[發明專利]一種多類型時間實體消岐歸一化處理系統及方法

在審

• 申請號: 202210381687.2
• 申請日: 2022-04-12
• 公開（公告）號: CN114722814A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 于偉;靳雯;趙洲洋;石江楓;王全修;王明超
• 申請（專利權）人: 北京睿企信息科技有限公司;日照睿安信息科技有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30
• 代理公司: 北京紐樂康知識產權代理事務所(普通合伙) 11210
• 代理人: 張朝元

1.一種多類型時間實體消岐歸一化處理系統，其特征在于，包括時間實體標準化組件模塊、事件情報消歧組件模塊、標準時間的歸一化組件模塊，其中，

所述時間實體標準化組件模塊，用于去除自然語言中的噪音，完成自然語言文本的結構化，及識別實體中的年月日信息，其包含時間預處理子模塊、標準時間正則化子模塊、時間結構化子模塊；

所述時間情報消岐組件模塊，具體包括事件指向日期、事件開始時間及情報創建時間，為通過計算時間偏移，推斷事件指向日期，其包含時間偏移計算子模塊、時間組合子模塊；

所述標準時間的歸一化組件模塊，為將標準的時間歸一化為重大節日、敏感節點完成并標準化輸出。

2.根據權利要求1所述的多類型時間實體消岐歸一化處理系統，其特征在于，所述時間預處理子模塊，包括以下步驟：

S21: 輸入時間實體，對所有字符完成全角轉半角的轉換；

S22: 再清除字符串中的空白符、非法字符以及預期助詞；

S23: 再將大寫數字轉化為阿拉伯數字，對字符串中出現的各種數字的表述都轉化為阿拉伯數字；

S34: 對字符串中出現容易與數字混淆的字母完成數字轉換。

3.根據權利要求1所述的多類型時間實體消岐歸一化處理系統，其特征在于，所述標準時間正則化子模塊，通過利用正則表達式，設計特征，提取輸入的標準化時間中的年月日信息，完成結構化輸出。

4.根據權利要求1所述的多類型時間實體消岐歸一化處理系統，其特征在于，所述時間結構化子模塊，判斷非結構化的時間實體是否為節假日、標準時間格式，提取出不標準的格式時間字符串。

5.根據權利要求1所述的多類型時間實體消岐歸一化處理系統，其特征在于，所述時間偏移計算子模塊，進行提取計劃日期plan_date中完整的年月日日期，并判斷分別是否被提取出，若沒有被提取過則計算并提取該偏移量，若被提取過，最終返回年月日。

6.一種多類型時間實體消岐歸一化處理方法，其特征在于，包括以下步驟:

S1: 首先輸入三類時間實體，為時間實體為事件指向日期、事件開始時間及情報創建時間，對三類時間實體結構化信息；

S2: 所述情報創建時間為標準化的時間格式，通過標準時間正則化子模塊，完成情報創建時間實體的正則化，輸出情報創建時間的年月日信息；

S3: 所述事件指向日期與事件開始時間實體，通過時間預處理子模塊去除自然語言中的噪音，再通過基于規則的時間結構化子模塊，完成自然語言文本的結構化，并識別實體中的年月日信息；

S4: 三類時間實體完成年月日結構化信息后，經過推斷計算出事件的指向日期；

S5: 進行定義事件指向日期輸出格式和完成事件指向日期輸出。

7.根據權利要求6所述的多類型時間實體消岐歸一化處理方法，其特征在于，所述定義事件指向日期輸出格式，按照業務要求的格式重新定義事件指向日期，按照年月日順序排序后輸出。