[發明專利]一種基于AC自動機的化學品名稱檢索和抽取方法及裝置

在審

• 申請號: 202110828540.9
• 申請日: 2021-07-22
• 公開（公告）號: CN113555069A
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 俞一奇;邱彥林;朱安安;趙粉玉
• 申請（專利權）人: 杭州敘簡科技股份有限公司
• 主分類號: G16C20/40
• 分類號: G16C20/40;G06F16/31;G06F16/33;G06F40/242
• 代理公司: 杭州浙言專利代理事務所(普通合伙) 33370
• 代理人: 易朝暉

1.一種基于AC自動機的化學品名稱檢索方法，其特征在于，包括：

獲取所有化學品名稱，將所有化學品名稱轉成utf-8的編碼格式，生成所有化學品名稱對應的名稱id并記錄；

將所有化學品名稱逐字依次加入到字典樹中形成化學品名稱字典樹，建立所述化學品名稱字典樹中每個非葉子節點的索引字典并合并相同的索引字典；

為化學品名稱字典樹設定一個指針，所述指針初始狀態指向化學品名稱字典樹的根節點；

檢索時，所述指針從根節點向子節點遍歷查找，直至指針指向葉子節點，從葉子節點返回輸出所檢索化學品名稱的名稱id。

2.根據權利要求1所述的基于AC自動機的化學品名稱檢索方法，其特征在于，

所述指針初始狀態指向所檢索的化學品名稱的第一個字符對應的子節點；

檢索時，所述指針從第一個字符對應的子節點往下遍歷查找，直至指針指向葉子節點，從葉子節點返回輸出所檢索化學品名稱的名稱id。

3.一種基于AC自動機的化學品名稱抽取方法，其特征在于，包括：

獲取所有化學品名稱，將所有化學品名稱轉成utf-8的編碼格式，生成所有化學品名稱對應的名稱id并記錄；

將所有化學品名稱逐字依次加入到字典樹中形成化學品名稱字典樹，建立化學品名稱字典樹中每個非葉子節點的失敗指針，所述失敗指針用于當遍歷過程中出現匹配失敗的情況時，化學品名稱字典樹馬上可以進入新的狀態而不至于回到根節點重新開始匹配；

所述失敗指針的構造方法包括：

當失敗非葉子節點為任一非葉子節點，則失敗指針指向根節點；

獲取一段包含化學品名稱的長文本，根據化學品名稱字典樹抽取所述一段包含化學品名稱的長文本中的包含的名稱id。

4.根據權利要求4所述的基于AC自動機的化學品名稱抽取方法，其特征在于，所述失敗指針的構造方法包括：

當失敗非葉子節點為根節點的子節點，則失敗指針指向根節點；

當失敗非葉子節點為其他非葉子節點：

則查找所述其他非葉子節點的上層子節點的失敗子節點，從失敗子節點的子節點中查找與所述其他節點相同的子節點，若查找到與所述其他節點相同的子節點，則失敗指針指向與所述其他節點相同的子節點；

若查找不到與所述其他節點相同的子節點，則重復上述步驟，直至失敗指針指向根節點。

5.一種基于AC自動機的化學品名稱檢索裝置，其特征在于，包括：處理器，所述處理器與存儲器耦合；

所述存儲器用于存儲指令；

所述處理器用于執行所述存儲器中存儲的存儲指令，以使所述裝執行如權利要求1或2所述的方法。

6.一種基于AC自動機的化學品名稱抽取裝置，其特征在于，包括：處理器，所述處理器與存儲器耦合；

所述存儲器用于存儲指令；

所述處理器用于執行所述存儲器中存儲的存儲指令，以使所述裝執行如權利要求3或4所述的方法。

7.一種電子設備，其特征在于，包括存儲器和處理器，所述存儲器用于存儲一條或多條計算機指令，其中，所述一條或多條計算機指令被所述處理器執行以實現如權利要求1～4中任一項所述的方法。

8.一種存儲有計算機程序的計算機可讀存儲介質，其特征在于，所述計算機程序使計算機執行時實現如權利要求1～4中任一項所述的方法。