tǒng)100包括至少一個儲存庫114和至少一個處理模塊112。D2K系統(tǒng)還包括系統(tǒng)執(zhí)行程序110，它控制所述至少一個儲存庫和所述至少一個處理模塊。
圖1D是D2K轉(zhuǎn)換系統(tǒng)100的再一實施例的高級方框圖。如圖1D所示，D2K轉(zhuǎn)換系統(tǒng)100包括至少一個儲存庫114、至少一個處理模塊112以及系統(tǒng)執(zhí)行程序110。D2K轉(zhuǎn)換系統(tǒng)還包括用戶接口，它允許用戶創(chuàng)建、修改和刪除用戶指定規(guī)則。
源數(shù)據(jù)101存在多種數(shù)據(jù)格式。非結(jié)構(gòu)化數(shù)據(jù)的形式可以為文件、圖片、數(shù)據(jù)庫、圖表、簡圖等，但它并不限于此。由于通常并非總可能(或方便)將數(shù)據(jù)轉(zhuǎn)換成單一格式，因此D2K系統(tǒng)支持多種源數(shù)據(jù)格式。第一層102中的部件處理處于其原始格式的數(shù)據(jù)，將相關(guān)信息轉(zhuǎn)換成中立格式。換句話說，輸入層(第一層)102在處理層(第二層)104的處理部件中去掉了源數(shù)據(jù)格式的細(xì)節(jié)和復(fù)雜特征。第二層104中的例程分析、組織和處理輸入數(shù)據(jù)。處理例程104將非結(jié)構(gòu)化無意義的數(shù)據(jù)轉(zhuǎn)換成結(jié)構(gòu)化有意義的知識。處理部件采用多種技術(shù)，如正規(guī)表達式搜索引擎、自然語言處理算法和圖形識別算法。第三層106中的部件將知識輸出到知識儲存庫108。正如數(shù)據(jù)可處于多種源格式那樣，知識也可以多種儲存庫格式來表示。因此，輸出層106(第三層)在處理例程中去掉了知識儲存庫格式的細(xì)節(jié)和復(fù)雜特征?？傊?，輸入層102和輸出層104部分允許處理層106部分執(zhí)行其任務(wù)而無須考慮數(shù)據(jù)源或知識儲存庫的格式。
例示性實施例的物理體系結(jié)構(gòu)圖2是用于實現(xiàn)圖1所示D2K系統(tǒng)的物理體系結(jié)構(gòu)的例示性實施例的方框圖。圖2所示矩形202、206、212、210、216表示轉(zhuǎn)換部件。轉(zhuǎn)換部件接收某種類型的輸入，將其轉(zhuǎn)換并產(chǎn)生某種類型的輸出。圖2所示信封表示數(shù)據(jù)結(jié)構(gòu)，在本文稱為“分組”。分組是轉(zhuǎn)換部分用來相互通信的接口機制。圖2所示圓柱表示儲存庫，這些儲存庫存儲諸如D2K系統(tǒng)的配置、管理轉(zhuǎn)換部分行為的規(guī)則、訓(xùn)練數(shù)據(jù)、錯誤消息等各種信息。最后，圖2所示的人表示圖形用戶接口(GUI)。用戶通過GUI相互作用，從而定制D2K系統(tǒng)的行為。
圖2所示的例示性物理體系結(jié)構(gòu)如下所述地映射到圖1所示的邏輯體系結(jié)構(gòu)中。輸入過濾器202和輸入過濾規(guī)則庫204包括如圖1所示的輸入層(第一層)。文本析取模塊206和文本析取規(guī)則庫208及客戶處理模塊210包括圖1所示的處理層(第二層)。分組輸出模塊212和分組輸出規(guī)則庫214包括圖1所示的輸出層(第三層)。分組調(diào)度器216和分組分配規(guī)則數(shù)據(jù)庫218、GUI及配置模塊(未示出)包括圖1所示的系統(tǒng)執(zhí)行程序。分組是便利在圖1所示的三個層之間和內(nèi)部進行通信的接口對象。
圖2所示的D2K系統(tǒng)200的例示性實施例的數(shù)據(jù)流如下所述。輸入過濾器202讀取數(shù)據(jù)源201并根據(jù)輸入過濾規(guī)則204將其離散化為分組。然后，輸入過濾器202將這些分組傳送給分組調(diào)度器216，其根據(jù)分組調(diào)度規(guī)則218將分組調(diào)度給適當(dāng)?shù)奶幚砟K。處理模塊處理分組。一些處理模塊，如分組輸出模塊212為不創(chuàng)建附加分組的終端處理模塊。其它處理模塊，如文本析取模塊206創(chuàng)建若干更高分辨率的分組。這些非終端處理模塊將它們創(chuàng)建的分組傳送給分組調(diào)度器216，后者又將這些分組調(diào)度到適當(dāng)?shù)奶幚砟K，同時此循環(huán)繼續(xù)。在一個實施例中，至少一個終端處理模塊將分組輸出到知識儲存庫。在圖4中顯示了此過程。圖4所示過程繼續(xù)到分析了整個數(shù)據(jù)源為止。
例示性實施例的系統(tǒng)部件此部分對圖2所示例示性實施例的下述系統(tǒng)部件進行更詳細(xì)地描述分組、分組字典、分組工廠、輸入過濾器、分組調(diào)度器、分組處理模塊、文本析取模塊、分組輸出模塊、計算機圖形元文件(CGM)處理模塊和消息記錄。
分組。圖2所示的分組是信息的一般集合。圖5是圖2所示的分組數(shù)據(jù)結(jié)構(gòu)的更詳細(xì)圖。分組500是含有如圖5所示的類型、內(nèi)容和上下文字段的數(shù)據(jù)結(jié)構(gòu)。分組的類型502為實體或?qū)ο竺Q。類型通常為分組內(nèi)容的描述。分組的內(nèi)容504包括零個或多個標(biāo)記，各標(biāo)記具有零個或多個相關(guān)值。內(nèi)容標(biāo)記是實體或?qū)ο蟮南嚓P(guān)屬性。內(nèi)容值通常由分組處理模塊處理和/或輸出到知識儲存庫。另一方面，分組上下文506包括零個或多個標(biāo)記，各標(biāo)記具有零個或多個相關(guān)值。上下文值包含增加內(nèi)容意義或描述內(nèi)容如何產(chǎn)生的信息。與內(nèi)容值類似，上下文值也可以輸出到知識儲存庫。
當(dāng)處理模塊創(chuàng)建子分組時，它通常復(fù)制父上下文并將其分配給子上下文。換句話說，子上下文繼承了父上下文。因此，如果需要用唯一標(biāo)識符識別分組，則可以將標(biāo)識符存儲為上下文。由于子上下文將繼承其父的唯一標(biāo)識符，因此可在父和子分組之間創(chuàng)建某種關(guān)系。
作為示例，考慮如何將食譜表示為分組。由于分組類型是分組內(nèi)容的描述，而且分組表示食譜，因此詞“食譜”是分組類型的明顯選擇。所有食譜的相關(guān)屬性為名稱、成分表和準(zhǔn)備/烹制說明。因此，我們的食譜分組將包括名稱、成分和說明內(nèi)容。名稱內(nèi)容將含有單個值，即食譜的名稱。另一方面，成分和說明內(nèi)容將包含多個值。換句話說，各成分和說明步驟將作為成分和說明內(nèi)容的單獨值來分別存儲。最后，可將諸如用餐人數(shù)、每份食物的卡路里數(shù)和營養(yǎng)信息的信息存儲為上下文。
在一個實施例中，分組由諸如圖2所示輸入過濾器202的輸入過濾器來創(chuàng)建。輸入過濾器將分組傳送給諸如圖2所示的分組調(diào)度器216的分組調(diào)度器。分組調(diào)度器將分組發(fā)送給分組處理模塊，后者又可創(chuàng)建信息更詳細(xì)的另外分組。調(diào)度器還可將分組存儲在諸如圖2所示的分組儲存庫220的分組儲存庫中。最后，所有的小分組均被發(fā)送給諸如圖2所示分組輸出模塊212的終端分組處理模塊，其將分組輸出到知識儲存庫，或輸出到將刪除分組的空處理器。
分組字典。在一個實施例中，諸如圖2所示分組字典222的分組字典維護合法分組的主清單。若干D2K系統(tǒng)功能采用分組字典來減輕數(shù)據(jù)破壞。例如，在一些實施例中，訓(xùn)練用戶接口采用分組字典來限制列表框的選擇，以便禁止用戶生成無效的訓(xùn)練規(guī)則，而在其它實施例中，分組工廠采用分組字典來保證只創(chuàng)建合法分組。
在D2K系統(tǒng)輸入過濾器和分組處理模塊登記期間提供分組字典。在一個實施例中，產(chǎn)生分組的任何D2K系統(tǒng)部件登記其能創(chuàng)建的每一類分組的原型。在概念上，分組原型是沒有任何值的分組。換句話說，分組原型指定對于給定分組類型來說哪些內(nèi)容和上下文標(biāo)記是合法的。
分組工廠。分組工廠的目的是提供一組與諸如從分組儲存庫讀取分組和將分組寫入分組儲存庫的服務(wù)有關(guān)的分組。另外，分組工廠提供對存于分組儲存庫中的分組進行具體例示的服務(wù)，并將它們傳送給內(nèi)容調(diào)度器，從而能夠?qū)⑺鼈儼l(fā)送給分組處理模塊。最后，分組工廠提供若干服務(wù)來建立分組以及一種衍生分組的上下文，以便創(chuàng)建繼承其父上下文的新的子分組的機制。
輸入過濾器。在一個實施例中，輸入過濾器和輸入過濾規(guī)則庫包括圖1的第一層。諸如圖2所示輸入過濾器202的輸入過濾器的目的是處理數(shù)據(jù)格式的復(fù)雜特征，從而使這些細(xì)節(jié)不出現(xiàn)在處理模塊。輸入過濾器將相關(guān)源數(shù)據(jù)離散化為分組，這些分組是D2K系統(tǒng)的中立數(shù)據(jù)格式。進行此處理的機制隨數(shù)據(jù)源而不同。例如，對于分級結(jié)構(gòu)化數(shù)據(jù)，如SGML或XML，分組結(jié)構(gòu)規(guī)則可與層次的各節(jié)點相關(guān)。在另一例示性實施例中，對于存儲在Microsoft Word文件中的數(shù)據(jù)來說，可編寫Visual Basic for Application腳本來創(chuàng)建分組。
在數(shù)據(jù)庫中捕獲并存儲數(shù)據(jù)結(jié)構(gòu)的輪廓。在SGML文件的情況中，輪廓與文件標(biāo)記定義(DTD)的相似之處在于，其含有元素和屬性的層次。但是，在一個實施例中，輪廓只包含在實際文件中實現(xiàn)的DTD的部分。
一旦概括出數(shù)據(jù)結(jié)構(gòu)，根據(jù)本發(fā)明的一個實施例，將分組結(jié)構(gòu)規(guī)則應(yīng)用到層次中的各節(jié)點中。分組結(jié)構(gòu)規(guī)則允許用戶對與節(jié)點對應(yīng)的數(shù)據(jù)作下述工作。
1.忽略數(shù)據(jù)。
2.忽略數(shù)據(jù)并創(chuàng)建新分組。
3.創(chuàng)建新分組并將數(shù)據(jù)作為內(nèi)容插入到分組中。
4.將數(shù)據(jù)作為內(nèi)容插入當(dāng)前分組中。
5.將數(shù)據(jù)作為內(nèi)容附加到當(dāng)前分組上。
