[發(fā)明專利]一種大規(guī)模并行政策數(shù)據(jù)知識抽取方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011354524.2
• 申請日: 2020-11-27
• 公開（公告）號: CN112395860A
• 公開（公告）日: 2021-02-23
• 發(fā)明（設(shè)計）人: 李釗;盧鳳;陳通;王瑞霜;胡傳會;魏靜
• 申請（專利權(quán)）人: 山東省計算中心（國家超級計算濟(jì)南中心）;山東億云信息技術(shù)有限公司
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F40/284;G06F16/36;G06N5/02
• 代理公司: 濟(jì)南誠智商標(biāo)專利事務(wù)所有限公司 37105
• 代理人: 朱曉熹

本發(fā)明提供了一種大規(guī)模并行政策數(shù)據(jù)知識抽取方法及系統(tǒng)，本發(fā)明通過對政策數(shù)據(jù)進(jìn)行正文內(nèi)容解析，獲得政策正文數(shù)據(jù)列表，分別進(jìn)行政策發(fā)文機(jī)構(gòu)、發(fā)布日期知識抽取、政策申報截止日期知識抽取以及政策事件知識抽取，從而實(shí)現(xiàn)政策數(shù)據(jù)的知識抽取。本發(fā)明實(shí)現(xiàn)依存句法分析模型預(yù)加載，達(dá)到模型加載一次，多次使用的效果，提高知識抽取的效率，無需使用人工對知識進(jìn)行抽取，節(jié)省人力成本，提高效率，適用于信息量巨大的網(wǎng)絡(luò)信息獲取。

技術(shù)領(lǐng)域

本發(fā)明涉及知識抽取領(lǐng)域，特別是一種大規(guī)模并行政策數(shù)據(jù)知識抽取方法及系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，網(wǎng)絡(luò)上信息資源的不斷增加，人們對信息獲取的準(zhǔn)確度也有著更高的要求。在信息量巨大的網(wǎng)絡(luò)中，檢索到符合用戶預(yù)期的結(jié)果信息是亟待解決的問題，為了讓用戶更精準(zhǔn)更快速的獲取到自己想要的政策信息，這就需要構(gòu)建政策知識圖譜，基于政策知識圖譜建立自動問答系統(tǒng)。而構(gòu)建政策知識圖譜，需要先有知識，而現(xiàn)有技術(shù)中缺少快速準(zhǔn)確的知識獲取方法。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種大規(guī)模并行政策數(shù)據(jù)知識抽取方法及系統(tǒng)，旨在解決現(xiàn)有技術(shù)中缺少從網(wǎng)絡(luò)中快速獲取政策知識信息的問題，實(shí)現(xiàn)提高知識抽取的效率及準(zhǔn)確度。

為達(dá)到上述技術(shù)目的，本發(fā)明提供了一種大規(guī)模并行政策數(shù)據(jù)知識抽取方法，所述方法包括以下操作：

采集政策信息數(shù)據(jù)，對政策信息數(shù)據(jù)進(jìn)行正文內(nèi)容解析，生成政策正文數(shù)據(jù)列表；

對政策正文數(shù)據(jù)列表進(jìn)行倒序遍歷，根據(jù)當(dāng)前列表元素與下一列表元素的內(nèi)容，判斷是否為發(fā)布日期，進(jìn)行發(fā)布日期知識抽取；

對發(fā)布日期后的列表元素，根據(jù)列表元素是否含有發(fā)文機(jī)構(gòu)關(guān)鍵詞作為結(jié)尾，進(jìn)行發(fā)文機(jī)構(gòu)知識抽取；

根據(jù)截止日期規(guī)則對政策正文數(shù)據(jù)列表進(jìn)行截止日期知識抽取；

對政策標(biāo)題通過依存句法分析模型進(jìn)行分析，根據(jù)得到的依存句法分析結(jié)果進(jìn)行政策事件知識抽取。

優(yōu)選地，所述當(dāng)前列表元素為日期且下一列表元素含有發(fā)文機(jī)構(gòu)關(guān)鍵詞作為結(jié)尾，則當(dāng)前列表元素為發(fā)布日期。

優(yōu)選地，所述根據(jù)得到的依存句法分析結(jié)果進(jìn)行政策事件知識抽取具體為：

根據(jù)得到的依存句法分析結(jié)果，獲取標(biāo)題中的謂詞及其索引，判斷謂詞索引的位置，如果謂詞索引位置大于等于句子長度的1/4，則對標(biāo)題句子進(jìn)行處理，否則不處理；對獲取的標(biāo)題句子進(jìn)行分析，獲取謂詞、主語、謂詞修飾語以及賓語，并根據(jù)分析結(jié)果抽取事件：

如果賓語的長度大于4，則事件為賓語；否則如果謂詞修飾語與賓語拼接后的長度大于4，則事件為謂詞修飾語與賓語拼接后的結(jié)果；否則如果主語的長度大于4，則事件為主語；如果均不符合，則將事件賦值為標(biāo)題句子。

優(yōu)選地，所述依存句法分析模型為預(yù)加載。

本發(fā)明還提供了一種大規(guī)模并行政策數(shù)據(jù)知識抽取系統(tǒng)，所述系統(tǒng)包括：

政策信息采集模塊，用于采集政策信息數(shù)據(jù)，對政策信息數(shù)據(jù)進(jìn)行正文內(nèi)容解析，生成政策正文數(shù)據(jù)列表；

發(fā)布日期抽取模塊，用于對政策正文數(shù)據(jù)列表進(jìn)行倒序遍歷，根據(jù)當(dāng)前列表元素與下一列表元素的內(nèi)容，判斷是否為發(fā)布日期，進(jìn)行發(fā)布日期知識抽取；

發(fā)文機(jī)構(gòu)抽取模塊，用于對發(fā)布日期后的列表元素，根據(jù)列表元素是否含有發(fā)文機(jī)構(gòu)關(guān)鍵詞作為結(jié)尾，進(jìn)行發(fā)文機(jī)構(gòu)知識抽取；

截止日期抽取模塊，用于根據(jù)截止日期規(guī)則對政策正文數(shù)據(jù)列表進(jìn)行截止日期知識抽取；

政策事件抽取模塊，用于對政策標(biāo)題通過依存句法分析模型進(jìn)行分析，根據(jù)得到的依存句法分析結(jié)果進(jìn)行政策事件知識抽取。