[發明專利]一種政策譜系構建方法、裝置和電子設備

有效

• 申請號: 202110379991.9
• 申請日: 2021-04-09
• 公開（公告）號: CN112800246B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 孫會峰;邢婷;冷小萱;魏小敏
• 申請（專利權）人: 北京智源人工智能研究院
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06F16/31;G06F40/205;G06F40/284;G06F40/289
• 代理公司: 北京動力號知識產權代理有限公司 11775
• 代理人: 梁艷;白婉露

本發明公開了一種政策譜系構建方法、裝置和電子設備，其中方法包括：采集政策信息；對政策信息進行職能分類，獲得政策?職能集合；將政策?職能集合中的每一條政策信息進行TF?IDF計算，根據計算結果獲得TF?IDF分類結果，基于TF?IDF分類結果為政策?職能集合中的每一條政策信息建立唯一索引；提取政策?職能集合中的每一條政策信息的段落關鍵信息；對政策?職能集合中的每一條政策信息進行段落映射處理，獲得段落映射集合；基于唯一索引、段落關鍵信息以及段落映射集合，建立結果集合，獲得政策譜系；該方法能夠實現大量政策信息數據政策譜系的自動構建，效率高且準確性高。

技術領域

本發明涉及信息處理技術領域，尤其涉及一種政策譜系構建方法、裝置和電子設備。

背景技術

各地各級政府及其部門面向社會公開發布的政策數量龐大且來源分散，對于有政策研究需求的機構或企業，短時間內難以全面評估各地、各部門、各行業等維度下政策的異同。政策譜系的構建能夠使用戶直觀、快速了解和對比政策內容。當前主流解決方案主要集中在使用爬蟲技術實現政策數據的自動化采集，但采集后的政策數據只能通過人工手段實現譜系的結構化處理，效率低且容易出錯。

發明內容

為了解決現有技術中存在的問題，本發明提供了如下技術方案。

本發明一方面提供了一種政策譜系構建方法，包括：

采集政策信息；

對所述政策信息進行職能分類，獲得政策-職能集合；

將所述政策-職能集合中的每一條政策信息進行TF-IDF計算，根據計算結果獲得TF-IDF分類結果，基于所述TF-IDF分類結果為所述政策-職能集合中的每一條政策信息建立唯一索引；

提取所述政策-職能集合中的每一條政策信息的段落關鍵信息；

對所述政策-職能集合中的每一條政策信息進行段落映射處理，獲得段落映射集合；

基于所述唯一索引、段落關鍵信息以及段落映射集合，建立結果集合，獲得政策譜系。

進一步地，所述政策信息包括政策標題、政策全文、行政區位、職能部門以及發文時間；

基于所述職能部門對所述政策信息進行職能分類，獲得政策-職能集合。

進一步地，將所述政策-職能集合中的每一條政策信息進行TF-IDF計算，根據計算結果獲得TF-IDF分類結果，包括：

將所述政策-職能集合中的每一條政策信息的政策標題進行分詞，并去除包含行政區位、職能部門的詞以及常規停用詞，之后采用TF-IDF模型計算每個詞的TF-IDF值；

對所述政策-職能集合中的每一條政策信息，將TF-IDF值最高的詞作為該條政策信息的關鍵詞，根據所述關鍵詞對所述政策-職能集合中的政策信息進行分類，獲得TF-IDF分類結果。

進一步地，基于所述TF-IDF分類結果為所述政策-職能集合中的每一條政策信息建立唯一索引，包括：

獲取所述政策信息中的發文時間以及行政區位，并將所述發文時間轉換為時間戳；

將所述TF-IDF分類結果、行政區位以及時間戳作為每一條政策信息的唯一索引。

進一步地，提取所述政策-職能集合中的每一條政策信息的段落關鍵信息，包括：

對所述政策-職能集合中的每一條政策信息，從政策全文中按照段落順序，去除常規停用詞之后進行高頻詞提取；

按照段落順序，將各段落的段落索引值和最高頻詞作為該段落的段落關鍵信息。

進一步地，對所述政策-職能集合中的每一條政策信息進行段落映射處理，獲得段落映射集合，包括：