面向人事管理的智能填表系统的研究与设计

论文摘要

随着我国办公自动化事业的飞速发展，对人事信息管理智能化的需求与日俱增；目前，人事工作中的表格处理工作基本上都要通过人工输入方式来完成，而人事数据却在逐年增多，这也为准确快捷地查找相应的数据带来了不少困难。由此人们非常希望能实现人事工作中表格的智能化处理，使人事数据库中的数据能自动抽取出来填入相应表格，并进行信息重组，减少手工输入来提高办事效率。因此，展开面向人事管理的智能填表系统的研究有重要的实际意义。论文作者基于工作单位的实际情况需求，提出了一种基于表格的数据抽取和数据重组的的实际研究课题；论文的主要研究工作内容如下：首先，论文在认真研究了表格处理软件和从模板库中获取表格模板方法的基础上，提出了一种适应性较强的抽取方法。这种方法首先确定表头行和列的内容，然后，识别出是“文本”还是“数值”，“文本”则需要确定表格内容与要抽取的内容相关度；而“数值”则要根据条件和公式将抽取出来的数据处理后填入模板。其次，论文研究了命名实体库的构建与优化和基于串匹配与串频统计相结合的分词处理，并实现了利用隐马尔可夫模型自动填充表格方法。此外，通过对人事工资各年所填表格的统计分析，发现此类表之间存在着一定的相关性。如年终奖根据本年各月工资表及新颁布的标准进行计算，公积金、社保根据去年的工资总额进行调整，均有一定的规律可循，针对这个问题，论文作者提出了面向人事管理的智能填表系统设计方法，它具有搜索符合条件的数据，将其抽取出来并重新填入表格的基本功能。最后，本系统经过初步测试，已在本单位人事部门进行了试运行，从目前的情况来看，系统功能已经基本达到了预期的设计目标。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 国外信息抽取技术发展情况
• 1.2.2 中文信息抽取技术发展情况
• 1.2.3 中文信息抽取技术的研究对象
• 1.2.4 数字化信息资源重组的必要性
• 1.3 本文的研究思路和工作
• 1.3.1 研究目标
• 1.3.2 研究内容
• 1.3.3 拟解决的关键问题
• 1.4 论文组织结构
• 第二章 命名实体库的构建与优化
• 2.1 命名实体库的构建
• 2.1.1 信息资源的获取
• 2.1.2 教职工个人全信息数据库的设计
• 2.2 命名实体库的优化
• 2.2.1 实体识别方法
• 2.2.2 教职工信息的关系确定
• 2.3 本章小结
• 第三章 复方分词处理与隐马尔可夫的最大熵模型
• 3.1 基于字符串匹配的分词处理
• 3.2 基于串频统计的分词处理
• 3.3 隐马尔可夫的文本信息抽取的最大熵模型
• 3.4 隐马尔可夫模型（HMM）
• 3.4.1 隐马尔可夫模型参数的获取
• 3.5 基于最大熵的隐马尔可夫模型文本信息抽取算法
• 3.5.1 最大熵原理
• 3.5.2 基于最大熵的隐马尔可夫模型文本信息抽取算法
• 3.6 本章小结
• 第四章 人事管理智能填表系统设计
• 4.1 智能填表系统总体设计
• 4.1.1 系统设计的总体要求
• 4.1.2 系统的菜单模块
• 4.2 表格表头内容的确定
• 4.2.1 模板的设置
• 4.2.2 确定表格表头内容
• 4.2.3 字段的匹配与抽取
• 4.3 系统实现效果
• 4.4 本章小结
• 结论
• 一、论文工作总结
• 二、今后研究工作展望
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