6.將數(shù)據(jù)作為上下文插入到當(dāng)前分組中。
在一個實施例中，用戶還可根據(jù)規(guī)則來指定分組類型、內(nèi)容標(biāo)記和/或上下文標(biāo)記。此外，這六項規(guī)則可能不適用于層次中的每一節(jié)點。例如，對不具有創(chuàng)建分組的父輩的節(jié)點處來說，將數(shù)據(jù)作為內(nèi)容插入到當(dāng)前分組中是無效的(注意，用戶無須認(rèn)知所有這些約束，因為在一個實施例中，輸入過濾器訓(xùn)練用戶接口將不允許用戶違背任何約束)。
如上所述，一旦數(shù)據(jù)源的輪廓被存儲在數(shù)據(jù)庫中，就將分組結(jié)構(gòu)規(guī)則與層次中的每一節(jié)點相關(guān)。規(guī)則類型取決于輸入過濾規(guī)則庫中的現(xiàn)有信息。如果在規(guī)則庫中已存在給定節(jié)點，則它就被分配與現(xiàn)有節(jié)點相同的規(guī)則。如果數(shù)據(jù)庫中還不存在節(jié)點，則它就被分配“忽略數(shù)據(jù)”規(guī)則。大體上，用戶可以合并若干數(shù)據(jù)源的結(jié)構(gòu)而不丟失過去的訓(xùn)練，即規(guī)則到節(jié)點的應(yīng)用。另外，為用戶提供刪除任何存在于規(guī)則庫中但不存在于最近概括出的數(shù)據(jù)源中的節(jié)點的能力。這兩種機制允許用戶將若干數(shù)據(jù)源的分組結(jié)構(gòu)規(guī)則儲存在一個或多個規(guī)則庫中，同時使訓(xùn)練要求最小。
在一個實施例中，在訓(xùn)練了輸入過濾器后，登記該輸入過濾器。輸入過濾器的登記為分組字典提供了輸入過濾器所能創(chuàng)建的分組原型，同時對數(shù)據(jù)源進行分析。在一個實施例中，在用戶通過輸入過濾器用戶接口訓(xùn)練了輸入規(guī)則后，GUI自動地登記輸入過濾器。一旦登記了輸入過濾器，輸入過濾器就可通過將分組結(jié)構(gòu)規(guī)則應(yīng)用于結(jié)構(gòu)分組中來分析數(shù)據(jù)源。
作為示例，考慮如圖6所示的樣本SGML文本。圖6顯示了將應(yīng)用于本發(fā)明的輸入過濾器的例示性源數(shù)據(jù)。圖7顯示了將應(yīng)用于圖6所示的例示性源數(shù)據(jù)的例示性輸入過濾規(guī)則。如圖7所示，用加框字母“E”標(biāo)識元素；而用加框字母“A”標(biāo)識屬性。元素和屬性名稱緊隨于加框字母之后，并且輸入過濾規(guī)則跟在省略號后面。沒有明確規(guī)則的項暗示用“忽略數(shù)據(jù)”規(guī)則。
SGML輸入過濾器通過應(yīng)用合適的輸入過濾規(guī)則(也稱為“分組結(jié)構(gòu)規(guī)則”)來逐個元素地分析樣本文本。在圖6所示的樣本SGML文本中，輸入過濾器首先分析主錯誤表(MSTFLTAB)元素。由于圖7中對應(yīng)于此元素的規(guī)則是忽略元素的數(shù)據(jù)，因此輸入過濾器繼續(xù)到分析錯誤行(FLTROW)元素。圖7中對應(yīng)于此元素的規(guī)則指示輸入過濾器創(chuàng)建類型為錯誤代碼(Fault Code)的分組。接著，輸入過濾器分析FLTROW元素的屬性。圖7中與章號(CHAPNBR)、節(jié)號(SECTNBR)和唯一關(guān)鍵字(KEY)屬性對應(yīng)的規(guī)則引導(dǎo)輸入過濾器向錯誤代碼分組中增加三個上下文標(biāo)記-值對。CHAPNBR、SECTNBR和KEY屬性的值，即“29”、“24”和“EN29240001-00001001”分別成為段號、節(jié)號和唯一關(guān)鍵字上下文的值，如圖8的分組所示。圖8是在輸入過濾器分析圖6的SGML文本的錯誤描述(FLTDESC)元素之前的錯誤代碼分組的快照。由于與下三個元素對應(yīng)的規(guī)則指示分析器忽略元素的數(shù)據(jù)，因此輸入過濾器繼續(xù)到分析錯誤描述(FLTDESC)元素。
圖7中對應(yīng)于FLTDESC元素的規(guī)則指示輸入過濾器創(chuàng)建類型為錯誤現(xiàn)象的第二分組。接著，輸入過濾器將類別(CATEG)屬性的值作為錯誤現(xiàn)象類型的內(nèi)容插入到圖9所示的錯誤現(xiàn)象分組。然后，錯誤類型(FLTYPE)屬性的值被附加到錯誤現(xiàn)象類型的內(nèi)容的當(dāng)前值上。如果對應(yīng)于FLTYPE屬性的規(guī)則指示輸入過濾器將屬性數(shù)據(jù)插入而不是附加到錯誤現(xiàn)象類型的內(nèi)容中，則輸入過濾器將插入此數(shù)據(jù)作為第二值。在分析了FLTDESC元素及其屬性后，輸入過濾器分析錯誤消息(FLTMSG)和ATA ECAM(ATAECAM)元素。輸入過濾器將這些元素的值插入到錯誤現(xiàn)象分組中，作為錯誤現(xiàn)象文本和ECAMATA內(nèi)容，如圖9所示。接著，輸入過濾器遇到FLTDESC終止標(biāo)記。因此，它衍生錯誤現(xiàn)象的父分組、即錯誤代碼分組的上下文，并將錯誤現(xiàn)象分組傳送給分組調(diào)度器。圖9是在輸入過濾器遇到圖6所示的樣本SGML文本中的錯誤描述(FLTDESC)終止標(biāo)記后錯誤現(xiàn)象分組的快照。
一旦從分組調(diào)度器返回，輸入過濾器就分析圖6所示SGML文本的任務(wù)參考(TASKREF)元素。輸入過濾器將此元素的值作為如圖10所示的FIP K12參考內(nèi)容插入到錯誤代碼分組中。輸入過濾器忽略下一元素，然后遇到FLTROW終止標(biāo)記。一旦遇到此標(biāo)記，輸入過濾器就將錯誤代碼分組傳送給內(nèi)容調(diào)度器。一旦從分組調(diào)度器返回，輸入過濾器就遇到MSFLTAB終止標(biāo)記并結(jié)束。圖10是在輸入過濾器遇到圖6的樣本SGML文本中的錯誤行(FLTROW)終止標(biāo)記后錯誤代碼分組的快照。總之，將圖7的分組結(jié)構(gòu)規(guī)則應(yīng)用到圖6的樣本SGML文本產(chǎn)生如圖10所示的錯誤代碼分組和如圖9所示的錯誤現(xiàn)象分組。
分組調(diào)度器。諸如圖2所示分組調(diào)度器216的分組調(diào)度器是D2K系統(tǒng)的前半部分(即輸入層)和后半部分(即處理層和輸出層)之間的鉸鏈點，并作為分組的“交通警察”。在一個實施例中，分組調(diào)度器以三種模式進行操作。在其正常操作模式中，分組調(diào)度器根據(jù)分組匹配說明規(guī)則將分組傳送給分組處理模塊，并將其儲存在諸如圖2所示分組調(diào)度規(guī)則數(shù)據(jù)庫218的分組調(diào)度規(guī)則數(shù)據(jù)庫中。在第二種模式中，用戶可以無法進行分組調(diào)度并將分組調(diào)度器配置成僅將分組存儲在諸如圖2所示分組儲存庫220的分組儲存庫中。在第三種模式中，用戶可將分組調(diào)度器配置成將分組調(diào)度給分組處理模塊并將分組存儲在分組儲存庫中。最后一種模式作為調(diào)試輔助是有用的，并為用戶提供了分組的檢查跟蹤。
在一個實施例中，分組調(diào)度器支持輸入過濾器、分組調(diào)度器和分組處理模塊之間排序的兩種模式單線程和多線程。在單線程模式中，輸入過濾器產(chǎn)生分組并將其傳送給分組調(diào)度器，后者將分組傳送給適當(dāng)?shù)姆纸M處理模塊。分組處理模塊處理分組，還可產(chǎn)生另外的分組，這些另外的分組被稱為子分組。接著，分組處理模塊順序地將各子分組傳送給分組調(diào)度器，后者將其傳送給適當(dāng)?shù)奶幚砟K。這個循環(huán)繼續(xù)到原始信息中所有的相關(guān)信息被處理和輸出為止。這時，輸入過濾器能夠自由地重新開始分析輸入數(shù)據(jù)以產(chǎn)生另一分組?？傊趩尉€程操作模式中，一旦輸入過濾器產(chǎn)生了分組，它就開始等候，直到此分組及其所有子分組被處理后它才能重新開始其分析輸入數(shù)據(jù)的任務(wù)。在多線程模式中，輸入過濾器不必等待調(diào)度器處理分組就可以重新開始它的處理。原始分組在分組調(diào)度器中排隊并由第二執(zhí)行線程順序地進行處理。這就允許輸入過濾器連續(xù)地工作。多線程操作在D2K系統(tǒng)安裝在多處理器計算機系統(tǒng)中時很有利。
如上所述，分組調(diào)度器根據(jù)存儲在分組調(diào)度規(guī)則數(shù)據(jù)庫中的分組匹配說明規(guī)則來將分組傳遞給分組處理模塊。在一個實施例中，分組匹配說明規(guī)則將分組匹配說明(這里稱為matchspec)映射到分組處理模塊(這里稱為分組處理器)中。Matchspec包括分組類型、可選的處理參數(shù)和零個或多個上下文標(biāo)記-值對。Matchspec除下述兩個例外以外與分組類似。
·Matchspec包含分組處理器參數(shù)。
·Matchspec不包含內(nèi)容。
在一個實施例中，除了空處理器模塊之外，分組處理模塊由它們的全局唯一標(biāo)識符(GUID)來指定。不帶GUID的處理模塊被假定為空處理器模塊。
圖11顯示了由分組調(diào)度器使用的例示性專利匹配說明規(guī)則。在圖11中，三個matchspec 1102、1104、1106被映射到兩個分組處理器1108、1110。第一matchspec 1102表示空模塊1108可處理所有類型為“錯誤主題”的分組。第二matchspec 1104表示帶有參數(shù)“錯誤”的文本析取模塊1110可處理錯誤主題類型上下文等于錯誤隔離(FAULT ISOLATION)的類型為“錯誤主題”的分組。第三matchspec1106表示帶有參數(shù)“可能原因(possible Causes)”的文本析取模塊1110能處理所有類型為可能原因的分組。在一個實施例中，對matchspec應(yīng)用下述準(zhǔn)則·matchspec必須映射到一個且只能映射到一個分組處理器。
·若干matchspec可映射到相同的分組處理器。
·帶有相同分組類型的matchspec可映射到不同分組處理器，只要它們具有不同的上下文標(biāo)記-值對。
