[發(fā)明專利]基于票據(jù)知識(shí)圖譜的主次數(shù)據(jù)庫分配方法及相關(guān)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202011303250.4
• 申請(qǐng)日: 2020-11-19
• 公開（公告）號(hào): CN112380321A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設(shè)計(jì)）人: 熊常春;王敬貴;李海良;張林;劉昂;吳江川
• 申請(qǐng)（專利權(quán)）人: 深圳季連科技有限公司
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F16/36;G06F40/295
• 代理公司: 廣州海藻專利代理事務(wù)所(普通合伙) 44386
• 代理人: 鄭鳳姣

1.一種基于票據(jù)知識(shí)圖譜的主次數(shù)據(jù)庫分配方法，其特征在于，所述方法包括：

對(duì)公司的票據(jù)進(jìn)行光學(xué)字符識(shí)別，得到所述票據(jù)中的多個(gè)數(shù)據(jù)字段；

根據(jù)所述多個(gè)數(shù)據(jù)字段構(gòu)建票據(jù)字段關(guān)聯(lián)知識(shí)圖譜；

獲取與所述公司對(duì)應(yīng)的新聞文本，并對(duì)所述新聞文本進(jìn)行事件抽取，得到所述公司的成長(zhǎng)事件；

調(diào)用預(yù)先訓(xùn)練的BERT預(yù)訓(xùn)練分類模型基于所述成長(zhǎng)事件進(jìn)行分類，得到所述票據(jù)的變化概率；

基于所述變化概率更新所述票據(jù)字段關(guān)聯(lián)知識(shí)圖譜；

將更新后的票據(jù)字段關(guān)聯(lián)知識(shí)圖譜中的小于預(yù)設(shè)概率閾值的變化概率對(duì)應(yīng)的數(shù)據(jù)字段寫入主數(shù)據(jù)庫中，及將大于或者等于所述預(yù)設(shè)概率閾值的變化概率對(duì)應(yīng)的數(shù)據(jù)字段寫入從數(shù)據(jù)庫中。

2.如權(quán)利要求1所述的基于票據(jù)知識(shí)圖譜的主次數(shù)據(jù)庫分配方法，其特征在于，所述根據(jù)所述多個(gè)數(shù)據(jù)字段構(gòu)建票據(jù)字段關(guān)聯(lián)知識(shí)圖譜包括：

確定所述票據(jù)的票據(jù)類型；

根據(jù)所述公司的名稱、所述票據(jù)類型及每個(gè)數(shù)據(jù)字段計(jì)算變化率；

根據(jù)所述公司的名稱、所述票據(jù)類型、每個(gè)數(shù)據(jù)字段及對(duì)應(yīng)的變化率構(gòu)建四元組；

基于所述四元組構(gòu)建票據(jù)字段關(guān)聯(lián)知識(shí)圖譜。

3.如權(quán)利要求2所述的基于票據(jù)知識(shí)圖譜的主次數(shù)據(jù)庫分配方法，其特征在于，所述根據(jù)所述公司的名稱、所述票據(jù)類型及每個(gè)數(shù)據(jù)字段計(jì)算變化率包括：

從預(yù)設(shè)數(shù)據(jù)字段變化表中獲取所述數(shù)據(jù)字段的變化次數(shù)及獲取使用所述數(shù)據(jù)字段的總次數(shù)；

根據(jù)所述數(shù)據(jù)字段的變化次數(shù)及使用所述數(shù)據(jù)字段的總次數(shù)計(jì)算得到所述數(shù)據(jù)字段的變化率。

4.如權(quán)利要求1所述的基于票據(jù)知識(shí)圖譜的主次數(shù)據(jù)庫分配方法，其特征在于，所述獲取與所述公司對(duì)應(yīng)的新聞文本包括：

爬取多個(gè)新聞文本；

針對(duì)每個(gè)新聞文本，采用命名實(shí)體識(shí)別技術(shù)識(shí)別所述新聞文本中的多個(gè)公司命名實(shí)體；

計(jì)算每一個(gè)公司命名實(shí)體的數(shù)量；

將數(shù)量最大的公司命名實(shí)體作為所述新聞文本描述的目標(biāo)公司；

選取所述目標(biāo)公司為所述公司對(duì)應(yīng)的新聞文本。

5.如權(quán)利要求1至4中任意一項(xiàng)所述的基于票據(jù)知識(shí)圖譜的主次數(shù)據(jù)庫分配方法，其特征在于，所述對(duì)所述新聞文本進(jìn)行事件抽取，得到所述公司的成長(zhǎng)事件包括：

抽取所述新聞文本中的事件觸發(fā)詞；

判斷所述事件觸發(fā)詞所依存的主體是否為所述公司；

當(dāng)所述事件觸發(fā)詞所依存的主體為所述公司，則確定所述事件觸發(fā)詞為所述公司的成長(zhǎng)事件。

6.如權(quán)利要求5所述的基于票據(jù)知識(shí)圖譜的主次數(shù)據(jù)庫分配方法，其特征在于，所述調(diào)用預(yù)先訓(xùn)練的BERT預(yù)訓(xùn)練分類模型基于所述成長(zhǎng)事件進(jìn)行分類，得到所述票據(jù)的變化概率包括：

對(duì)所述新聞文本進(jìn)行分詞并轉(zhuǎn)化為詞向量；

對(duì)所述詞向量與所述成長(zhǎng)事件進(jìn)行拼接得到文本描述；

輸入所述文本描述至所述預(yù)先訓(xùn)練的BERT預(yù)訓(xùn)練分類模型中進(jìn)行分類，得到所述票據(jù)的變化概率。

7.如權(quán)利要求6所述的基于票據(jù)知識(shí)圖譜的主次數(shù)據(jù)庫分配方法，其特征在于，所述對(duì)所述新聞文本進(jìn)行分詞并轉(zhuǎn)化為詞向量包括：

采用jieba分詞器對(duì)所述新聞文本進(jìn)行分詞，得到多個(gè)分詞；

采用word2vec將所述多個(gè)分詞轉(zhuǎn)化為詞向量。

8.如權(quán)利要求7所述的基于票據(jù)知識(shí)圖譜的主次數(shù)據(jù)庫分配方法，其特征在于，所述BERT預(yù)訓(xùn)練分類模型的訓(xùn)練過程包括：

獲取多個(gè)公司的歷史新聞文本及歷史成長(zhǎng)事件，并根據(jù)所述歷史新聞文本及所述歷史成長(zhǎng)事件得到歷史文本描述；

在每個(gè)公司的每個(gè)成長(zhǎng)事件之后的預(yù)設(shè)時(shí)間段內(nèi)，確定所述公司的票據(jù)內(nèi)容是否發(fā)生了變化；

為發(fā)生了變化的票據(jù)內(nèi)容設(shè)置第一標(biāo)簽，及為未發(fā)生變化的票據(jù)內(nèi)容設(shè)置第二標(biāo)簽；

基于所述歷史文本描述及所述第一標(biāo)簽或所述第二標(biāo)簽訓(xùn)練BERT模型得到BERT預(yù)訓(xùn)練分類模型。