MÉTODO E SISTEMA PARA EXTRAÇÃO E GERENCIAMENTO DE INFORMAÇÕES CONTIDAS EM DOCUMENTOS ELETRÔNICOS

IPC Classification

Abstract

MÉTODO E SISTEMA PARA EXTRAÇÃO E GERENCIAMENTO DE INFORMAÇÕES CONTIDAS EM DOCUMENTOS ELETRÔNICOS. A presente invenção refere-se a um método e sistema que utilizam metadados para facilitar a extração e permitir o gerenciamento de informações contidas em documentos eletrônicos.Tais metadados são mantidos de forma independente, e descrevem o conteúdo dos documentos com base na composição de sua estrutura e no modo como as informações de interesse aparecem dispostas naquela estrutura. Além de proporcionarem uma descrição que permita gerar automaticamente os modelos utilizados na extração, estes metadados também definem um esquema lógico para o gerenciamento das informações extraídas. O método se inicia com uma etapa de preparação (10) na qual os ditos metadados (1) e amostras de documento (2) são coletados e armazenados no sistema. Em seguida, é efetuada a etapa de treinamento (20), na qual o sistema utiliza os ditos metadados (1) e respectivas amostras de documento (2) para construir e treinar os modelos (3) utilizados na extração. Finalmente, na etapa de extração (30), o sistema recebe uma coleção de documentos eletrônicos (4) e utiliza os modelos já treinados (3) para extrair as informações de interesse. Estas informações, após extraídas, são armazenadas (5) pelo sistema de acordo com o esquema lógico definido a partir dos metadados, possibilitando seu gerenciamento imediato. O sistema permite que o método seja aplicado mesmo quando as informações encontram-se dispersas em documentos extensos. Numa modalidade deexecução preferível, os metadados são definidos através de uma XSD (XML Schema Definition), e as amostras de documento são rotuladas em um formato XML, permitindo que sejam validadas por aquela XSD.