為了確定哪些分組處理器應(yīng)處理分組，分組調(diào)度器首先確定哪些matchspec與分組匹配。然后，分組調(diào)度器根據(jù)此清單確定最佳的matchspec。為了將matchspec與分組匹配，必須滿足兩個要求。首先，matchspec必須和分組為相同類型。其次，matchspec如果存在上下文的話，則它的上下文必須出現(xiàn)在分組中。進程語句不表示分組必須具有與matchspec相同的所有上下文以便匹配matchspec。上下文不出現(xiàn)在matchspec中的分組仍將與matchspec匹配，只要分組具有由matchspec指定的上下文。換句話說，分組的上下文必須是matchspec的上下文的父集才能匹配。一旦分組調(diào)度器確定與分組相匹配的所有matchspec的清單，它就將具有最多上下文的matchspec選擇為最佳的。一旦確定了最佳matchspec，分組調(diào)度器就將分組及相應(yīng)的處理參數(shù)傳送給映射到最佳matchspec的分組處理器。
例如，考慮如圖11所示的圖示。具有“錯誤主題”類型上下文等于“錯誤確認(rèn)”(FAULT CONFIRMATION)的類型為“錯誤主題”的分組將只由第一matchspec 1102匹配。之后，這些分組將被分配給空模塊1108?！板e誤主題類型”上下文等于“錯誤隔離”的類型為“錯誤主題”的分組將由第一matchspec 1102和第二matchspec 1104匹配。分組調(diào)度器將此分組調(diào)度給帶有參數(shù)“錯誤”的文本析取模塊1110，這是因為第二matchspec 1104比第一matchspec具有更多的上下文標(biāo)記-值對。
分組處理模塊。分組處理模塊也被稱為分組處理器，其目的是用于分析、組織和處理數(shù)據(jù)。在一個實施例中，分組處理器可分成兩組通用分組處理器和定制分組處理器。通用分組處理器是能夠不管數(shù)據(jù)源類型而使用的那些處理器。另一方面，定制分組處理器是數(shù)據(jù)源專用的。另外，分組處理器也可分成終端或非終端的。終端分組處理器是分組消耗者。它們處理分組但不產(chǎn)生子分組。非終端分組處理器是分組生產(chǎn)者。它們處理分組且產(chǎn)生子分組。
在本發(fā)明的一個實施例中，存在三種通用分組處理器文本析取模塊、分組輸出模塊和空模塊。文本析取模塊和分組輸出模塊將在下面的部分中詳細(xì)地描述。空處理器是終端分組處理器。空處理器不處理分組。其目的只是消耗分組。在一個實施例中，空處理器的獨特之處還在于其沒有實現(xiàn)。分組調(diào)度器可有效地執(zhí)行其功能。分組調(diào)度器并不將分組發(fā)送給物理空處理器，而只是簡單地將分組破壞。
在一個實施例中，在分組處理器能分析、組織和處理分組之前，對分組處理器進行登記。分組處理器登記完成兩件事情。首先，如果尚不存在記錄，就將與分組處理器相對應(yīng)的一個記錄插入到處理模塊儲存庫中。其次，分組處理器可產(chǎn)生的分組原型被登記在分組字典中。第一項功能使諸如分組調(diào)度器的其它部件能夠知道分組處理器本身。第二項功能使其它部件知道分組處理器可產(chǎn)生的分組。
文本析取模塊。諸如圖2所示文本析取模塊206的文本析取模塊(TEM)為通用非終端分組處理器。文本析取模塊的目的是識別并格式化用戶指定文本實體。在一個涉及定向維護域的實施例中，文本實體的示例包括文件參考、部件號、觀察和錯誤。和所有分組處理器一樣，TEM傳遞的是分組和處理器參數(shù)。處理參數(shù)器指定對輸入文本應(yīng)該應(yīng)用哪個文本析取規(guī)則的集合。輸入文本包括用戶指定的分組內(nèi)容的值。
TEM在處理分組時進行下述動作。首先，TEM識別由文本析取規(guī)則指定的實體。其次，TEM根據(jù)文本析取格式化規(guī)則對實體進行格式化。最后，TEM為其已經(jīng)識別并格式化了的各實體輸出一個或多個分組。
TEM如下所述地識別實體。首先，TEM對輸入文本執(zhí)行詞法分析，以將輸入文本轉(zhuǎn)換為令牌表。令牌由一個或多個擴充的正規(guī)表達式或先前指定實體來指定。然而，令牌說明不必窮舉。用戶不必為對識別實體無直接貢獻的文本指定正規(guī)表達式。因此，令牌化以兩個步驟來進行。TEM找出用戶指定的所有令牌，然后通過將用戶指定過濾器應(yīng)用到用戶指定令牌間的文本來創(chuàng)建缺省令牌。一旦輸入文本令牌化，TEM對令牌化輸入文本進行第二詞法分析，以便識別實體。實體由一個或多個產(chǎn)品指定。產(chǎn)品是小單元為令牌的擴充正規(guī)表達式?？傊?，實體識別過程是兩次詞法分析。第一次分析通過字符的擴充正規(guī)表達式將輸入文本轉(zhuǎn)換為令牌表。第二次分析通過令牌的擴充正規(guī)表達式識別出令牌化輸入文本中的實體。
考慮圖12所示的樣本輸入文本和圖13所示的實體、令牌和正規(guī)表達式。圖12是將由文本析取模塊處理的樣本輸入文本。圖13是文本析取模塊規(guī)則的集合的層次表示。圖13中的加框字母識別規(guī)則級中的項。字母“C”表示此項為集合，“E”表示實體，“T”表示令牌，“R”表示正規(guī)表達式，“P”表示產(chǎn)品，以及“F”表示格式。例如，為了識別圖12中樣本文本的設(shè)備號(Equipment Number)實體，TEM首先找出在設(shè)備號實體中定義的令牌。在此示例中，設(shè)備號實體只定義一個帶有單一正規(guī)表達式[A-Z]
{2，}的EquipNum(設(shè)備編號)令牌，此表達式為一個字母后面跟兩個或多個數(shù)字。在圖12所示的樣本文本中，TEM識別出三個EquipNum令牌W121、W122和W123。接著，TEM采用在設(shè)備號實體項目上指定的字符過濾器來過濾剩余文本。在此示例中，字符過濾器包含空格“”、開括號“(”、閉括號“)”和逗號“，”。通過從文本中的剩余決中去除過濾器中具有的前置和后置字符來進行過濾。施行過濾后，文本的剩余塊成為缺省令牌。
例如，在圖12中考慮EquipNum令牌W122和W123之間的文本，即一個逗號和一個空格。由于這二個字符存在于過濾器中，從而將它們?nèi)コ虼嗽谶@些EquipNum令牌之間不存在缺省令牌。另一方面，在圖12中考慮EquipNum令牌W123和輸入文本末尾之間的文本，即“)(DOC 21-51-11，-22，-23).”TEM首先去除過濾器中的前置字符。由于第一字符是閉括號(過濾器中存在的字符)，因此去除此字符并檢查下一字符。由于下一字符為空格，因此它也被去除。這一直持續(xù)到文本析取模塊遇到過濾器中不存在的字符為止。第一個這種字符為字母“D”。然后TEM去除過濾器中存在的后置字符。由于最后一個字符為句號，是過濾器中不存在的字符，因此這個字符保留，查尋結(jié)束。如果最后一個字符存在于過濾器中，TEM將去除此字符并檢查倒數(shù)第二個字符。此過程繼續(xù)到TEM遇到過濾器中不存在的字符為止。由于在過濾了前置和后置字符后還存在著文本“DOC 21-51-11，-22，-23).”，因此它成為缺省令牌。下面的表1提供了從文本析取模塊進行詞法分析以識別出樣本文本中的設(shè)備號實體而得到的EquipNum令牌和缺省令牌表。
表1令牌及其值的表令牌 值缺省 如果問題仍存在，替換L(R，C)WIDGETFINW121FINW122FINW123缺省 DOC 21-51-11，-22，-33).
這里，樣本輸入文本被令牌化成為五個令牌缺省、FIN、FIN、FIN和缺省。接著，TEM進行第二詞法分析，以查找設(shè)備號實體的產(chǎn)品。在此示例中，只存在一個產(chǎn)品FIN+，它與一個或多個EquipNum令牌匹配(FIN是EquipNum的縮寫)。結(jié)果，文本析取模塊找出一個實體、三個EquipNum令牌，如圖14所示。
一旦在輸入文本中識別出實體，它就被格式化成一個或多個字段。然后，該實體被包裝成分組并傳送給分組調(diào)度器。TEM如下對實體格式化。首先，TEM將匹配產(chǎn)品的令牌根據(jù)其類型放入箱中。其次，TEM對箱中的令牌進行完全或分級擴充。第三，TEM為各個匹配產(chǎn)品的格式生成字段。最后，TEM創(chuàng)建分組并將所述字段作為內(nèi)容插入到分組中。
同樣，讓我們考慮樣本輸入文本和文件參考(DocumentReference)實體的規(guī)則。在進行兩級詞法分析時，TEM識別出一個章節(jié)令牌(CS)、三個主題令牌(SUB)和兩個分隔符令牌(SEP)，如圖15所示。另外，TEM識別與第二產(chǎn)品相匹配的一個實體VOL？CS SS(SEPSS)*，如圖15所示。匹配產(chǎn)品的六個令牌為CS、SUB、SEP、SUB、SEP和SUB?，F(xiàn)在，TEM將所列令牌的值根據(jù)其類型放入到箱中。在一個實施例中，在將值放入箱之前，TEM首先核實該箱存在空間。
圖16顯示了文件參考產(chǎn)品(如圖13所示例示文本析取規(guī)則所定義的)分選到箱的令牌值。例如，第一令牌的值為“21-51”且其類型為章節(jié)(CS)。由于CS令牌定義沒有指定箱的深度，因此假定深度為無限。因此，值“21-51”被插入到CS箱1602中。第二令牌的值為“-11”且其類型為主題(SUB)。由于主題箱的深度也是無限的，因此值“-11”被插入到SUB箱1604中。第三令牌的值為“，”且其類型為分隔符(SEP)。由于分隔符的箱深度為零，如圖13所示，因此TEM不會將此令牌值插入到SEP箱1606中。因為如果那樣做的話會使箱中值的數(shù)量超出其深度。在TEM嘗試將所有的令牌值放入箱中后，它再檢查是否有任何箱是空的。如果某個箱是空的且其相應(yīng)的令牌規(guī)則指定某個缺省值，則將該缺省值插入到箱中。在當(dāng)前示例中，卷(VOL)和分隔符(SEP)箱1600、1606是空的。由于VOL令牌指定缺省值“DOC”，因此將“DOC”插入VOL箱1600中，如圖16所示。
在如圖16所示地將匹配產(chǎn)品的令牌值插入箱中后，TEM對箱的內(nèi)容進行分級或完全擴充。圖17列出了通過對圖16所示的箱進行完全擴充而形成的令牌值集合。在分級擴充中，TEM將各箱中的第i個值組合到一個集合中，其中編號i的范圍在任何箱中為從1到值的最大數(shù)量。前面的陳述只適用于包含多個值的箱。對于包含單個值的箱來說，第一個值被組合到各集合中。如果對具有不等數(shù)量的值的多值箱的值進行擴充，則一些集合將缺一些值。在完全擴充過程中，TEM將值的所有組合都組合到集合中。在當(dāng)前示例中，匹配產(chǎn)品規(guī)則指定完全擴充。因此，TEM形成如圖17所示的三個組。
在匹配產(chǎn)品的令牌值被組合到集合中之后，各集合被格式化成一個或多個字段。圖18顯示了通過將匹配產(chǎn)品的卷和書簽格式應(yīng)用到圖17所示的值的集合所得到的字段標(biāo)記和值。匹配產(chǎn)品的格式的數(shù)量決定了字段的數(shù)量。格式包含標(biāo)記和格式說明。在一個實施例中，格式說明具有下述語法。
