[發明專利]基于NLP的行業政策信息處理方法、裝置、設備及介質

有效

• 申請號: 202011548337.8
• 申請日: 2020-12-24
• 公開（公告）號: CN112632964B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 潘文磊;田野
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F40/289;G06F40/295;G06F16/31;G06F16/33
• 代理公司: 深圳國新南方知識產權代理有限公司 44374
• 代理人: 周純

1.一種基于NLP的行業政策信息處理方法，其特征在于，包括：

對行業政策信息進行關鍵信息提取，得到政策關鍵信息，根據所述政策關鍵信息構建主標簽特征，根據所述行業政策信息中所述政策關鍵信息以外的其他信息構建副標簽特征；

根據所述主標簽特征和所述副標簽特征將所述行業政策信息與預定義的標簽體系進行標簽匹配，分別從所述標簽體系中獲取與所述行業政策信息對應的領域標簽、方向標簽和周期標簽，其中，所述標簽體系包括領域標簽組、方向標簽組以及周期標簽組；

將所述行業政策信息與行業研究報告進行映射匹配，并提取行業研究報告的核心文本信息，計算所述核心文本信息的情感分值；

根據所述行業政策信息對應的領域標簽、方向標簽和周期標簽、所述核心文本信息的數量以及所述核心文本信息的情感分值確定行業政策信息的分析結果；

其中，所述對行業政策信息進行關鍵信息提取，得到政策關鍵信息，根據所述政策關鍵信息構建主標簽特征，根據所述行業政策信息中所述政策關鍵信息以外的其他信息構建副標簽特征，包括：

獲取所述行業政策信息的高頻詞和關鍵詞，確定所述高頻詞和所述關鍵詞中均包括的交集詞匯；

獲取所述行業政策信息的關鍵短語和關鍵句；

獲取所述行業政策信息中以大寫數字或小寫數字開頭的核心語句；

根據所述高頻詞和所述關鍵詞的交集詞匯、所述關鍵短語、所述關鍵句和所述核心語句構建所述主標簽特征；

將所述高頻詞和所述關鍵詞的交集詞匯和所述關鍵短語所在的語句、所述關鍵句和所述核心語句分別從所述行業政策信息中剔除，根據剩余段落構建所述副標簽特征。

2.根據權利要求1所述的基于NLP的行業政策信息處理方法，其特征在于，在預定義的標簽體系中，所述領域標簽組為領域標簽樹，所述領域標簽樹包括多個根節點，每個所述根節點包括至少一層子節點，所述領域標簽樹中每個節點對應一個領域標簽；所述方向標簽組為方向標簽樹，所述方向標簽樹包括多個根節點，每個根節點對應一個方向標簽；所述周期標簽組為周期標簽樹，所述周期標簽樹包括多個根節點，每個根節點對應一個周期標簽；

所述根據所述主標簽特征和所述副標簽特征將所述行業政策信息與預定義的標簽體系進行標簽匹配，分別從所述標簽體系中獲取與所述行業政策信息對應的領域標簽、方向標簽和周期標簽，包括：

將所述主標簽特征和所述副標簽特征從所述根節點開始與領域標簽樹中各節點的領域標簽進行匹配；

當匹配失敗時，將當前節點的上一層節點對應的領域標簽輸出，作為所述行業政策信息對應的領域標簽；

當匹配成功時，將所述主標簽特征和所述副標簽特征繼續與當前節點的下一層節點的領域標簽進行匹配，直至所述領域標簽樹的頂層節點；

將所述主標簽特征與所述方向標簽樹中各根節點標簽進行匹配，確定所述行業政策信息對應的方向標簽；

將所述主標簽特征與所述周期標簽樹中各根節點標簽進行匹配，確定所述行業政策信息對應的周期標簽。

3.根據權利要求2所述的基于NLP的行業政策信息處理方法，其特征在于，所述領域標簽對應設有至少一類正向關鍵詞組以及至少一類過濾關鍵詞組，每類正向關鍵詞組對應設有多個正向關鍵詞，每類過濾關鍵詞組對應設有多個過濾關鍵詞；

相應地，所述將所述主標簽特征和所述副標簽特征從所述根節點開始與領域標簽樹中各節點的領域標簽進行匹配，包括：

將所述主標簽特征和所述副標簽特征與所述領域標簽的每類正向關鍵詞組的多個正向關鍵詞進行匹配，當匹配成功的正向關鍵詞的數量大于或等于預設數量閾值時，所述行業政策信息與所述正向關鍵詞組匹配；

將所述主標簽特征和所述副標簽特征與所述領域標簽的每類過濾關鍵詞組的多個過濾關鍵詞進行匹配，當匹配成功的過濾關鍵詞的數量小于所述預設數量閾值時，所述行業政策信息與所述過濾關鍵詞組不匹配；

當所述行業政策信息與每類所述正向關鍵詞組均匹配且所述行業政策信息與每類所述過濾關鍵詞組均不匹配時，所述行業政策信息與對應的所述領域標簽匹配。