[發明專利]安全生產事故報告的自動信息提取與分類方法及系統

在審

• 申請號: 202010906189.6
• 申請日: 2020-09-01
• 公開（公告）號: CN114117173A
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 蔣瀚;郭峻東;常慶濤;施紅勛;王建斌;于一帆
• 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: G06F16/951
• 分類號: G06F16/951;G06F40/211;G06F40/216;G06F40/289;G06F16/35;G06K9/62
• 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

1.一種安全生產事故報告的自動信息提取與分類方法，其特征在于，所述方法包括：

獲取安全生產事故報告文本；

將所述安全生產事故報告文本按句進行拆分；

對拆分后的句子進行分詞和信息提取；

計算每個拆分后的句子的句向量；

根據所述句向量對所述安全生產事故報告文本進行分類。

2.根據權利要求1所述的安全生產事故報告的自動信息提取與分類方法，其特征在于，所述獲取安全生產事故報告文本，包括：

獲取安全生產事故報告URL地址；

使用http庫向目標安全生產事故報告URL地址發起請求；

接收服務器返回的響應；

使用解析庫對響應內容進行解析，得到頁面信息數據；

從所述頁面信息數據中提取安全生產事故報告文本。

3.根據權利要求2所述的安全生產事故報告的自動信息提取與分類方法，其特征在于，所述獲取安全生產事故報告URL地址，包括：

登錄安全生產事故報道網站進行事故模糊查詢；

解析查詢頁面，獲得所述安全生產事故報道網站上所有href標簽下的超鏈接安全生產事故報告URL地址。

4.根據權利要求1所述的安全生產事故報告的自動信息提取與分類方法，其特征在于，所述將所述安全生產事故報告文本按句進行拆分，包括：

將所述安全生產事故報告文本轉換為固定編碼格式的文本數據；

以句號為標志，對所述固定編碼格式的文本數據進行拆分；

采用按句換行的方式將拆分后的文本數據存儲為文本文件。

5.根據權利要求1所述的安全生產事故報告的自動信息提取與分類方法，其特征在于，所述對拆分后的句子進行分詞和信息提取，包括：

自定義安全生產事故詞典，詞典中不同類別的詞匯使用不同的符號進行標記；

添加計數字段；

使用分詞模型根據所述詞典在搜索引擎模式下對同一件安全生產事故報告拆分后的句子進行分詞；

使用計數字段對分詞后的句子進行詞頻統計；

根據詞頻統計結果提取所述詞典中各類詞匯對應的信息。

6.根據權利要求5所述的安全生產事故報告的自動信息提取與分類方法，其特征在于，所述根據詞頻統計結果提取所述詞典中各類詞匯對應的信息，包括：

數字信息提取：

確定同類詞匯中詞頻不為零的詞語；

搜索所述詞語在所述安全生產事故報告文本中的所有位置；

向前、向后分別搜索至出現第一個標點符號，得到所述詞語所在語句；

獲取所述語句中的數字，如果不存在數字則記錄為0；

將相同符號的不同詞語得到的數字相加，得到所述同類詞匯的數字信息；

文字信息提取：

根據詞匯的標記獲取文字信息。

7.根據權利要求6所述的安全生產事故報告的自動信息提取與分類方法，其特征在于，該方法還包括：根據對拆分后的句子的信息提取結果進行安全生產事故等級判定，所述事故等級判定包括根據提取的數字信息確定安全生產事故等級。

8.根據權利要求1所述的安全生產事故報告的自動信息提取與分類方法，其特征在于，所述計算每個拆分后的句子的句向量，包括：

將拆分后的句子逐一導入訓練后的BERT模型，計算每個拆分后的句子的句向量。

9.根據權利要求1所述的安全生產事故報告的自動信息提取與分類方法，其特征在于，所述根據所述句向量對所述安全生產事故報告文本進行分類，包括：

將所述句向量導入訓練好的N個不同類別的分類器中，得到N個分類結果；

比較所述N個分類結果，取值最大的分類結果作為所述句向量的分類結果。