[發明專利]一種自學習的事故文字標簽與摘要生成系統及其方法

有效

• 申請號: 201910154828.5
• 申請日: 2019-03-01
• 公開（公告）號: CN109961091B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 魯立虹;陳尚武;盧錫芹;胡松濤;倪仰;張慧娟;趙伯亮;鄔奇龍
• 申請（專利權）人: 杭州敘簡科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/33;G06F40/284
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

1.一種自學習的事故文字標簽與摘要生成系統，其特征在于，包括分詞模塊(1)，詞向量訓練模塊(2)、詞向量模型模塊(3)、關鍵詞生成模塊(4)、關鍵詞庫模塊(5)、文字標簽生成模塊(6)，文字標簽庫模塊(7)、文字標簽分類模塊(8)、事故摘要生成模塊(9)、事故庫模塊(12)；

事故信息(0)：是指預先輸入并存儲大量事故信息文檔；

分詞模塊(1)：用于把輸入事故信息(0)內的故事信息文檔進行中文分詞，去除間隔詞、時間與地點無效詞；這樣事故信息(0)中的事故信息文檔在經過分詞模塊(1)的分詞處理后得到分詞數據輸送到詞向量訓練模塊(2)與關鍵詞生成模塊(4)；

詞向量訓練模塊(2)：根據對已接收到所有的分詞數據使用訓練成事故信息的詞向量模型，用于事故信息中分詞相似度的判斷，并將詞向量模型輸出給詞向量模型模塊(3)；

關鍵詞生成模塊(4)：對輸入事故信息(0)的分詞數據清理，只保留名詞與動詞，把清理后數據采用提取關鍵字，并把關鍵詞進行按照事故個數匯總統計，使用詞向量模型模塊(3)合并相似度高的關鍵詞，合并后關鍵詞發送給關鍵詞庫模塊(5)；

詞向量模型模塊(3)：保存已輸入事故信息的詞向量模型；詞向量模型模塊(3)接收詞向量訓練模塊(2)生成的模型，并提供給關鍵詞生成模塊(4)與文字標簽生成模塊(6)使用；

關鍵詞庫模塊(5)：保存已輸入事故信息的關鍵詞，以及關鍵詞的檢索詞；關鍵詞庫模塊(5)接收關鍵詞生成模塊(4)生成詞向量模型，并提供文字標簽生成模塊(6)與文字標簽分類模塊(8)使用；

文字標簽生成模塊(6)：使用關鍵詞庫模塊(5)的關鍵字查詢在事故庫模塊(12)中按照語法關系尋找的上下文并統計事故個數；使用詞向量模型模塊(3)使用相似度高的上下文；把關鍵詞加上下文合成文字標簽，把事故個數大于閥值的文字標簽輸出給文字標簽庫模塊(7)；

文字標簽庫模塊(7)：保存已輸入事故信息的文字標簽，以及文字標簽的事故個數、檢索詞和關鍵詞；文字標簽庫模塊(7)接收文字標簽生成模塊(6)生成文字標簽，用于文字標簽分類模塊(8)對事故信息進行歸類；

文字標簽分類模塊(8)：對事故信息(0)進行文字標簽分類；優先使用關鍵詞庫模塊(5)的關鍵詞以及關鍵詞的檢索詞對事故信息(0)進行檢索，找到包含該關鍵詞的事故信息(0)的句子，使用該關鍵詞相關文字標簽的上下文在該句子中查找，該句子包含該上下文則該文字標簽作為給事故信息(0)的文字標簽；

文字標簽分類模塊(8)輸出該事故的標準化事故文字標簽(11)，文字標簽分類模塊(8)同時把文字標簽發給摘要生成模塊(9)；

摘要生成模塊(9)：接收文字標簽分類模塊(8)，在事故信息(9)組合判斷主謂、動賓語法關系，如果存在則文字標簽進行組合生成標準化的摘要；

事故庫模塊(12)：保存所有輸入事故信息(0)，為事故標簽生成模塊(6)提供查詢服務；

事故文字標簽(11)：對事故信息(0)進行標準化單維度描述，用于事故信息標準化檢索與歸類統計；

事故摘要信息(10)：對事故信息(0)進行標準化簡單描述；用于事故信息歸一簡要查看，以及是否為類似事故分析。