[發(fā)明專利]一種政策關(guān)鍵信息提取方法和裝置、存儲(chǔ)介質(zhì)、電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202011221208.8
• 申請(qǐng)日: 2020-11-05
• 公開（公告）號(hào): CN112035653B
• 公開（公告）日: 2021-03-02
• 發(fā)明（設(shè)計(jì)）人: 孫會(huì)峰;邢婷;冷小萱;李健誠
• 申請(qǐng)（專利權(quán)）人: 北京智源人工智能研究院
• 主分類號(hào): G06F16/332
• 分類號(hào): G06F16/332;G06F16/35;G06F40/30
• 代理公司: 北京動(dòng)力號(hào)知識(shí)產(chǎn)權(quán)代理有限公司 11775
• 代理人: 梁艷;白婉露

本發(fā)明公開了一種政策關(guān)鍵信息提取方法和裝置、存儲(chǔ)介質(zhì)、電子設(shè)備。方法包括以下步驟：從多個(gè)數(shù)據(jù)來源獲取政策信息；根據(jù)基于優(yōu)惠政策的關(guān)鍵詞對(duì)所述政策信息進(jìn)行分類，得到所述政策信息中的申報(bào)類政策文本；對(duì)所述申報(bào)類政策文本進(jìn)行正則表達(dá)匹配和語義相似度計(jì)算，提取政策關(guān)鍵信息，所述政策關(guān)鍵信息包含：政策支持的申報(bào)條件、支持金額以及申報(bào)時(shí)間。采用本發(fā)明的技術(shù)方案，能夠?qū)崿F(xiàn)對(duì)政策進(jìn)行類別標(biāo)注，并提取申報(bào)類政策文本中的支持條件、支持資金數(shù)額、申報(bào)時(shí)間關(guān)鍵信息；標(biāo)注解析后的政策信息可用于多維數(shù)據(jù)分析和對(duì)企業(yè)的定向推送。

技術(shù)領(lǐng)域

本發(fā)明屬于信息檢索技術(shù)領(lǐng)域，尤其涉及一種政策關(guān)鍵信息提取方法和裝置、存儲(chǔ)介質(zhì)、電子設(shè)備。

背景技術(shù)

產(chǎn)業(yè)政策是國家用來發(fā)展產(chǎn)業(yè)的必要工具，對(duì)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和推動(dòng)經(jīng)濟(jì)發(fā)展具有重要價(jià)值。目前，我國政策文件大多分布于中央和地方各級(jí)政府部門網(wǎng)站。現(xiàn)有的產(chǎn)業(yè)政策網(wǎng)站主要對(duì)不同來源的政策文件進(jìn)行匯總，但并未對(duì)政策文本包含的關(guān)鍵信息進(jìn)行解析。匯總后的政策數(shù)量龐大，不具有針對(duì)性，難以為用戶提供更加多維和精準(zhǔn)的政策分析。

少數(shù)政策分析平臺(tái)采用人工標(biāo)注的方式對(duì)政策文本內(nèi)容進(jìn)行解析，但此種方式人工成本高，能分析的政策數(shù)量有限，難以利用大量政策信息進(jìn)行全面的數(shù)據(jù)分析。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中存在的技術(shù)問題，本發(fā)明提供了如下技術(shù)方案。

本發(fā)明提供了一種政策關(guān)鍵信息提取方法，包括以下步驟：

從多個(gè)數(shù)據(jù)來源獲取政策信息；

根據(jù)基于優(yōu)惠政策的關(guān)鍵詞對(duì)所述政策信息進(jìn)行分類，得到所述政策信息中的申報(bào)類政策文本；

對(duì)所述申報(bào)類政策文本進(jìn)行正則表達(dá)匹配和語義相似度計(jì)算，提取政策關(guān)鍵信息，所述政策關(guān)鍵信息包含：政策支持的申報(bào)條件、支持金額以及申報(bào)時(shí)間。

本發(fā)明中，所述基于優(yōu)惠政策的關(guān)鍵詞包含：申報(bào)單位、申報(bào)材料、申報(bào)方式和/或資金支持方式。

本發(fā)明中，所述根據(jù)基于優(yōu)惠政策的關(guān)鍵詞對(duì)所述政策信息進(jìn)行分類，得到所述政策信息中的申報(bào)類政策文本，包括：

根據(jù)所述關(guān)鍵詞對(duì)所述政策信息進(jìn)行全量匹配，得到第一組申報(bào)類政策集合；

將所述第一組申報(bào)類政策集合之外的政策信息輸入預(yù)先訓(xùn)練得到的文本分類模型，得到第二組申報(bào)類政策集合；

根據(jù)所述第一組申報(bào)類政策集合和第二組申報(bào)類政策集合得到所述申報(bào)類政策文本。

本發(fā)明中，按照下述方式訓(xùn)練得到所述文本分類模型：

從所述第一組申報(bào)類政策集合中抽取政策信息，構(gòu)造正樣本；

從所述第一組申報(bào)類政策集合之外的政策信息中抽取非申報(bào)類的政策信息，構(gòu)造負(fù)樣本，所述負(fù)樣本和正樣本的數(shù)量相同；

基于所述正樣本和負(fù)樣本訓(xùn)練得到所述文本分類模型。

本發(fā)明中，所述對(duì)所述申報(bào)類政策文本進(jìn)行正則表達(dá)匹配和語義相似度計(jì)算，提取所述政策關(guān)鍵信息，包括：

對(duì)所述申報(bào)類政策文本進(jìn)行第一次分句處理，得到多個(gè)句子及其在所述申報(bào)類政策文本中的第一位置信息；

對(duì)所述句子進(jìn)行第二次分句處理，得到多個(gè)子句以及所述子句在所述句子中的第二位置信息；

將所述子句與預(yù)定義的正則表達(dá)式進(jìn)行匹配；

提取成功匹配的子句中的數(shù)字和時(shí)間分別作為所述支持金額和申報(bào)時(shí)間；

將未成功匹配的子句與成功匹配的子句進(jìn)行語義相似度計(jì)算，提取計(jì)算結(jié)果不小于預(yù)設(shè)閾值的未成功匹配的子句中的數(shù)字和時(shí)間分別作為支持金額和申報(bào)時(shí)間；