[發明專利]一種新能源政策信息抽取方法及系統

在審

• 申請號: 201811427506.5
• 申請日: 2018-11-27
• 公開（公告）號: CN109766416A
• 公開（公告）日: 2019-05-17
• 發明（設計）人: 王曉蓉;王繼業;朱朝陽;張東霞;劉鳳魁;遲遠英;劉長年;徐禮志
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網有限公司;國網江蘇省電力有限公司電力科學研究院
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/36;G06F17/27
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

1.一種新能源政策信息抽取方法，其特征在于，所述方法包括：

將新能源政策處理為設定格式的新能源政策文本；

基于預先建立的新能源政策特征詞典庫，采用標點符號自動識別分句的方法對所述新能源政策文本進行分句層次劃分與標注，輸出劃分與標注結果，生成文本語句庫；

基于統一服務接口，根據所述文本語句生成新能源政策特征詞典庫和文本語句庫的關鍵信息，并輸出。

2.根據權利要求1所述的方法，其特征在于，所述新能源政策特征詞典庫的建立包括：

對收集的新能源政策進行預處理；

利用專家法，對預處理后的新能源政策文本的數據庫進行抽樣分析，生成用于存儲基本特征詞的新能源政策特征詞典庫。

3.根據權利要求1所述的方法，其特征在于，所述基于預先建立的新能源政策特征詞典庫，采用標點符號自動識別分句的方法對新能源政策文本進行分句層次劃分與標注，輸出劃分與標注結果，生成文本語句庫包括：

基于預先建立的新能源政策特征詞典庫，對新能源政策文本進行分詞處理，生成文本分詞庫；

根據所述文本分詞庫的分詞詞頻情況，更新新能源政策特征詞典庫；

基于更新的新能源政策特征詞典庫，建立文本語句庫。

4.根據權利要求2所述的方法，其特征在于，所述對收集的新能源政策進行預處理包括：

采集新能源政策，根據預先定義的編碼格式構建基于新能源政策的文本數據庫，以及用于管理所述新能源政策相關信息的政策數據表；

所述政策數據表包括上傳人、上傳時間、來源、編號、政策名稱、發文部門和發文日期。

5.根據權利要求2所述的方法，其特征在于，所述基本特征詞包括：電價、補貼、財稅、增值稅退征、所得稅減免、財政補貼、增值稅退征、法律、法案、行動計劃、規劃、建設方案、全額保障收購、新能源裝機容量、新增投產容量、累計并網裝機容量、年發電量、裝機容量占比、發電量占比、CO2減排量、SO2減排量和NOX減排量。

6.根據權利要求3所述的方法，其特征在于，所述基于預先建立的新能源政策特征詞典庫，對新能源政策文本進行分詞處理，生成文本分詞庫包括：

調用開源分詞工具，將所述基本特征詞加載至開源分詞工具的自定義詞庫中，利用所述開源分詞工具的默認詞庫對新能源政策文本進行分詞處理，得到分詞的詞性、詞頻和位置；

采用TF-IDF算法，計算所述基本特征詞的權重；

基于所述分詞的詞性、詞頻和位置和所述基本特征詞的權重，構建文本分詞庫。

7.根據權利要求6所述的方法，其特征在于，通過下式確定基本特征詞的權重：

TF＝t；

IDF＝log(N/n)；c

TF-IDF＝TF*IDF＝t*log(N/n)

式中，t為文本中基本特征詞K出現的次數，N為新能源政策文本總文檔數，n為包含基本特征詞K的文檔數。

8.根據權利要求6所述的方法，其特征在于，所述根據文本分詞庫的分詞詞頻情況，更新新能源政策特征詞典庫包括：

根據基本特征詞的權重，確定所述基本特征詞在新能源政策文本中出現的頻次；

基于所述基本特征詞在新能源政策文本中出現的頻次，對新能源政策特征詞典庫中未包含的基本特征詞進行二次專家評估，并將評估合格的基本特征詞更新至新能源政策特征詞典庫。

9.根據權利要求3所述的方法，其特征在于，所述采用標點符號自動識別分句的方法對新能源政策文本進行分句層次劃分與標注包括：

將句號、問號、感嘆號作為標明句的分句符號；

將著重號、連接號、間隔號、書名號和專名號作為編程中自動忽略的斷句標記；

通過頓號、引號和括號對初始程序修改，完成分句。