[发明专利]DINFO‑OEC文本分析挖掘方法与设备

权利要求书

1.一种非结构化文本大数据分析挖掘方法，其特征在于，包括以下步骤：

对输入文本进行概念提取和概念表达式识别；

依据挖掘模型中的挖掘规则，对输入文本的概念表达式进行分析挖掘；

计算挖掘结果的可信度；

按可信度输出挖掘结果；挖掘结果可视化展示，

其中所述挖掘模型包括3棵树：

本体树：树状组织业务分类，为每个业务类型设置挖掘结果和挖掘规则，挖掘结果包括分类、聚类、关键词组合和倾向性评价；

要素树：树状组织业务相关的概念，包括业务中用到的对象、工具和属性；树的节点是要素名，每个要素名对应多个要素值；要素值是一个词语或文字模式；

概念树：树状组织业务无关的、用一句话或一段话表示的概念，树的节点是概念名，概念值是一句话或文字模式。

2.如权利要求1所述的非结构化文本大数据分析挖掘方法，其特征在于，所述挖掘规则包括3种类型：

一是CR，表示挖掘规则采用概念表达式方式，一个挖掘规则包含n个概念表达式，其中n>＝1；

二是SR，表示挖掘规则采用统计算法，一个挖掘规则对应一种统计算法，系统支持K近邻分类算法和支持向量机分类算法；

三是UR，表示挖掘规则由用户自定义。

3.如权利要求1所述的非结构化文本大数据分析挖掘方法，其特征在于，所述概念表达式支持概念之间的复杂语义关系：

用逻辑运算符支持概念之间的逻辑关系表达，概念之间的逻辑与，用“+”表示；概念之间的逻辑或，用“|”表示；概念排除，用“-”表示；逻辑运算优先级，用“(”和“)”表示，表示括号中的运算优先；用谓词逻辑f(a1,a2,…,an)支持概念之间的复杂语言关系表达，表示a1、a2、…和an之间具有f关系，f是一个概念，ai(i＝1～n，n>＝1)是一个概念；用特殊符号表示概念之间的位置和顺序关系，句子限定用“#”表示，表示条件必须在同一个句子出现。

4.如权利要求1所述的非结构化文本大数据分析挖掘方法，其特征在于，所述概念提取和概念表达式识别包括以下步骤：对输入文本分词和命名实体识别；从分词结果中做概念发现，利用同义词表进行同义扩展，利用概念树的概念值发现复杂概念，对发现的概念识别概念类型，区分业务要素和常用概念，利用要素树识别业务要素，利用概念树识别常用概念类型，对概念提取结果，识别输入文本中概念之间的语义关系，给出概念表达式。