[發明專利]危險化學品安全領域專業詞庫的構造方法、檢索方法及系統

在審

• 申請號: 202010281569.5
• 申請日: 2020-04-10
• 公開（公告）號: CN113515585A
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 蔣瀚;于一帆;郭峻東;施紅勛;常慶濤
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司青島安全工程研究院
• 主分類號: G06F16/31
• 分類號: G06F16/31;G06F16/35;G06F16/36
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 肖冰濱;王曉曉

1.一種專業詞庫的構造方法，其特征在于，該構造方法包括：

S1)形成詞條存儲結構，并獲取關于危險化學品安全專業的詞匯，然后按照所述詞條存儲結構，將所述詞匯形成專業詞庫的詞條，其中，所述詞條存儲結構用于所述專業詞庫的數據單元的存儲結構，所述詞條被定義為所述專業詞庫的數據單元，所述數據單元包括所述詞匯的字符串；

S2)形成所述專業詞庫的詞表，然后構建關于所述詞表和所述詞匯的標識樹，通過所述標識樹獲得與所述詞匯的字符串對應的索引值，再記錄所述索引值與所述專業詞庫中所述詞匯的字符串或所述詞條的映射關系，其中，所述詞表被定義為所述專業詞庫中同一類詞條的集合。

2.根據權利要求1所述的專業詞庫的構造方法，其特征在于，步驟S1)中形成詞條存儲結構，包括：

定義專業詞項、同義詞項、詞性項和詞頻項，通過所述專業詞項、所述同義詞項、所述詞性項和所述詞頻項四個字段形成詞條存儲結構，其中，

所述專業詞項用于記錄專業詞匯的字符串，所述同義詞項用于記錄所述專業詞匯的同義詞的字符串，所述詞性項用于記錄所述專業詞匯的詞分類，所述詞頻項用于記錄所述專業詞匯的出現次數，所述專業詞匯為獲取的詞匯中至少一個詞匯。

3.根據權利要求2所述的專業詞庫的構造方法，其特征在于，步驟S1)中獲取關于危險化學品安全專業的詞匯，包括：

使用分詞器對關于危險化學品安全專業的文檔數據進行分詞，分詞后至少獲得詞匯、所述詞匯的詞分類和所述詞匯的出現次數；

篩選所述詞匯，篩選后獲得關于危險化學品安全專業的詞匯，并作為獲取的詞匯。

4.根據權利要求3所述的專業詞庫的構造方法，其特征在于，步驟S1)中在使用分詞器對關于危險化學品安全專業的文檔數據進行分詞之前，還包括：

獲取文本數據，其中，所述文本數據包括：具有危險化學品事故詳情信息的文本數據、具有危險化學品企業登記信息的文本數據、具有危險與可操作性研究報告信息的文本數據、具有安全儀表系統定級與驗證研究報告信息的文本數據、具有與危險化學品安全關聯的法律法規信息的文本數據和具有國家化工標準信息的文本數據；

轉換所述文本數據為同一種數據格式的文本文檔；

去除文本長度小于長度閾值的文本文檔，然后對保留的文本文檔執行文檔處理操作，獲得關于危險化學品安全專業的文檔數據，其中，所述文檔處理操作包括去除排版格式信息、去除標點符號和去除停用詞。

5.根據權利要求3所述的專業詞庫的構造方法，其特征在于，步驟S1)中按照所述詞條存儲結構，將所述詞匯形成專業詞庫的詞條，包括：

從獲取的詞匯中提取詞匯，將提取的詞匯組合后獲得專業詞匯，或者，從獲取的詞匯中提取詞匯，將提取的詞匯作為專業詞匯；

按照所述詞條存儲結構的不同字段，將所述專業詞匯的字符串記錄于所述專業詞項中，將與所述專業詞匯對應的詞分類于所述詞性項中，并將與所述專業詞匯對應的出現次數記錄于所述詞頻項中，形成專業詞庫的詞條。

6.根據權利要求2所述的專業詞庫的構造方法，其特征在于，步驟S1)中按照所述詞條存儲結構，將所述詞匯形成專業詞庫的詞條，包括：

將所述詞匯的字符串記錄于所述專業詞項中，添加與所述詞匯對應的詞分類于所述詞性項中，以默認數值初始化與所述詞匯對應的出現次數并記錄初始化后的出現次數于所述詞頻項中，形成專業詞庫的詞條，其中，所述詞匯為從結構化表單數據中獲取的詞匯。

7.根據權利要求1所述的專業詞庫的構造方法，其特征在于，步驟S2)中的詞表包括：

固定裝置名稱詞表、機關處室全稱和/或簡稱詞表、化工企業板塊詞表、人員公職詞表、員工名稱詞表、行政區詞表、組織機構全稱和/或簡稱詞表、事故類型詞表、煉化裝置類別詞表、十大風險詞表、物理介質詞表、企業全稱和/或簡稱詞表、創收手段詞表、榮譽名稱詞表、事故簡報類型詞表、法律法規類型詞表、危險化學品目錄詞表、風險點名稱詞表、處理單元名稱詞表、事故死亡原因詞表和風險區域詞表。