“前綴”TOK1“后綴”‖“前綴”TOK2“后綴”‖...‖“前綴”TOKn“后綴”垂直線之間的信息被認(rèn)為是令牌格式組。各組必須用其縮寫來指定令牌并可包含可選前綴和后綴。此令牌被稱為格式令牌。前綴和后綴是引號內(nèi)的文本。TEM如下所述地對各個令牌值集合施行格式化。對于各令牌格式組，TEM檢查集合是否包含格式令牌的值。如果包含，則TEM將令牌格式組的前綴文本、格式令牌的值和令牌格式組的后綴附加到字段緩沖區(qū)。應(yīng)該注意，格式說明不必具有用于產(chǎn)品中各令牌的令牌格式組。有限態(tài)機器將格式說明分析成適于應(yīng)用上述算法的形式。在圖17中列出此機器的有限狀態(tài)。
例如，考慮匹配產(chǎn)品的書簽格式，即VOL“”‖CS‖SS以及圖17中的值的第一集合。第一令牌格式組包含VOL格式令牌和后綴。由于集合包含VOL格式令牌的值，因此將值“DOC”和后綴“”附加到字段緩沖區(qū)中。剩余的二個令牌格式組包含令牌CS和SUB。這些組不包含前綴或后綴。由于集合包含CS和SUB格式令牌的值，因此將值“21-51”和“-11”附加到字段緩沖區(qū)。在進行格式化之后，字段緩沖區(qū)包含文本“DOC 21-51-11”。將匹配產(chǎn)品的卷和書簽格式應(yīng)用到圖17所示的值的集合將產(chǎn)生如圖18所示的三個字段集合。
最后，在TEM創(chuàng)建了格式化字段集合(如圖18所示)后，它如下創(chuàng)建各字段集合的分組。首先，TEM連接文本“Tem”、實體名和文本“實體(Entity)”以形成分組類型。其次，TEM加入標(biāo)記為“實體ID(EntityId)”且值是此類型分組的唯一標(biāo)識符的內(nèi)容標(biāo)記-值對。第三，TEM為各格式化字段增加內(nèi)容標(biāo)記-值對。內(nèi)容標(biāo)記為字段標(biāo)記，內(nèi)容值為字段值。第四，TEM從內(nèi)容為輸入文本的輸入分組將上下文標(biāo)記-值對衍生到實體分組。最后，TEM加入四個另外的上下文標(biāo)記-值對。這些上下文被標(biāo)記為“Tem父分組類型”、“Tem父內(nèi)容標(biāo)記”、“Tem集合名稱”和“Tem實體名稱”?！癟em父分組類型”和“Tem父內(nèi)容標(biāo)記”上下文的值是分組類型和內(nèi)容為輸入文本的分組的內(nèi)容標(biāo)記?！癟em集合名稱”和“Tem實體名稱”上下文的值是其規(guī)則用于識別和格式化實體的集合和實體的名稱。在圖19中顯示了與樣本文本中的文件參考實體相對應(yīng)的分組1902、1904、1906。圖19顯示了從圖18所示的字段標(biāo)記和值中創(chuàng)建的例示分組。在圖18中的例示性實施例中，假定樣本文本來自“錯誤隔離元素”分組的“錯誤隔離文本”內(nèi)容。還假定“錯誤隔離元素”分組具有“章號”和“節(jié)號”上下文。
在處理輸入文本時，TEM搜索由處理參數(shù)指定的實體集合。在一個實施例中，以集合中指定的實體順序來搜索實體。在當(dāng)前示例中，TEM首先識別設(shè)備號實體，然后是文件參考實體，最后是錯誤實體，如圖13所示。在文件參考實體的設(shè)備號中，所有令牌由一個或多個正規(guī)表達式來指定。但是，如圖13所示的錯誤實體并非如此。在這四個令牌中，其中一個即動作(Action)令牌與設(shè)備號和文件參考令牌的相似之處在于，動作令牌由正規(guī)表達式來指定。然而其余令牌是不同的。EquipNum和DocRef令牌分別由設(shè)備號和文件參考實體指定；而EquipDesc令牌為缺省令牌。EquipNum和DocRef令牌將與先前識別出的設(shè)備號和文件參考實體匹配。在當(dāng)前示例中，EquipNum令牌與文本“W121(W122，W123)”匹配，而DocRef令牌與文本“21-51-11，-22，-33”匹配。EquipDesc與動作和EquipNum令牌之間的過濾文本、即如圖20所示的“L(R，C)WIDGET”匹配。圖20為樣本輸入文本，其中文本析取模塊識別圖13的例示性文本析取規(guī)則定義的錯誤實體。注意，如果錯誤實體沒有指定EquipDesc令牌，則EquipDesc令牌的值是將為缺省令牌的文本。為了避免模糊，一個實體只可將其一個令牌指定為缺省令牌。
與設(shè)備號和文件參考實體的情況一樣，TEM為圖21所示的錯誤實體創(chuàng)建Tem錯誤實體分組。由于匹配產(chǎn)品指定四個格式項，因此Tem錯誤實體除了出現(xiàn)在TEM創(chuàng)建的每個分組中的通用實體Id內(nèi)容之外，還包含動作、設(shè)備描述、設(shè)備號和修理程序的內(nèi)容。如所期望的，動作和設(shè)備描述內(nèi)容的值分別為“替換”和“L(R，C)WIDGET”。然而，設(shè)備號和修理程序內(nèi)容的值不是“W121(W122，W123)”和“21-51-11，-22，-33”。相反，設(shè)備號和修理程序的內(nèi)容具有三個值，它們對應(yīng)于先前創(chuàng)建的Tem設(shè)備號實體和Tem文件參考實體分組的實體Id內(nèi)容的值。因此，由先前定義的實體所指定的令牌值為相應(yīng)分組的實體Id內(nèi)容的值。此特征提供了將TEM創(chuàng)建的分組相互鏈接的方法。例如，圖21表示了Tem錯誤實體分組與Tem文件參考實體以及Tem設(shè)備號實體分組之間的關(guān)系。注意，Tem錯誤實體分組的設(shè)備號和修理程序內(nèi)容雖然顯示為由逗號分隔的表，但它們具有三個值。
分組輸出模塊。分組輸出模塊(PEM)是通用終端分組處理器。換句話說，此模塊不產(chǎn)生任何子分組，也不指定特定知識儲存庫模式。分組輸出模塊的目的是將分組輸出到知識儲存庫，后者為開放式數(shù)據(jù)庫連接(ODBC)兼容的。輸入過濾器和PEM共享許多相同屬性。輸入過濾器為可訓(xùn)練的，在訓(xùn)練前需要輸入數(shù)據(jù)源的結(jié)構(gòu)，并保護分組處理模塊免于數(shù)據(jù)源的復(fù)雜特征。相似的，PEM為可訓(xùn)練的，在訓(xùn)練前需要輸入知識儲存庫的結(jié)構(gòu)(模式)，并保護分組處理模塊免于知識儲存庫的復(fù)雜特征。
PEM的行為由分組輸出規(guī)則管理，此規(guī)則將分組內(nèi)容和上下文映射到數(shù)據(jù)庫表的字段。就象輸入數(shù)據(jù)的結(jié)構(gòu)必須在訓(xùn)練分組結(jié)構(gòu)規(guī)則之前被概括并輸入到輸入過濾規(guī)則庫中一樣，知識儲存庫的模式必須在訓(xùn)練分組輸出規(guī)則之前被分析并輸入到分組輸出規(guī)則庫中。
例如，考慮如圖22所示數(shù)據(jù)庫模式的樣本知識儲存庫。圖22是顯示分組將輸出到的樣本知識庫的數(shù)據(jù)庫模式的框圖。圖22所示的樣本知識儲存庫包括五個表格。PemDocRef 2202、PemEquipNum2204和PemFault(Pem錯誤)2206表格分別將信息儲存在Tem文件參考實體、Tem設(shè)備號實體和Tem錯誤實體分組中。PemFaultHasDocRefs 2208和PemFaultHasEquipNum 2210是多對多的關(guān)系表，它將關(guān)系信息存儲在Tem錯誤實體分組中。在知識儲存庫的數(shù)據(jù)庫模式被輸入到分組輸出規(guī)則后，用戶可指定分組輸出規(guī)則。如果知識庫的數(shù)據(jù)庫模式被修改，則之后重新輸入，PEM標(biāo)記先前和當(dāng)前模式之間的差異。進行輸入的方式應(yīng)保存現(xiàn)有分組輸出規(guī)則。
圖23是圖21所示的分組和圖22所示的數(shù)據(jù)庫表之間的樣本映射。由于分組內(nèi)容可具有多個值，而數(shù)據(jù)庫表的字段可存儲最多一個值，因此必須對分組值進行擴充，以便將這些值組合到輸出到知識庫的集合中。這些擴充方法與文本析取模塊將令牌箱中的值組合到集合中所采用的擴充方法相似。
考慮映射到一個數(shù)據(jù)庫表的所有分組內(nèi)容和上下文的值。對于分級擴充，PEM將來自各個多值分組內(nèi)容的第i個值和各單值內(nèi)容的值和所有上下文組合到集合中并將這些值輸出到知識儲存庫。對于完全擴充，PEM將分組內(nèi)容和上下文值的每一組合組合到集合中，并將這些值輸出到知識儲存庫。
注意到樣本分組輸出規(guī)則中其邊上帶圓圈的字母“R”的分組內(nèi)容和上下文。此圖標(biāo)表示這些內(nèi)容和上下文需要有值，以輸出這些值中的任何一個。換句話說，若映射到單個數(shù)據(jù)庫表中所需內(nèi)容和上下文中的任一個不包含至少一個值，則PEM將不輸出任何值的集合給該數(shù)據(jù)庫表?，F(xiàn)在考慮當(dāng)不包含任何值的非必要內(nèi)容或上下文輸出到數(shù)據(jù)庫表的字段中時PEM所做的工作。如果字段可空，即字段可存儲空值，則PEM輸出空值。如果字段不可空，則PEM在字段存儲數(shù)值數(shù)據(jù)時輸出0或在字段存儲文本時輸出零長字符串。若字段不可空且不能存儲零長字符串，則PEM發(fā)出分組輸出錯誤消息。
作為示例，考慮PEM如何采用圖23所示的分組輸出規(guī)則來將圖21所示的分組輸出到模式如圖22所示的知識儲存庫。首先，考慮Tem文件參考實體分組。分組的實體Id、卷和書簽內(nèi)容被映射到PemDocRef表的實體Id、卷和書簽字段；而分組的章號和節(jié)號上下文被映射到PemDocRef表的章號和節(jié)號字段。分組輸出規(guī)則還表明(i)分組中的值將被分級擴充到集合并作為數(shù)據(jù)庫記錄輸出，以及(ii)只輸出各映射分組內(nèi)容和上下文包含值的集合(第二觀察是需要各分組內(nèi)容和上下文的結(jié)果)。由于圖21的Tem文件參考實體分組的所有內(nèi)容為單值，因此分級擴充價值不大。各分組產(chǎn)生作為記錄輸出到如圖24所示的PemDocRef表的值的單一集合。注意Id字段的值是自動地生成，因為此字段為自動號類型。
