[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

本發明提供一種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，屬于化工安全技術領域。所述方法包括：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；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。本發明用于專業詞匯處理。

技術領域

本發明涉及化工安全技術領域，具體地涉及一種專業詞庫的構造方法、一種專業詞庫的檢索方法、一種用于專業詞匯索引的系統、一種用于專業詞匯索引的設備和一種計算機可讀存儲介質。

背景技術

隨著化工行業、危險化學品監管的發展，相關機構和企業在危險化學品安全監管與公共互聯網服務的過程中，積累了大量的法規、制度、檔案以及報告文件，這種非結構化的數據逐漸積累，發展成為一種大數據。大數據的價值體現在對大規模數據集合的智能處理方面，如何有效利用大數據中海量信息已成為信息技術發展的一個關鍵性問題。

自然語言處理是計算機科學領域與人工智能領域中的一個重要方向。自然語言處理作為人工智能領域的認知智能，成為目前關注的焦點?；谧匀徽Z言處理的技術對文本數據進行處理和分析，不僅可以免去大量的投入在資料查詢、整理文檔和提取信息方面的人力成本，還可以更好的進行文檔應用，對文檔進行深度的挖掘與利用。而分詞庫的構建是上述所有自然語言處理技術的基礎。面向專業領域的分詞庫的構建對于專業領域文檔的自然語言處理至關重要。

目前，醫學、電氣等領域已有專業分詞庫構建的研究，而針對危險化學品安全領域的分詞庫研究尚空白，這在一定程度上制約了危險化學品安全領域自然語言處理技術應用的發展進程。此外，專業術語的標準化也非依靠人工可以進行，目前已有的指代相同事物的不同專業術語，同一專業術語的不同簡稱等都有待規范化，甚至標準化，表明記載專業術語或專業詞匯的規范缺失。

自然語言處理技術和全文檢索技術應用在危化品安全領域的瓶頸是專業詞庫的缺失。本發明構建了危險化學品專用詞庫能夠從根本上解決這個問題，從而使得面向文本數據的各種應用得以實施。

發明內容

本發明的目的是提供一種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，解決由于專業術語或詞匯語料庫的缺失和語料規范性的缺失，一般詞庫的適用性差，而導致的難以在危險化學品安全領域進行自然語言處理和全文檢索等技術問題。

為了實現上述目的，本發明實施例提供一種專業詞庫的構造方法，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，從而完成專業詞庫的構造，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。

具體的，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。