[發明專利]化學表達式提取方法、裝置及設備

在審

• 申請號: 201911331077.6
• 申請日: 2019-12-20
• 公開（公告）號: CN111159337A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 易顯維
• 申請（專利權）人: 中國建設銀行股份有限公司;建信金融科技有限責任公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/289;G06K9/62
• 代理公司: 北京市蘭臺律師事務所 11354
• 代理人: 張峰

1.一種化學表達式提取方法，其特征在于，所述方法包括：

獲取化學題文本數據；

對所述化學題文本數據進行分詞操作，得到所述化學題文本數據對應的至少一個分詞；

確定所述至少一個分詞中，與預設的化學表達式聚類中心之間的距離小于預設閾值的分詞為目標分詞；

提取所述目標分詞，得到所述化學題文本數據中的化學表達式。

2.根據權利要求1所述的方法，其特征在于，所述確定所述至少一個分詞中，與預設的化學表達式聚類中心之間的距離小于預設閾值的分詞為目標分詞之前，所述方法還包括：

獲取樣本化學題文本數據；

采用預設算法對所述樣本化學題文本數據進行聚類分析，得到所述樣本化學題文本數據對應的多個聚類中心；

從多個所述聚類中心中，確定得到所述化學表達式聚類中心。

3.根據權利要求2所述的方法，其特征在于，所述采用預設算法對所述樣本化學題文本數據進行聚類分析，包括：

采用K均值聚類算法對所述樣本化學題文本數據進行聚類分析。

4.根據權利要求2所述的方法，其特征在于，所述對所述化學題文本數據進行分詞操作，包括：

采用隱馬爾可夫模型，對所述化學題文本數據進行分詞操作。

5.根據權利要求4所述的方法，其特征在于，所述確定所述至少一個分詞中，與預設的化學表達式聚類中心之間的距離小于預設閾值的分詞為目標分詞，包括：

對所述至少一個分詞中的任一個分詞：

計算所述分詞與預設的化學表達式聚類中心之間的距離；

判斷所述分詞與所述化學表達式聚類中心之間的距離是否小于預設閾值；

若是，則確定所述分詞為目標分詞。

6.根據權利要求5所述的方法，其特征在于，所述計算所述分詞與預設的化學表達式聚類中心之間的距離，包括：

根據歐式空間坐標確定所述化學表達式聚類中心的中心位置；

將所述分詞轉換為對應的詞向量；

采用余弦相似度算法計算所述詞向量與所述中心位置之間的距離，得到所述分詞與所述化學表達式聚類中心之間的距離。

7.根據權利要求6所述的方法，其特征在于，所述將所述分詞轉換為對應的詞向量，包括：

根據預設深度網絡，將所述分詞轉換為對應的詞向量；其中，所述預設深度網絡包括隱含層，所述隱含層用于輸出所述分詞對應的詞向量。

8.根據權利要求1-7任一項所述的方法，其特征在于，所述方法還包括：

將所述化學表達式保存于數據庫的化學表達式字段中。

9.一種化學表達式提取裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取化學題文本數據；

分詞模塊，用于對所述化學題文本數據進行分詞操作，得到所述化學題文本數據對應的至少一個分詞；

判斷模塊，用于確定所述至少一個分詞中，與預設的化學表達式聚類中心之間的距離小于預設閾值的分詞為目標分詞；

提取模塊，用于提取所述目標分詞，得到所述化學題文本數據中的化學表達式。

10.一種化學表達式提取設備，其特征在于，包括：處理器、存儲介質和總線，所述存儲介質存儲有所述處理器可執行的機器可讀指令，當所述化學表達式提取設備運行時，所述處理器與所述存儲介質之間通過所述總線通信，所述處理器執行所述機器可讀指令，以執行如權利要求1-8任一項所述的方法。