現(xiàn)在考慮圖21中剩下的分組。由于Tem設(shè)備號實體和Tem文件參考實體分組以相同方式輸出到知識儲存庫，因此這里集中討論Tem錯誤實體分組。根據(jù)分組輸出規(guī)則，Tem錯誤實體分組被映射到三個表格PemFault(Pem錯誤)、PemFaultHasDocRefs和PemFaultHasEquipNums。Tem錯誤實體到PemFault的映射與Tem文件參考到PemDocRef的映射相似，只有一處例外。不需要Tem錯誤實體的設(shè)備描述內(nèi)容；因此，PEM將一組值作為TemFault記錄輸出到知識儲存庫，即使分組不包含設(shè)備描述值也是如此。換句話說，如果TemFault分組具有設(shè)備描述內(nèi)容，它的值將與其它值一起輸出。然而，如果TemFault分組不具有設(shè)備描述內(nèi)容，則其它值將被輸出并且設(shè)備描述字段將為空值或零長字符串。
最后，考慮Tem錯誤實體到PemFaultHasDocRefs的映射。分組的實體Id和修理程序內(nèi)容分別被映射到PemFaultHasDocRef表的FaultKey(錯誤關(guān)鍵字)和DocRefKey(文件參考關(guān)鍵字)字段。圖21的Tem錯誤實體分組的實體Id和修理程序內(nèi)容的值分別為1以及1、2和3(實體Id內(nèi)容有一個值，而修理程序內(nèi)容有三個值)。分組輸出規(guī)則指定這些值應(yīng)完全擴充，以創(chuàng)建作為記錄輸出到PemFaultHasDocRefs表的集合，如圖25所示，創(chuàng)建并輸出了三個值的集合。
總之，當(dāng)采用圖23所示分組輸出規(guī)則將圖21的分組輸出到知識儲存庫時，PEM創(chuàng)建下述數(shù)據(jù)庫記錄。
·三個PemDocRef記錄，每一記錄來自一個Tem文件參考分組；·三個PemEquipNum記錄，每一記錄來自一個Tem設(shè)備號實體分組；·來自Tem錯誤實體分組的一個Pem錯誤記錄、三個PemFaultHasDocRef以及三個PemFaultHasEquipNum分組。
CGM處理模塊。除了純文本數(shù)據(jù)，D2K工具還可以處理計算機圖形元文件(CGM)格式的圖形文件。CGM文件是圖形元素的集合，各元素含有標(biāo)識它的操作碼和定義它的一些數(shù)據(jù)。在一個實施例中，D2K中的CGM處理通過三層處理完成。在底層，CGM分析器模塊在識別到新的圖形元素時載入CGM圖形文件并激發(fā)回叫。在此最底層，分析器不進行任何數(shù)據(jù)處理；它只計算文件的圖形內(nèi)容。在中間層，軟件模塊采用底層計算內(nèi)容，但此時它保持所有的文本元素和形成線段的框。一旦存儲了所有那些項目，模塊就嘗試將文本和它們的邊界矩形相關(guān)。此中間層提供了允許頂層計算這些方框和方框包含的文本的接口。最上層從稱做錯誤隔離表的CGM圖形創(chuàng)建D2K分組。錯誤隔離表是圖形的如果/則，其中結(jié)論或動作列出在頁面右側(cè)的框內(nèi)。此最上層用中間層處理文件。然后，它計算最右邊列中的框并創(chuàng)建包含那些框內(nèi)文本的分組。然后，這些分組由D2K處理，就象它們始于輸入過濾器一樣。
萬維網(wǎng)執(zhí)行程序。圖26是網(wǎng)絡(luò)執(zhí)行程序的用戶接口的例示性實施例。如圖26所示，標(biāo)題幀顯示應(yīng)用徽標(biāo)。導(dǎo)航幀包含按鍵組，壓下按鍵時可用相應(yīng)網(wǎng)頁更新主幀。主幀中的網(wǎng)頁和其上的控件顯示指令，提供了一種用戶可與D2K交互作用的機制并管理諸如錯誤報告、選項設(shè)定和配置裝載/保存的全局功能。
在一個實施例中，導(dǎo)航幀包含五組按鍵執(zhí)行程序、輸入過濾器、分組調(diào)度器、文本析取模塊和分組輸出模塊。執(zhí)行程序組中的按鍵載入允許用戶瀏覽文件、裝載和保存配置、指定數(shù)據(jù)庫和設(shè)置并運行工具的網(wǎng)頁。其余組中的按鍵載入允許用戶訓(xùn)練輸入過濾器、分組調(diào)度器、文本析取模塊和分組輸出模塊的網(wǎng)頁。
在一個實施例中，位于網(wǎng)頁上的部件在客戶端運行。但是，可以修改D2K部件以使其在服務(wù)器端運行，使得客戶簡單地接收和顯示HTML流。這就允許用戶從能夠運行萬維網(wǎng)瀏覽器的任何機器上與D2K交互作用。
用戶接口。下述部分描述D2K用戶接口。首先將討論輸入過濾器用戶接口。在這個討論后為關(guān)于分組調(diào)度器用戶接口、文本析取用戶接口以及最后的分組輸出用戶接口的討論。
輸入過濾器用戶接口。在一個實施例中，用戶通過輸入過濾器用戶接口訓(xùn)練輸入過濾器。用戶接口允許用戶創(chuàng)建、修改和刪除諸如SGML文件的分級結(jié)構(gòu)化數(shù)據(jù)源的分組結(jié)構(gòu)規(guī)則。輸入用戶接口的一個優(yōu)點在于它允許用戶將數(shù)據(jù)源的分級結(jié)構(gòu)直觀化。用戶接口包括主編輯器窗口和顯示所選分組中的分組的非模態(tài)窗口。將對這些窗口中的各個窗口進行更詳細(xì)地討論。
圖27是輸入過濾器編輯器的一個實施例的屏幕捕獲。輸入過濾器編輯器顯示樹狀分級結(jié)構(gòu)化數(shù)據(jù)，如圖27所示。數(shù)據(jù)源的元素顯示為文件夾；而屬性顯示為文件。例如，用戶右擊節(jié)點(或者說選擇一個節(jié)點)以改變其動作。元素和屬性名稱顯示在圖標(biāo)后面。省略號(...)和分組結(jié)構(gòu)規(guī)則跟在名稱后面。為了避免混亂，如果分組結(jié)構(gòu)規(guī)則是“忽略數(shù)據(jù)”，則不顯示該規(guī)則。
用戶可通過調(diào)用顯示于圖28中的搜索對話框來搜索文本樹。為了這樣做，用戶在編輯器中右擊并從彈出菜單中選擇“搜索...”命令。
“文本位置”控件允許用戶指定他們是否對限制他們對屬性、元素、分組類型、內(nèi)容或上下文的搜索感興趣。用戶還可搜索所有上述項。另外，用戶可以通過“搜索節(jié)點”控件來搜索樹的所有節(jié)點或只搜索當(dāng)前節(jié)點的子節(jié)點。在輸入了所需搜索參數(shù)后，用戶按壓“搜索”按鍵來執(zhí)行搜索。之后，搜索結(jié)果顯示在查看列表中。用戶可雙擊表中的某一元素以將其選擇到輸入過濾器編輯器、即主窗口中。搜索窗口可重新調(diào)整大小和移動；對話框的大小和位置在使用之間保持。
如圖30所示，除了搜索文本，用戶還可調(diào)用彈出菜單中諸如清除、編輯、下一個和書簽的其它命令。用戶可通過選擇“清除”命令來清除當(dāng)前所選節(jié)點及其子節(jié)點的所有動作。此命令將所有受影響節(jié)點的動作復(fù)位為“忽略”。用戶可通過選擇“編輯”命令來編輯當(dāng)前所選節(jié)點的規(guī)則?！熬庉嫛泵钫{(diào)用顯示于圖29中的“分組結(jié)構(gòu)屬性”對話框。圖29是輸入過濾器編輯器的分組結(jié)構(gòu)屬性對話框的一個實施例。此對話框也可由雙擊某一節(jié)點來調(diào)用。
用戶可編輯規(guī)則的動作并根據(jù)規(guī)則來編輯其相關(guān)分組類型、內(nèi)容標(biāo)記和上下文標(biāo)記。分組內(nèi)容和上下文與分組類型保持一致，并可通過從下拉組合框中選擇項來選擇。為創(chuàng)建新的分組類型、內(nèi)容標(biāo)記或上下文標(biāo)記，用戶可簡單地在適當(dāng)?shù)慕M合框中鍵入新名稱。
除了導(dǎo)航樹形圖的傳統(tǒng)方法之外，用戶可選擇顯示于圖30中的“下一個”菜單。圖30是輸入過濾器編輯器的“下一個”菜單的一個實施例?！跋乱粋€”菜單中的命令允許用戶選擇具有指定動作的下一節(jié)點，或具有指定不同標(biāo)志的下一節(jié)點。例如，通過選擇下一個|創(chuàng)建分組命令，用戶可快速地定位其規(guī)則創(chuàng)建了分組的下一節(jié)點。
最后，用戶可對樹形圖中的節(jié)點標(biāo)記書簽，允許它們在重要節(jié)點之間快速導(dǎo)航。如果當(dāng)前所選節(jié)點未被標(biāo)記書簽，用戶可以選擇顯示于圖31中的書簽子菜單上的“設(shè)置”命令。圖31是輸入過濾器編輯器的“書簽”菜單的一個實施例。如果當(dāng)前所選節(jié)點之前已標(biāo)記了書簽，用戶可以通過選擇“清除”命令來清除標(biāo)記。為了去掉所有書簽，用戶可選擇“全部清除”命令。書簽可保持在編輯會話之間。因此，用戶可能希望不時地清除不再需要的書簽，尤其是在創(chuàng)建不同數(shù)據(jù)源的分組結(jié)構(gòu)規(guī)則時。如果用戶已經(jīng)對超過9個節(jié)點標(biāo)記了書簽，則只對前9個編號。
標(biāo)題為“當(dāng)前分組信息”的非模態(tài)窗口顯示當(dāng)前所選模式的分組原型。圖32是輸入過濾器用戶接口的非模態(tài)“當(dāng)前分組信息”窗口的一個實施例。此窗口允許用戶使輸入過濾器將通過應(yīng)用當(dāng)前所選分組結(jié)構(gòu)規(guī)則及其可用的相鄰規(guī)則產(chǎn)生的分組的結(jié)構(gòu)直觀化。這個非模態(tài)窗口可重新調(diào)整大小并且可定位于電腦上的任何位置。
輸入過濾器編輯器還提供使分組結(jié)構(gòu)直觀化的另一方法。通過將鼠標(biāo)光標(biāo)在樹形圖中的任何節(jié)點上懸停，可臨時出現(xiàn)一個彈出提示窗口。此提示窗口的內(nèi)容顯示輸入過濾器通過應(yīng)用與鼠標(biāo)光標(biāo)選擇的節(jié)點相關(guān)的規(guī)則來部分創(chuàng)建的分組的結(jié)構(gòu)。
分組調(diào)度器用戶接口。用戶可通過分組調(diào)度器用戶接口訓(xùn)練分組調(diào)度器。接口被分成兩個屏，其間為大小可調(diào)的劃分條。各屏將進行更詳細(xì)地討論。
圖33是分組調(diào)度器用戶接口的處理器和分組選擇屏的一個實施例。處理器和分組選擇屏由圖33所示的樹形圖實現(xiàn)。此屏包含所有的登記處理模塊。通過使鼠標(biāo)在特定處理器上懸停，用戶可看到映射到其上的所有分組(及其相應(yīng)的分組處理參數(shù))。因此，樹形圖包含所有的登記分組類型及其合法上下文標(biāo)記。通過使鼠標(biāo)在特定分組類型上懸停，用戶可看到分組映射到的所有處理器。為創(chuàng)建新的匹配說明(matchspec)，用戶可拖動分組類型并將其放在處理器上。這個動作將在匹配說明屏上插入新的matchspec，這將在下文中討論。
圖34是分組調(diào)度器用戶接口的匹配說明屏的一個實施例。匹配說明屏由圖34所示的查看列表實現(xiàn)。查看列表顯示所有的匹配說明(matchspec)，即，將分組映射到分組處理模塊的分組調(diào)度規(guī)則。用戶可根據(jù)分組類型、處理器、參數(shù)或上下文通過點擊相應(yīng)的列標(biāo)題來對matchspec分類。第二次點擊同一列可以將此列以相反方向分類。用戶可通過右擊并選擇“查看”來改變查看列表的格式。
