[發(fā)明專利]建筑工程文檔知識(shí)網(wǎng)絡(luò)的構(gòu)建方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011478794.4
• 申請日: 2020-12-15
• 公開（公告）號(hào): CN112733527A
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計(jì)）人: 余芳強(qiáng);彭陽;張銘;許璟琳;高尚;黃軼;歐金武
• 申請（專利權(quán)）人: 上海建工四建集團(tuán)有限公司
• 主分類號(hào): G06F40/216
• 分類號(hào): G06F40/216;G06F40/295;G06F40/30;G06F16/13;G06F16/33
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種建筑工程文檔知識(shí)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，包括：

步驟1：對建筑工程文檔的語義信息進(jìn)行提取，以得到關(guān)鍵詞；

步驟2：根據(jù)所述關(guān)鍵詞的詞頻計(jì)算由所述關(guān)鍵詞組成的各個(gè)關(guān)鍵短語的權(quán)重；

步驟3：計(jì)算所述建筑工程文檔的指紋向量，為了進(jìn)一步衡量文檔間的關(guān)系；

步驟4：基于所述關(guān)鍵短語的權(quán)重和指紋向量建立知識(shí)網(wǎng)絡(luò)，以將文檔按關(guān)鍵短語及文檔間的關(guān)系組織起來。

2.如權(quán)利要求1所述的建筑工程文檔知識(shí)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，步驟4：基于所述關(guān)鍵短語的權(quán)重和指紋向量建立知識(shí)網(wǎng)絡(luò)之后，還包括：

將所述建筑工程文檔最重要的前幾個(gè)關(guān)鍵詞按所述知識(shí)網(wǎng)絡(luò)中的層級(jí)排列成樹狀結(jié)構(gòu)，即得到對應(yīng)的文檔導(dǎo)航樹，當(dāng)用戶沿著所述文檔導(dǎo)航樹搜索時(shí)，所述知識(shí)網(wǎng)絡(luò)同步聚焦至與搜索路徑最相關(guān)的子結(jié)構(gòu)上。

3.如權(quán)利要求1所述的建筑工程文檔知識(shí)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，步驟1：對建筑工程文檔的語義信息進(jìn)行提取，以得到關(guān)鍵詞，包括：

步驟1.1：提取文檔的全部文本集合、重要圖片的上下文和以字號(hào)為賦權(quán)依據(jù)的工程圖紙的賦權(quán)文本集合；

步驟1.2：對文檔的全部文本集合、重要圖片的上下文和以字號(hào)為賦權(quán)依據(jù)的工程圖紙的賦權(quán)文本集合進(jìn)行語義分析，以識(shí)別出關(guān)鍵詞；

步驟1.3：識(shí)別所述關(guān)鍵詞中的命名實(shí)體和敏感數(shù)字，用一串星號(hào)代替命名實(shí)體，使用正則表達(dá)式隱去敏感數(shù)字。

4.如權(quán)利要求3所述的建筑工程文檔知識(shí)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，步驟1.2：對文檔的全部文本集合、重要圖片的上下文和以字號(hào)為賦權(quán)依據(jù)的工程圖紙的賦權(quán)文本集合進(jìn)行語義分析，以識(shí)別出關(guān)鍵詞，包括：

采用開源的HanLP自然語言分析庫，對文檔的全部文本集合、重要圖片的上下文和以字號(hào)為賦權(quán)依據(jù)的工程圖紙的賦權(quán)文本集合進(jìn)行語義分析，以提取關(guān)鍵詞、重要短語、專業(yè)術(shù)語。

5.如權(quán)利要求3所述的建筑工程文檔知識(shí)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，所述命名實(shí)體包括：公司名、人名或地址。

6.如權(quán)利要求3所述的建筑工程文檔知識(shí)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，所述敏感數(shù)字包括：賬號(hào)、身份證號(hào)或貨幣金額。

7.如權(quán)利要求1所述的建筑工程文檔知識(shí)網(wǎng)絡(luò)的構(gòu)建方法，其特征在于，步驟3：計(jì)算所述建筑工程文檔的指紋向量，包括：

步驟3.1：詞頻統(tǒng)計(jì)。設(shè)建筑工程文檔的總數(shù)為N_f，統(tǒng)計(jì)第i個(gè)建筑工程文檔的各關(guān)鍵詞w_ik的詞頻f_ik，其中，i＝1～N_f；

步驟3.2：基于當(dāng)前關(guān)鍵詞w_ik的詞頻f_ik，得到當(dāng)前關(guān)鍵詞所在建筑工程文檔的各關(guān)鍵詞總詞頻及得到所有建筑工程文檔的關(guān)鍵詞總詞頻

步驟3.3：使用TF-IDF指標(biāo)，基于關(guān)鍵詞總詞頻n_i和關(guān)鍵詞總詞頻N，用第i個(gè)建筑工程文檔的每個(gè)關(guān)鍵詞w_ik都對建筑工程文檔i的向量V_i作一次賦值；

步驟3.4，以所有建筑工程文檔的向量V_i排列為矩陣，采用PCA算法處理后，選擇特征值累積量大于80％時(shí)的前n_P個(gè)主成分，然后將向量Vi向前n_P個(gè)主成分投影，得到n_P維的投影向量，即為建筑工程文檔的指紋向量F_i。