[發明專利]臨時報告語義信息挖掘方法、裝置、存儲介質和電子設備

在審

• 申請號: 202011415777.6
• 申請日: 2020-12-07
• 公開（公告）號: CN112597761A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 蔣翠清;呂喜梅;王釗;丁勇;王建飛;殷暢
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F40/242;G06F40/30;G06F16/33
• 代理公司: 北京久誠知識產權代理事務所(特殊普通合伙) 11542
• 代理人: 余罡

1.一種臨時報告語義信息挖掘方法，其特征在于，所述方法包括：

獲取臨時報告文本數據，基于所述臨時報告文本數據構建詞表；

基于BERT模型訓練所述詞表中每個詞的詞向量，同時獲取每個詞的TFIDF值；

基于每個詞的所述詞向量和所述TFIDF值獲取每個臨時報告的文檔向量，并基于所有所述文檔向量獲取企業向量；

對所述企業向量降維，獲取所述臨時報告語義信息。

2.如權利要求1所述的方法，其特征在于，所述獲取臨時報告文本數據，基于所述臨時報告文本數據構建詞表，包括：

獲取臨時報告文本數據并轉換成計算機可識別的格式，然后匯總成語料庫；

基于所述語料庫，獲取自定義詞典和停用詞詞典；

利用所述自定義詞典和所述停用詞詞典對所述語料庫進行去標點、去字母、去數字、分詞、去停用詞以及去稀疏詞操作，形成詞表。

3.如權利要求1所述的方法，其特征在于，所述基于每個詞的所述詞向量和所述TFIDF值獲取每個臨時報告的文檔向量，并基于所有所述文檔向量獲取企業向量，包括：

將每個詞的所述TFIDF值作為權重，與每個詞的所述詞向量對應相乘再相加，獲取每個臨時報告的文檔向量；

將所有所述文檔向量求算術平均獲得所述企業向量。

4.如權利要求1所述的方法，其特征在于，所述對所述企業向量降維，包括：使用主成分分析法對企業向量進行降維。

5.一種臨時報告語義信息挖掘裝置，其特征在于，所述裝置包括：

數據獲取模塊，用于獲取臨時報告文本數據，基于所述臨時報告文本數據構建詞表；

詞向量訓練模塊，用于基于BERT模型訓練所述詞表中每個詞的詞向量，同時獲取每個詞的TFIDF值；

企業向量獲取模塊，用于基于每個詞的所述詞向量和所述TFIDF值獲取每個臨時報告的文檔向量，并基于所有所述文檔向量獲取企業向量；

語義信息挖掘模塊，用于對所述企業向量降維，獲取所述臨時報告語義信息。

6.如權利要求5所述的裝置，其特征在于，所述數據獲取模塊獲取臨時報告文本數據，基于所述臨時報告文本數據構建詞表，包括：

獲取臨時報告文本數據并轉換成計算機可識別的格式，然后匯總成語料庫；

基于所述語料庫，獲取自定義詞典和停用詞詞典；

利用所述自定義詞典和所述停用詞詞典對所述語料庫進行去標點、去字母、去數字、分詞、去停用詞以及去稀疏詞操作，形成詞表。

7.如權利要求5所述的裝置，其特征在于，所述企業向量獲取模塊基于每個詞的所述詞向量和所述TFIDF值獲取每個臨時報告的文檔向量，并基于所有所述文檔向量獲取企業向量，包括：

將每個詞的所述TFIDF值作為權重，與每個詞的所述詞向量對應相乘再相加，求得臨時報告的所述文檔向量；

將所有所述文檔向量求算術平均獲得所述企業向量。

8.如權利要求5所述的裝置，其特征在于，所述語義信息挖掘模塊對所述企業向量降維，包括：使用主成分分析法對企業向量進行降維。

9.一種計算機可讀存儲介質，其特征在于，其存儲用于臨時報告語義信息挖掘的計算機程序，其中，所述計算機程序使得計算機執行如權利要求1-4任一項所述的臨時報告語義信息挖掘方法。

10.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲器；以及

一個或多個程序，其中所述一個或多個程序被存儲在所述存儲器中，并且被配置成由所述一個或多個處理器執行，所述程序包括用于執行如權利要求1-4任一項所述的臨時報告語義信息挖掘方法。