為創(chuàng)建matchspec，用戶可從處理器和分組選擇屏將處理器、分組類型或分組上下文拖動到匹配說明屏中的一個空列。此動作將創(chuàng)建一個包含下拉項的新matchspec。另一方面，如果用戶從處理器和分組選擇屏將項目拖動到匹配說明屏中的一個matchspec，則matchspec就將通過結(jié)合此下拉項而被修改。用戶還可右擊或雙擊一個元素以得到映射特性對話框。
用戶可通過雙擊matchspec來調(diào)用顯示于圖35中的“匹配說明屬性”對話框以編輯matchspec?；蛘?，用戶可右擊matchspec，以調(diào)用彈出菜單和選擇“屬性...”命令。通過“匹配說明屬性”對話框，用戶可設(shè)置matchspec的處理器、參數(shù)和分組類型。另外，用戶可使用“增加...”和“刪除”按鍵來將分組上下文值對插入到匹配說明中。如果用戶改變具有上下文值對的matchspec的分組類型，則編輯器將去除任何無效對、即對新的分組類型無效的對。
最后，用戶可通過右擊匹配說明屏中的matchspec并從彈出菜單中選擇“刪除”命令來刪除matchspec?；蛘?，用戶只簡單地選擇matchspec并按下刪除鍵。
文本析取用戶接口。用戶可通過文本析取用戶接口來訓(xùn)練文本析取模塊(TEM)。用戶接口允許用戶創(chuàng)建、修改和刪除文本析取規(guī)則，如集合、實體、令牌、正規(guī)表達式、產(chǎn)品和格式。文本析取用戶接口的一個優(yōu)點在于它允許用戶馬上“看到”他們實時地創(chuàng)建、修改或刪除任何規(guī)則所帶來的影響。用戶接口包括對話條、規(guī)則屏、注釋屏和表格屏。這些部分中的每一個將進行更詳細(xì)地討論。
顯示于圖36中的文本析取用戶接口對話條位于用戶接口控件的上方并包含10個按鍵，允許用戶執(zhí)行下述功能·在分組內(nèi)容的“頁”之間導(dǎo)航，·從文件模式切換到分組模式，·從文本析取模塊規(guī)則數(shù)據(jù)庫重新載入規(guī)則，
·保存在當(dāng)前會話中完成的改變，·從分組模式切換到文件模式，以及·調(diào)用幫助。
前四個按鍵，即箭頭鍵允許用戶前進到分組內(nèi)容的第一個、上一個、下一個和最后一個“頁”。從分組數(shù)據(jù)庫讀分組內(nèi)容(分組數(shù)據(jù)庫通過運行帶有所選“將分組保存到數(shù)據(jù)庫中”的處理選項的工具而提供)?？稍谧⑨尨案裰酗@示“頁”并通過在規(guī)則窗格中顯示當(dāng)前選擇的實體的識別令牌和產(chǎn)品來進行注解。第五個按鍵“再裝入分組”將注釋窗格從文件模式切換到分組模式，即從分組數(shù)據(jù)庫中讀注釋窗格中的文本。第六個按鍵“再裝入數(shù)據(jù)庫”從文本析取規(guī)則儲存庫中再裝入文本析取規(guī)則。用戶會被警告當(dāng)前的改變將被放棄。第七個按鍵“存儲數(shù)據(jù)庫”確認(rèn)文本析取規(guī)則的改變并將它們寫入文本析取規(guī)則儲存庫。第八個按鍵“打開文件”將注釋窗格從分組模式切換到文件模式，即從用戶選擇文件讀注釋窗格中的文本。第九個按鍵“關(guān)于”顯示關(guān)于文本析取用戶接口的相關(guān)信息。最后，第十個按鍵“幫助”運行文本析取的用戶接口的幫助應(yīng)用。
規(guī)則屏顯示如圖37所示的分級樹形圖中的文本析取規(guī)則。樹節(jié)點可以是集合、實體、令牌、正規(guī)表達式、產(chǎn)品或格式。代表這些節(jié)點之一的圖標(biāo)是框內(nèi)的黑體大寫字母。字母對應(yīng)于節(jié)點類型的第一個字母，例如C為集合，E為實體等。另外，樹中還顯示了指定那些集合處理哪一分組內(nèi)容的節(jié)點?？騼?nèi)的黑色圓點表示這些節(jié)點。
節(jié)點的文本取決于它的類型。集合節(jié)點的文本為集合名稱，之后為圓括號內(nèi)它的縮寫。實體節(jié)點的文本為實體名稱，之后為圓括號內(nèi)它的縮寫。類似的，令牌節(jié)點的文本為令牌名稱，之后為圓括號內(nèi)它的縮寫。然而，如果令牌是指先前識別的實體，則后面跟有參考實體名稱和縮寫的文本“實體”被括號括起來并附在令牌文本上。正規(guī)表達式節(jié)點的文本是正規(guī)表達式本身；而產(chǎn)品節(jié)點的文本是產(chǎn)品的語法。格式節(jié)點的文本是格式標(biāo)記的名稱。最后，“集合處理分組內(nèi)容”節(jié)點的文本是用句號隔開的分組類型和內(nèi)容標(biāo)記。
用戶可以執(zhí)行規(guī)則屏中諸如創(chuàng)建規(guī)則、刪除規(guī)則、復(fù)制規(guī)則或移動規(guī)則等若干操作。用戶可以通過拖動規(guī)則節(jié)點并將其放在另一節(jié)點上來復(fù)制或移動規(guī)則。如果用戶從一個集合拖動某節(jié)點并將其放在某個不同集合中，則節(jié)點及其衍生節(jié)點被復(fù)制。如果用戶從一個集合拖動節(jié)點并將其放在相同集合中的不同位置，則通過彈出對話提示用戶他/她是否希望復(fù)制或移動此節(jié)點及其子節(jié)點。如果在鼠標(biāo)不在節(jié)點上時用戶右擊規(guī)則屏，則出現(xiàn)一個彈出菜單，允許用戶創(chuàng)建集合。然而，如果當(dāng)鼠標(biāo)在節(jié)點上時用戶右擊，則出現(xiàn)一個彈出菜單，允許用戶刪除“已選”節(jié)點或創(chuàng)建子節(jié)點。例如，如果當(dāng)鼠標(biāo)在實體上時用戶右擊，則出現(xiàn)一個彈出菜單，允許用戶刪除該實體、創(chuàng)建令牌或創(chuàng)建產(chǎn)品。如果當(dāng)鼠標(biāo)在正規(guī)表達式節(jié)點上時用戶右擊，則出現(xiàn)一個彈出菜單，允許用戶只刪除此正規(guī)表達式。
注釋屏是如圖38所示的可滾動視圖，其通過識別當(dāng)前實體的令牌和產(chǎn)品來對樣本文本進行注解。如果當(dāng)前所選規(guī)則視圖中的項是實體，則當(dāng)前實體為所選項。如果當(dāng)前所選規(guī)則視圖中的項不是實體，則當(dāng)前實體為其父項是所選項的實體。樣本文本可從文本文件讀取或從分組儲存庫中的數(shù)據(jù)中載入。如果樣本文本包含多行，則注釋窗格在不同頁中顯示注釋文本。用戶可通過對話條“Dialog Bar”上的按鍵在頁面間導(dǎo)航。
為樣本文本中的每一行進行當(dāng)前實體的令牌和產(chǎn)品的注釋。令牌和產(chǎn)品分別通過文本上、下的水平括弧來標(biāo)識。令牌通過將其縮寫名稱顯示在括弧上方來進一步注釋。如果縮寫無法安在令牌上，則顯示一個星號。通過將鼠標(biāo)懸停在星號上，用戶可調(diào)用顯示縮寫的提示窗口。產(chǎn)品可以類似方式通過在括弧下方顯示所選實體名稱來進一步注釋。通過將鼠標(biāo)懸停在實體名稱上，用戶可調(diào)用顯示產(chǎn)品格式標(biāo)記和值的提示窗口。
用戶可通過表格屏來創(chuàng)建、修改和刪除規(guī)則。表格屏包含多個行和列，如圖39所示。表格的第一行顯示規(guī)則視圖中當(dāng)前所選節(jié)點的內(nèi)容。表格的中間行顯示當(dāng)前所選節(jié)點的同胞節(jié)點的內(nèi)容。標(biāo)有星號 的表格的最后一行是空的，允許用戶創(chuàng)建新規(guī)則。列和列標(biāo)題的數(shù)目取決于當(dāng)前所選節(jié)點的類型。
為了創(chuàng)建新規(guī)則，用戶必須將合適的信息輸入到最后一行的各列中并操縱鼠標(biāo)到另一行。用戶可編輯表格上任意列的內(nèi)容。當(dāng)前編輯的行被標(biāo)上記號。為了更改某一行，用戶必須通過鼠標(biāo)或箭頭鍵操縱鼠標(biāo)到另一行。為了刪除規(guī)則，用戶必須通過點擊最左邊的(不可編輯的)列來選擇此行并按壓刪除鍵。一旦用戶確認(rèn)，此行(及相應(yīng)的規(guī)則)將被刪除。
分組輸出用戶接口。用戶可通過分組輸出用戶接口來訓(xùn)練分組輸出模塊(PEM)。用戶接口允許用戶創(chuàng)建、修改和刪除分組輸出規(guī)則，例如在分組內(nèi)容/上下文到數(shù)據(jù)庫表字段之間的映射。分組輸出用戶接口的一個優(yōu)點在于它允許用戶以有意義的方式將分組輸出規(guī)則直觀化。用戶接口包括兩個屏選擇屏和圖形屏；以及一個狀態(tài)條。各屏將進行更詳細(xì)地討論。另外，還將討論允許用戶將知識儲存庫模式輸入到分組輸出規(guī)則數(shù)據(jù)庫的控件。
在將分組內(nèi)容/上下文映射到數(shù)據(jù)庫表字段之前，用戶通過知識儲存庫模式輸入控件來將數(shù)據(jù)庫模式輸入到分組輸出規(guī)則數(shù)據(jù)庫。輸入控件包含兩個按鍵和兩個窗格。為了將知識儲存庫模式輸入到分組輸出規(guī)則數(shù)據(jù)庫，用戶應(yīng)按壓輸入按鍵。知識儲存庫的表顯示于左窗格中，而當(dāng)前所選表的字段顯示于右窗格中，如圖40所示。用戶可通過鼠標(biāo)和箭頭鍵選擇適當(dāng)?shù)谋韥頌g覽任何表的字段。數(shù)據(jù)庫表和字段可通過狀態(tài)圖標(biāo)來進行。新的表和字段，即在上次輸入中沒有出現(xiàn)在知識儲存庫中的那些由綠色加號圖標(biāo)標(biāo)記。廢棄表和字段，即從上次輸入以來從知識儲存庫刪除的那些由紅色字母“x”圖標(biāo)標(biāo)記。修改字段，即從上次輸入以來其類型和/或?qū)傩砸迅淖兊哪切┯牲S色校驗標(biāo)記圖標(biāo)標(biāo)記。為了刪除廢棄表和字段的廢棄模式，用戶應(yīng)按壓清除按鍵。
選擇屏顯示樹形圖中的兩個列表，如圖41所示。第一列表顯示系統(tǒng)已知的分組，即已在分組字典中登記的分組。第二列表顯示知識儲存庫表。為了在圖形屏中顯示分組或表，用戶應(yīng)雙擊樹形圖中的相應(yīng)項。如果用戶雙擊具有將其映射到一個或多個表的規(guī)則的分組，則映射表和映射規(guī)則一起均顯示于圖形屏中。
