[發(fā)明專利]基于關(guān)鍵因子的結(jié)構(gòu)化文本搜索方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202211414017.2
• 申請(qǐng)日: 2022-11-11
• 公開（公告）號(hào): CN115713074A
• 公開（公告）日: 2023-02-24
• 發(fā)明（設(shè)計(jì)）人: 楊軼涵;范明霞;金卓群;張波;葉少杰;夏溪惠;孫永軍;李建宇;袁翔;王婷婷;韓家鑫;陳波
• 申請(qǐng)（專利權(quán)）人: 浙江華云信息科技有限公司;國(guó)網(wǎng)浙江省電力有限公司經(jīng)濟(jì)技術(shù)研究院
• 主分類號(hào): G06F40/205
• 分類號(hào): G06F40/205;G06F40/30;G06F16/33;G06F40/289;G06F40/166;G06F16/22;G06F16/28
• 代理公司: 杭州華鼎知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 33217
• 代理人: 俞宏濤

1.基于關(guān)鍵因子的結(jié)構(gòu)化文本搜索方法，其特征在于，所述結(jié)構(gòu)化文本搜索方法包括：

獲取項(xiàng)目文件，基于OCR識(shí)別算法識(shí)別出項(xiàng)目文件的文本脈絡(luò)信息，結(jié)合預(yù)設(shè)項(xiàng)目文本規(guī)則確定項(xiàng)目文件的第一關(guān)鍵因子；

在項(xiàng)目文件中搜索第一關(guān)鍵因子，根據(jù)搜索到的第一關(guān)鍵因子的分布情況，在項(xiàng)目文件中劃分出待搜索區(qū)域；

通過對(duì)待搜索區(qū)域進(jìn)行文本語義分析，搜索到第二關(guān)鍵因子，在第二關(guān)鍵因子與第一關(guān)鍵因子之間建立映射關(guān)系，基于所述映射關(guān)系處理得到結(jié)構(gòu)化文本。

2.根據(jù)權(quán)利要求1所述的基于關(guān)鍵因子的結(jié)構(gòu)化文本搜索方法，其特征在于，所述基于OCR識(shí)別算法識(shí)別出項(xiàng)目文件的文本脈絡(luò)信息，包括：

基于OCR識(shí)別算法定位到項(xiàng)目文件中的標(biāo)題行，識(shí)別標(biāo)題行中的文字作為文本脈絡(luò)信息。

3.根據(jù)權(quán)利要求1所述的基于關(guān)鍵因子的結(jié)構(gòu)化文本搜索方法，其特征在于，所述結(jié)合預(yù)設(shè)項(xiàng)目文本規(guī)則確定項(xiàng)目文件的第一關(guān)鍵因子，包括：

將所述文本脈絡(luò)信息與預(yù)設(shè)項(xiàng)目文本規(guī)則進(jìn)行匹配，匹配到與文本脈絡(luò)信息相似度最高的預(yù)設(shè)項(xiàng)目文本規(guī)則；

根據(jù)匹配到的預(yù)設(shè)項(xiàng)目文本規(guī)則，確定項(xiàng)目文件的第一關(guān)鍵因子。

4.根據(jù)權(quán)利要求1所述的基于關(guān)鍵因子的結(jié)構(gòu)化文本搜索方法，其特征在于，所述預(yù)設(shè)項(xiàng)目文本規(guī)則分別對(duì)應(yīng)不同的項(xiàng)目類型，所述項(xiàng)目類型包括生產(chǎn)技改、生產(chǎn)設(shè)備維修、生產(chǎn)輔助技改、營(yíng)銷、基建、教育培訓(xùn)以及零星購置。

5.根據(jù)權(quán)利要求1所述的基于關(guān)鍵因子的結(jié)構(gòu)化文本搜索方法，其特征在于，所述第一關(guān)鍵因子為與項(xiàng)目現(xiàn)狀、預(yù)期目標(biāo)、項(xiàng)目范圍和規(guī)模、項(xiàng)目必要性、項(xiàng)目技術(shù)方案、設(shè)計(jì)圖紙、購置設(shè)備、項(xiàng)目經(jīng)濟(jì)性、財(cái)務(wù)合規(guī)性以及項(xiàng)目實(shí)施安排相關(guān)的關(guān)鍵詞。

6.根據(jù)權(quán)利要求1所述的基于關(guān)鍵因子的結(jié)構(gòu)化文本搜索方法，其特征在于，所述根據(jù)搜索到的第一關(guān)鍵因子的分布情況，在項(xiàng)目文件中劃分出待搜索區(qū)域，包括：

獲取第一關(guān)鍵因子，在項(xiàng)目文檔的中確定與所述第一關(guān)鍵因子對(duì)應(yīng)的初始區(qū)域；

與預(yù)設(shè)行數(shù)為單位，計(jì)算所述第一關(guān)鍵因子在所述初始區(qū)域中的分布密度，將所述分布密度超過預(yù)設(shè)值的預(yù)設(shè)行數(shù)所在區(qū)域，劃分為待搜索區(qū)域。

7.根據(jù)權(quán)利要求6所述的基于關(guān)鍵因子的結(jié)構(gòu)化文本搜索方法，其特征在于，在劃分出待搜索區(qū)域之后，所述方法還包括：基于所述第一關(guān)鍵因子的分布密度，對(duì)待搜索區(qū)域進(jìn)行搜索優(yōu)先級(jí)排序。

8.根據(jù)權(quán)利要求1所述的基于關(guān)鍵因子的結(jié)構(gòu)化文本搜索方法，其特征在于，所述對(duì)待搜索區(qū)域進(jìn)行文本語義分析，包括：

對(duì)待所搜索區(qū)域的文本進(jìn)行分詞處理，得到所述文本對(duì)應(yīng)的詞向量；

對(duì)各個(gè)詞向量進(jìn)行特征提取，結(jié)合評(píng)估函數(shù)計(jì)算各個(gè)詞向量的評(píng)分值，然后按評(píng)分值對(duì)這些特征進(jìn)行排序，選取若干個(gè)評(píng)分值最高的作為第二關(guān)鍵因子。

9.根據(jù)權(quán)利要求1所述的基于關(guān)鍵因子的結(jié)構(gòu)化文本搜索方法，其特征在于，所述在第二關(guān)鍵因子與第一關(guān)鍵因子之間建立映射關(guān)系，基于所述映射關(guān)系處理得到結(jié)構(gòu)化文本，包括：

將所述第一關(guān)鍵因子作為key，將與所述第一關(guān)鍵因子具有映射關(guān)系的所述第二關(guān)鍵因子作為value，以key:value的形式處理得到結(jié)構(gòu)化文本。