[發明專利]一種基于“引文關系”數據的業務行為關系抽取方法及裝置

有效

• 申請號: 201811463779.5
• 申請日: 2018-11-30
• 公開（公告）號: CN109597879B
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 藍建敏
• 申請（專利權）人: 京華信息科技股份有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/289;G06F40/258
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 顏希文;麥小嬋

本發明公開了一種基于“引文關系”數據的業務行為關系抽取方法及裝置，所述方法包括：采集語料，并對所述語料進行預處理及構建語料庫；從所述語料庫中的所有文件標題抽取業務行為詞，并按照業務領域對所述業務行為詞進行歸類，形成各業務領域對應的業務行為詞庫；從所述語料庫中抽取所有文件標題和被引文件標題的關系數據，構建引文關系數據庫；根據所述引文關系數據庫，統計業務行為詞與被引用業務行為詞的數量以及同時出現的次數，生成業務行為關系，并構建業務行為關系庫。本發明能夠提高相關關系業務性，比單一詞距離更貼近業務真實性，提高基于任務的知識檢索準確性。

技術領域

本發明涉及大數據挖掘技術領域，尤其涉及一種基于“引文關系”數據的業務行為關系抽取方法及裝置。

背景技術

在對現有技術的研究和實踐中，本發明的發明人發現：

傳統方法一：人工研讀很多文件、識別文件中的業務行為、建立行為之間相關關系。完全通過人工構建業務行為之間關系的工作量大、覆蓋面窄、關系權重不準確。

傳統方法二：利用word2vec算法計算業務行為詞之間的距離，從而推算業務行為之間的相關關系。這種方法計算的相關關系業務性不強，不能真正滿足檢索相關知識的要求。

發明內容

本發明所要解決的技術問題在于，提供一種基于“引文關系”數據的業務行為關系抽取方法及裝置，能夠提高相關關系業務性，比單一詞距離更貼近業務真實性，提高基于任務的知識檢索準確性。

為解決上述問題，本發明的一個實施例提供一種基于“引文關系”數據的業務行為關系抽取方法，包括：

采集語料，并對所述語料進行預處理及構建語料庫；

從所述語料庫中的所有文件標題抽取業務行為詞，并按照業務領域對所述業務行為詞進行歸類，形成各業務領域對應的業務行為詞庫；

從所述語料庫中抽取所有文件標題和被引文件標題的關系數據，構建引文關系數據庫；

根據所述引文關系數據庫，統計業務行為詞與被引用業務行為詞的數量以及同時出現的次數，生成業務行為關系，并構建業務行為關系庫。

進一步地，所述采集語料，具體的，搜索已有語料，以及從網上下載、抓取語料；所述對所述語料進行預處理，具體的，對所述語料進行語料清洗、分詞、詞性標注和去停用詞。

進一步地，所述從所述語料庫中的所有文件標題抽取業務行為詞，具體的：

對所述語料庫中的所有文件標題進行解析和分詞；

搜集業務行為詞，包括已知的業務行為詞、不斷衍生的業務行為詞和需轉化的業務行為詞；

篩選并測試業務行為詞；

對所述業務行為詞進行初始歸類和推理。

進一步地，所述從所述語料庫中抽取所有文件標題和被引文件標題的關系數據，構建引文關系數據庫，具體的：

對語料庫中的每篇文件內容進行解析，抽取文件標題與被引文件標題的關系數據；

根據所述文件標題，對每篇文件打上業務行為標簽，形成引文關系數據，并構建引文關系數據庫；其中，所述引文關系數據，包括文件標題、行為標簽、被引文件標題、被引行為標簽。

本發明的另一個實施例還提供一種基于“引文關系”數據的業務行為關系抽取裝置，包括：

語料庫模塊，用于采集語料，并對所述語料進行預處理及構建語料庫；

業務行為詞庫模塊，用于從所述語料庫中的所有文件標題抽取業務行為詞，并按照業務領域對所述業務行為詞進行歸類，形成各業務領域對應的業務行為詞庫；