如圖42所示的圖形屏為畫布，分組輸出規(guī)則可以在其上創(chuàng)建、修改或刪除。分組表示為窗口。分組類型顯示于窗口的標(biāo)題條中。內(nèi)容和上下文標(biāo)記列于窗口內(nèi)。內(nèi)容和上下文標(biāo)記通過不同的圖標(biāo)進行。知識儲存庫表以相似的方式表示為窗口。表格名稱顯示于窗口的標(biāo)題欄中同時表格字段列于窗口內(nèi)。
為了在畫布中增加分組或表，雙擊選擇屏中的相應(yīng)項。如果用戶雙擊具有將其映射到一個或多個表的規(guī)則的分組，則映射表格和映射規(guī)則一起顯示于圖形屏中。為了從畫布中去掉分組或表，點擊分組或表窗口的右上角的小“x”按鍵。如果從畫布中去掉了分組，則所有映射到其上的規(guī)則也被去掉。只有在沒有映射到其上的規(guī)則時才能去掉表的窗口；因此，一個映射首先去掉映射到表窗口的分組窗口。從畫布去掉窗口和規(guī)則并沒有刪除它們。相應(yīng)分組輸出規(guī)則仍存在于分組輸出規(guī)則數(shù)據(jù)庫中。
為了在分組和數(shù)據(jù)庫表之間創(chuàng)建新的分組輸出(映射)規(guī)則，用戶必須首先通過點擊分組窗口中的內(nèi)容或上下文標(biāo)記來選擇它然后通過點擊數(shù)據(jù)庫表窗口中的字段來選擇它。一旦進行了上述程序，分組輸出用戶接口就在兩個所選項之間畫一條線來表示映射規(guī)則。為了用最近所選上下文或內(nèi)容標(biāo)記來創(chuàng)建另一輸出規(guī)則，雙擊分組窗口中的標(biāo)記然后選擇新的數(shù)據(jù)庫表字段。
當(dāng)用戶在映射規(guī)則即線上點擊鼠標(biāo)左鍵或右鍵時，線顯示為粗體以表示此規(guī)則已經(jīng)被選擇。這就使用戶可改變規(guī)則的屬性或刪除此規(guī)則。創(chuàng)建規(guī)則時，它們的擴充方法設(shè)定為“分級”而且不需要分組內(nèi)容/上下文來將記錄集輸出到知識儲存庫。但是，如果規(guī)則映射的相應(yīng)分組和數(shù)據(jù)庫表已經(jīng)具有規(guī)則，即它們之間已經(jīng)畫有線，則擴充等級被設(shè)為現(xiàn)有規(guī)則的等級。在一個實施例中，擴充方法為“分級”的規(guī)則用一種顏色畫出；而擴充方法為“完全”的規(guī)則用另一顏色畫出。當(dāng)用戶改變映射分組和數(shù)據(jù)庫的規(guī)則的擴充方法時，此分組和數(shù)據(jù)庫表之間的所有規(guī)則的擴充方法都改變了。最后，如果用戶在畫布上除分組窗口、數(shù)據(jù)庫表窗口和規(guī)則之外的任意位置上右擊，則出現(xiàn)彈出菜單允許用戶將映射規(guī)則保存到分組輸出規(guī)則數(shù)據(jù)庫中。
儲存庫。在下面部分中將以下述順序來討論D2K數(shù)據(jù)庫輸入過濾規(guī)則儲存庫、分組字典儲存庫、處理模塊儲存庫、分組調(diào)度規(guī)則、分組儲存庫、文本析取規(guī)則儲存庫、分組輸出規(guī)則儲存庫、消息記錄儲存庫和知識庫。各數(shù)據(jù)庫將簡單地加以介紹。
在一個實施例中，用戶不直接編輯存儲在D2K數(shù)據(jù)庫中的數(shù)據(jù)。相反，用戶與D2K用戶接口相互作用，用戶接口又將修改數(shù)據(jù)庫的內(nèi)容。
輸入過濾規(guī)則儲存庫。_動作(Action)表存儲分組結(jié)構(gòu)規(guī)則動作，即忽略數(shù)據(jù)、忽略數(shù)據(jù)并創(chuàng)建新分組、創(chuàng)建新分組和將數(shù)據(jù)作為內(nèi)容插入到分組中、將數(shù)據(jù)作為內(nèi)容插入到當(dāng)前分組中、將數(shù)據(jù)作為內(nèi)容附加到當(dāng)前分組中，以及將數(shù)據(jù)作為上下文插入到當(dāng)前分組中。
_字段類型(FieldType)表存儲了數(shù)據(jù)字段的全名和縮寫名稱。在SGML輸入過濾器的情況下，數(shù)據(jù)字段是元素或?qū)傩浴?br> 在輸入過濾規(guī)則輸入數(shù)據(jù)結(jié)構(gòu)和登記分組的過程中創(chuàng)建_ID映射(IdMap)、_衍生(Lineage)和_工作區(qū)(Workspace)表。_衍生表高速緩存各節(jié)點的派生節(jié)點圖以便進行上下文的繼承。
分組類型(PacketType)、上下文標(biāo)記(ContextLabel)和內(nèi)容標(biāo)記(ContentLabel)表存儲分組的分組類型、內(nèi)容標(biāo)記和上下文標(biāo)記，它們由分組結(jié)構(gòu)規(guī)則創(chuàng)建。
文件結(jié)構(gòu)(DocumentStructure)表是臨時緩沖器，其中存儲并處理數(shù)據(jù)源的結(jié)構(gòu)。
分組結(jié)構(gòu)(PacketConstruction)表存儲分組結(jié)構(gòu)規(guī)則。表中的數(shù)據(jù)由輸入數(shù)據(jù)源結(jié)構(gòu)的過程創(chuàng)建并由輸入過濾器用戶接口修改。
分組字典儲存庫。在一個實施例中，分組字典數(shù)據(jù)庫包括六個表，其中一個為臨時工作區(qū)。主表是分組類型、內(nèi)容標(biāo)記、上下文標(biāo)記、分組允許內(nèi)容(PacketAllowsContent)和分組允許上下文(PacketAllowsContext)。這些表中的數(shù)據(jù)指定合法分組的原型。幾個重要的D2K功能采用分組字典。例如，D2K訓(xùn)練用戶接口采用分組字典來限制所選的列表框以便阻止用戶產(chǎn)生無效的訓(xùn)練規(guī)則，同時分組工廠采用分組字典來保證只創(chuàng)建合法分組。另外，幾個其它數(shù)據(jù)庫包含與分組字典表的鏈接，如圖43所示。
_原型登記(PrototypeRegistration)表為工作區(qū)，其被若干D2K部件用以構(gòu)建分組原型。然后，分組原型在分組字典進行登記。
分組類型、內(nèi)容標(biāo)記、和上下文標(biāo)記表存儲合法分組類型、內(nèi)容標(biāo)記和上下文標(biāo)記。分組允許內(nèi)容和分組允許上下文表指定哪些內(nèi)容和上下文標(biāo)記位于哪些分組中。
處理模塊儲存庫。處理模塊儲存庫存儲已登記處理模塊和調(diào)用它們所需的信息的列表。此信息存儲在處理器表中。另外，儲存庫存儲各處理模塊能產(chǎn)生的哪些分組。此信息存儲在處理器登記內(nèi)容(ProcessorRegisteredContent)和處理器登記上下文(ProcessorRegisteredContext)表中。在一個實施例中，雖然輸入過濾器不是處理模塊，但此儲存庫還存儲了輸入過濾器能產(chǎn)生哪些分組。
分組調(diào)度器規(guī)則儲存庫。分組調(diào)度器規(guī)則儲存庫存儲分組調(diào)度規(guī)則。匹配說明(matchspec)被存儲在MatchSpec和MatchSpec-HasContext表中。工作區(qū)表是分組調(diào)度器接口使用的臨時工作區(qū)。
分組儲存庫。分組儲存庫是可保存分組的數(shù)據(jù)庫。分組調(diào)度器將分組保存在儲存庫中。用戶在執(zhí)行網(wǎng)頁上設(shè)定“將分組保存在數(shù)據(jù)庫中”復(fù)選框。分組存儲在四個表中分組(Packet)、分組具有內(nèi)容(PacketHasContent)、內(nèi)容具有值(ContentHasValues)和分組具有上下文(PacketHasContext)。
文本析取規(guī)則儲存庫存儲文本析取規(guī)則，文本析取規(guī)則模式如圖44所示。要注意令牌和實體之間的關(guān)系。各令牌均具有和其父項的關(guān)系。直線表示此關(guān)系。然而，回想令牌可由一個或多個正規(guī)表達式組成或者它們可以為之前的四個實體。如果令牌為后一種情況，則可選關(guān)系即曲線將為非空的并且參考之前發(fā)現(xiàn)的實體。
由于集合具有一個或多個實體，實體具有一個或多個令牌，令牌具有一個或多個正規(guī)表達式等，因此必須確定如何實現(xiàn)這些一對多關(guān)系。圖45中顯示了兩種通用表示法。為了說明這些表示法，考慮令牌和正規(guī)表達式實體。令牌可具有一個或多個正規(guī)表達式。即文件容量令牌可具有正規(guī)表達式如“FIM”、“(MM)|(AMM)”和“(WM)|(WDM)”。上述示例表示一對多的映射，如圖45中選項A所示。另一種映射是各正規(guī)表達式與一個令牌相關(guān)，如圖45中選項B所示。第一種方法的優(yōu)點在于正規(guī)表達式可被不同令牌重復(fù)使用；而缺點在于另外的數(shù)據(jù)庫表無法存儲這些關(guān)系。第二種方法的優(yōu)點在于這些關(guān)系無須存儲在單獨的數(shù)據(jù)庫表中；而這種方法的缺點在于數(shù)據(jù)庫可能包含由超過一個令牌引用的同一正規(guī)表達式的復(fù)制。發(fā)明人因非技術(shù)性限制而選擇了后一種方法，即選項B。
_箱擴充方法(BinExpansionMethod)表為查找表，它包含箱擴充類型的合法值，即“分級”和“完全”。
_原型(ProtoType)表為工作區(qū)，由文本析取模塊用于構(gòu)建其可以產(chǎn)生的分組原型。
集合、實體、令牌、正規(guī)表達式、產(chǎn)品和格式表分別存儲集合、實體、令牌、正規(guī)表達式、產(chǎn)品和格式。
實體名稱(EntityName)和TokenName(令牌名稱)表存儲實體和令牌名稱。實體和令牌表分別從這些表中引用實體和令牌。這些名稱被分到它們自身的表格中，以便支持實體對集合和令牌名稱的實體名稱精確地重用。
集合處理分組內(nèi)容(CollectionProcessesPacketContent)表存儲哪一集合處理哪一分組內(nèi)容的列表。為了更精確，文本析取模塊根據(jù)指定的規(guī)則集合來處理指定分組內(nèi)容的值。
分組輸出規(guī)則儲存庫。分組輸出規(guī)則儲存庫存儲分組輸出規(guī)則。分組輸出模塊的行為由這些規(guī)則管理，后者將分組內(nèi)容和上下文映射到數(shù)據(jù)庫表字段。正如輸入數(shù)據(jù)的結(jié)構(gòu)必須在訓(xùn)練分組結(jié)構(gòu)規(guī)則之前概括并輸入到輸入過濾規(guī)則儲存庫，知識儲存庫的模式也必須在訓(xùn)練分組輸出規(guī)則之前被分析并輸入到分組輸出規(guī)則儲存庫。
