[發明專利]配方文件識別方法及裝置、電子設備、存儲介質

有效

• 申請號: 201811369327.0
• 申請日: 2018-11-16
• 公開（公告）號: CN111199170B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 陳予郎
• 申請（專利權）人: 長鑫存儲技術有限公司
• 主分類號: G06V30/418
• 分類號: G06V30/418;G06V30/41;G06V30/10;G06N3/08
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 袁禮君;闞梓瑄

1.一種配方文件識別方法，其特征在于，包括：

獲取待識別文件；

從所述待識別文件中提取出配方關鍵詞，所述配方關鍵詞為所述待識別文件中與數值成組出現的詞；

根據所述待識別文件的配方關鍵詞得到所述待識別文件的特征張量；

利用配方文件識別模型對所述特征張量進行處理，得到所述待識別文件是否為配方文件的識別結果。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取多個樣本文件與所述樣本文件的文件類型，所述文件類型包括配方文件與非配方文件；

根據所述樣本文件的配方關鍵詞得到所述樣本文件的樣本特征張量；

利用所述樣本特征張量與所述文件類型訓練機器學習模型，得到所述配方文件識別模型。

3.根據權利要求2所述的方法，其特征在于，在獲取多個樣本文件后，所述方法還包括：

對所述樣本文件的文本進行分詞，根據分詞的結果構建樣本詞庫；

將所述樣本文件的文本中的詞組添加到所述樣本詞庫中，得到完整的所述樣本詞庫；

所述從所述待識別文件中提取出配方關鍵詞包括：

從所述待識別文件中提取出與數值相鄰的詞或詞組，將所述詞或詞組與所述樣本詞庫進行匹配，并將匹配成功的詞或詞組確定為所述待識別文件的配方關鍵詞。

4.根據權利要求3所述的方法，其特征在于，在得到完整的所述樣本詞庫后，所述方法還包括：

通過所述樣本詞庫提取所述樣本文件的配方關鍵詞，得到配方詞庫；

對所述配方詞庫中的配方關鍵詞進行獨熱編碼，得到所述配方關鍵詞的獨熱向量；

所述根據所述待識別文件的配方關鍵詞得到所述待識別文件的特征張量包括：

根據所述待識別文件的配方關鍵詞的獨熱向量，得到所述待識別文件的特征張量。

5.根據權利要求4所述的方法，其特征在于，所述根據所述待識別文件的配方關鍵詞的獨熱向量，得到所述待識別文件的特征張量包括：

將所述待識別文件的全部配方關鍵詞的獨熱向量相加，得到所述待識別文件的特征張量。

6.根據權利要求2所述的方法，其特征在于，在獲取待識別文件后，所述方法還包括：

提取所述待識別文件的路徑名；

所述根據所述待識別文件的配方關鍵詞得到所述待識別文件的特征張量包括：

根據所述待識別文件的配方關鍵詞與所述待識別文件的路徑名得到所述特征張量。

7.根據權利要求6所述的方法，其特征在于，在獲取多個樣本文件后，所述方法還包括：

提取所述樣本文件的路徑名，并對所述樣本文件的路徑名進行分詞，根據分詞的結果構建路徑詞庫；

對所述路徑詞庫中的路徑詞進行獨熱編碼，得到所述路徑詞的獨熱向量；

所述根據所述待識別文件的配方關鍵詞與所述待識別文件的路徑名得到所述特征張量包括：

根據所述待識別文件的配方關鍵詞得到所述待識別文件的第一特征向量；

根據所述路徑詞庫將所述待識別文件的路徑名拆分為路徑詞，并根據所述待識別文件的路徑詞的獨熱向量得到所述待識別文件的第二特征向量；

根據所述第一特征向量與所述第二特征向量生成所述待識別文件的特征張量。

8.根據權利要求2所述的方法，其特征在于，在獲取待識別文件后，所述方法還包括：

提取所述待識別文件的文件名；

所述根據所述待識別文件的配方關鍵詞得到所述待識別文件的特征張量包括：

根據所述待識別文件的配方關鍵詞與所述待識別文件的文件名得到所述特征張量。