_擴充方法(ExpansionMethod)表為查找表，它包括箱擴充類型的合法值，即“分級”和“完全”。
緩沖區(qū)數(shù)據(jù)庫字段(BufDBField)和緩沖區(qū)數(shù)據(jù)庫表(BufDBTable)表是臨時緩沖區(qū)，其中存儲并處理知識庫的模式。將這些表中的數(shù)據(jù)和數(shù)據(jù)庫表及數(shù)據(jù)庫字段中的數(shù)據(jù)相比較以確定從最后一次輸入知識儲存庫模式以來哪些表和/或字段被增加、刪除和修改。
名為數(shù)據(jù)庫表和數(shù)據(jù)庫字段的表存儲知識庫的模式。這兩個表具有被增加的(IsAdded)和被去除的(IsRemoved)字段以標(biāo)識模式輸入之間的差異。另外，數(shù)據(jù)庫字段表還具有被修改的(IsModified)字段。
名為“將分組類型映射到數(shù)據(jù)庫表(MapPacketType2DBTable)”和“將分組信息映射到數(shù)據(jù)庫字段(MapPacketInfo2DBField)”的表存儲分組輸出映射規(guī)則。表“將分組類型映射到數(shù)據(jù)庫表”存儲哪些分組映射到哪些數(shù)據(jù)庫表的列表。另外，值擴充方法也被存儲在此表中。表“將分組信息映射到數(shù)據(jù)庫字段”存儲什么分組內(nèi)容/上下文映射到那些數(shù)據(jù)庫表字段的列表。另外，指明是否需要將內(nèi)容或上下文值輸出到記錄集的標(biāo)記也存儲在此表中。
消息記錄儲存庫。D2K將錯誤、警告和調(diào)試消息保存在消息記錄儲存庫中。消息記錄具有三個表。模塊類型(ModuleType)表存儲D2K中可產(chǎn)生消息的部件的列表。嚴(yán)重性(Severity)表存儲諸如致命、錯誤、警告、消息和調(diào)試等錯誤類別列表。最后，消息記錄(MessageLog)表存儲消息。
知識庫。知識儲存庫的模式對各D2K應(yīng)用是特定的。在訓(xùn)練分組輸出模塊之前，知識儲存庫模式被輸入到分組輸出規(guī)則儲存庫。一旦輸入，用戶就可訓(xùn)練分組輸出模塊以輸出記錄集，后者包括分組內(nèi)容和上下文的值。
硬件和操作環(huán)境圖46是計算機化系統(tǒng)的方框圖，此計算機化系統(tǒng)可實現(xiàn)本發(fā)明的例示性實施例。計算機90包括處理器92、隨機存取存儲器(RAM)94、只讀存儲器(ROM)96以及一個或多個存儲裝置98，如硬盤驅(qū)動器、軟盤驅(qū)動器(可插入軟盤)、光盤驅(qū)動器、盒式磁帶驅(qū)動器等。RAM 94和ROM 96統(tǒng)稱為計算機的存儲器。存儲器、硬驅(qū)動器、軟盤、CD-ROM等是計算機可讀媒體的類型。計算機可讀媒體存儲處理器92執(zhí)行的指令。指令通過總線提供給處理器92。本發(fā)明并不限于任何類型的計算機90。這些計算機的結(jié)構(gòu)和操作在本領(lǐng)域內(nèi)已眾所周知。
在一個實施例中，數(shù)據(jù)-知識(D2K)轉(zhuǎn)換器被結(jié)合于諸如計算機90的計算機上執(zhí)行的軟件中。在一個實施例中，D2K系統(tǒng)以利用C++計算機語言的軟件實現(xiàn)，并封裝成構(gòu)件對象模型(COM)部分的集合，它可在萬維網(wǎng)瀏覽器中例示并通過嵌入在HTML網(wǎng)頁中的MicrosoftVisual Basic和Java腳本連接。然而本領(lǐng)域的技術(shù)人員將認(rèn)識到，在不脫離本發(fā)明的范圍的前提下，也可以采用其它相當(dāng)?shù)挠布途幊陶Z言。
雖然這里說明和描述了特定實施例，但本領(lǐng)域的普通技術(shù)人員將理解，可以用任何能達到相同目的的配置來代替所示的特定實施例。本申請計劃覆蓋本發(fā)明的任何修改和變型。因此，顯然本發(fā)明只由下面的權(quán)利要求書及其等效物限定。
權(quán)利要求
1.一種計算機化系統(tǒng)，它包括至少一個儲存庫，它存儲對所述計算機化系統(tǒng)處理數(shù)據(jù)進行管理的用戶指定規(guī)則；以及至少一個處理模塊，它根據(jù)所述規(guī)則處理數(shù)據(jù)并從所述數(shù)據(jù)產(chǎn)生知識。
2.如權(quán)利要求1所述的計算機化系統(tǒng)，其特征在于它還包括控制所述至少一個儲存庫和所述至少一個處理模塊的系統(tǒng)執(zhí)行程序。
3.如權(quán)利要求1所述的計算機化系統(tǒng)，其特征在于它還包括允許用戶創(chuàng)建、修改和刪除所述用戶指定規(guī)則的用戶接口。
4.如權(quán)利要求3所述的計算機化系統(tǒng)，其特征在于，所述用戶指定規(guī)則為分組結(jié)構(gòu)規(guī)則。
5.如權(quán)利要求3所述的計算機化系統(tǒng)，其特征在于，所述用戶指定規(guī)則為文本析取規(guī)則。
6.如權(quán)利要求3所述的計算機化系統(tǒng)，其特征在于，所述用戶指定規(guī)則為分組輸出規(guī)則。
7.如權(quán)利要求3所述的計算機化系統(tǒng)，其特征在于，所述用戶指定規(guī)則為分組調(diào)度規(guī)則。
8.如權(quán)利要求1所述的計算機化系統(tǒng)，其特征在于，所述至少一個處理模塊為文本析取模塊。
9.如權(quán)利要求1所述的計算機化系統(tǒng)，其特征在于，所述至少一個處理模塊為分組輸出模塊。
10.如權(quán)利要求1所述的計算機化系統(tǒng)，其特征在于它還包括將數(shù)據(jù)轉(zhuǎn)換成中立格式的輸入過濾器。
11.如權(quán)利要求1所述的計算機化系統(tǒng)，其特征在于它還包括將所述知識輸出給知識儲存庫的輸出模塊。
12.一種將數(shù)據(jù)轉(zhuǎn)換為知識的計算機化方法，所述計算機化方法包括提供用戶指定規(guī)則，以管理用于將數(shù)據(jù)轉(zhuǎn)換為知識的計算機化系統(tǒng)的行為；以及根據(jù)所述規(guī)則處理數(shù)據(jù)以產(chǎn)生知識。
13.如權(quán)利要求12所述的計算機化方法，其特征在于，它還包括根據(jù)額外規(guī)則的數(shù)據(jù)，并不改變所述現(xiàn)有處理部件。
14.如權(quán)利要求12所述的計算機化方法，其特征在于，所述用戶指定規(guī)則為分組結(jié)構(gòu)規(guī)則。
15.如權(quán)利要求12所述的計算機化方法，其特征在于，所述用戶指定規(guī)則為分組調(diào)度規(guī)則。
16.如權(quán)利要求12所述的計算機化方法，其特征在于，所述用戶指定規(guī)則為文本析取規(guī)則。
17.如權(quán)利要求12所述的計算機化方法，其特征在于，所述用戶指定規(guī)則為分組輸出規(guī)則。
18.如權(quán)利要求12所述的計算機化方法，其特征在于，根據(jù)所述規(guī)則處理數(shù)據(jù)還包括從所述數(shù)據(jù)析取文本。
19.如權(quán)利要求12所述的計算機化方法，其特征在于，根據(jù)所述規(guī)則處理數(shù)據(jù)還包括將所述知識輸出給知識儲存庫。
20.如權(quán)利要求12所述的計算機化方法，其特征在于，根據(jù)所述規(guī)則處理數(shù)據(jù)還包括將數(shù)據(jù)轉(zhuǎn)換成中立格式。
21.一種計算機可讀媒體，它具有存于其上用于執(zhí)行將數(shù)據(jù)轉(zhuǎn)換為知識的方法的計算機可執(zhí)行指令，所述計算機化方法包括接收未結(jié)構(gòu)化形式的數(shù)據(jù)；將所述數(shù)據(jù)轉(zhuǎn)換成中立形式；根據(jù)用戶指定規(guī)則處理數(shù)據(jù)，以將所述數(shù)據(jù)從所述中立形式轉(zhuǎn)換成知識；以及將所述知識輸出給知識儲存庫。
22.如權(quán)利要求21所述的計算機可讀媒體，其特征在于，將所述數(shù)據(jù)轉(zhuǎn)換成中立形式包括對所述數(shù)據(jù)應(yīng)用用戶指定分組結(jié)構(gòu)規(guī)則。
23.如權(quán)利要求21所述的計算機可讀媒體，其特征在于，根據(jù)用戶指定規(guī)則處理數(shù)據(jù)包括對所述數(shù)據(jù)應(yīng)用用戶指定分組調(diào)度規(guī)則以將所述分組發(fā)送給分組處理模塊。
24.如權(quán)利要求21所述的計算機可讀媒體，其特征在于，根據(jù)用戶指定規(guī)則處理數(shù)據(jù)包括對所述數(shù)據(jù)應(yīng)用用戶指定文本析取規(guī)則。
25.如權(quán)利要求21所述的計算機可讀媒體，其特征在于，將所述數(shù)據(jù)輸出給所述知識儲存庫包括對所述數(shù)據(jù)應(yīng)用用戶指定分組輸出規(guī)則。
全文摘要
描述了一種可訓(xùn)練可擴充的自動數(shù)據(jù)－知識轉(zhuǎn)換器。本發(fā)明的一個方面包括具有至少一個儲存庫和至少一個處理模塊的計算機化系統(tǒng)，所述至少一個儲存庫用于存儲對計算機化系統(tǒng)處理數(shù)據(jù)進行管理的用戶指定規(guī)則，所述至少一個處理模塊用于根據(jù)這些規(guī)則處理數(shù)據(jù)并從數(shù)據(jù)產(chǎn)生知識。本發(fā)明的另一方面是將數(shù)據(jù)轉(zhuǎn)換成知識的計算機化方法。計算機化方法包括提供用戶指定規(guī)則來管理計算機化系統(tǒng)將數(shù)據(jù)轉(zhuǎn)換成知識并根據(jù)這些規(guī)則處理數(shù)據(jù)以產(chǎn)生知識的行為。本發(fā)明還有一個方面是一種計算機可讀媒體，它具有存于其上的計算機可執(zhí)行指令以執(zhí)行將數(shù)據(jù)轉(zhuǎn)換成知識的方法。計算機化方法包括接收未結(jié)構(gòu)化形式的數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)換成中立形式，根據(jù)用戶指定規(guī)則處理數(shù)據(jù)并將數(shù)據(jù)從中立形式轉(zhuǎn)換為知識，以及將知識輸出給知識儲存庫。
文檔編號G06N5/00GK1650327SQ01809022
公開日2005年8月3日 申請日期2001年3月9日 優(yōu)先權(quán)日2000年3月10日
發(fā)明者K·M·克拉默, H·C·沃格斯, S·C·蓋特詹斯 申請人:霍尼韋爾國際公司