[发明专利]一种煤矿安全事故本体概念抽取方法

权利要求书

1.一种煤矿安全事故本体概念抽取方法，其特征在于，包括以下步骤：

从预设网站爬取关于煤矿安全事故的文本数据，所述文本数据包括训练数据和测试数据；

对爬取的文本数据进行预处理，并抽取经预处理后的文本数据的特征，得到统计特征向量，所述特征包括当前词、词性、词长和依存句法关系；

采用改进的Skip-gram模型对经抽取特征后的文本数据进行训练以获取词向量；

将获取的词向量与煤矿安全领域词典中相应的词向量进行对比，计算出语义相似度，并对计算出的语义相似度进行离散化处理，得到相似度特征；

将统计特征向量与相似度特征拼接为一个特征向量，作为条件随机场模型的输入特征；

对所述训练数据进行标注；

利用标注好的训练数据训练所述条件随机场模型，得到领域概念抽取的模型；

利用得到的领域概念抽取的模型在所述测试数据上进行概念的标注任务，得到概念抽取的结果；

其中，所述改进的Skip-gram模型通过下述公式(1)和(2)表示：

x＝[e(w_i-(n-1))；…e(w_i-(n-1)/2-1)；…e(w_i)] (1)

其中，x为几个词语词向量的拼接组合，e(.)为每个词语的词向量，w_i-(n-1)、w_i-(n-1)/2-1……w_i为原始文本中的词语；P(w|c)为下一个词是w的概率，c为目标词w的上下文，V表示词表，e′(w)^T为目标词w辅助词向量的转置，e′(w′)^T为目标词w′辅助词向量的转置；

所述语义相似度通过下述公式(3)计算：

其中，Sim表示语义相似度，e(w_i)、e(w_j)分别为待识别词语w_i的词向量和词典中词语w_j的词向量，w_j∈D，D为煤矿安全领域词典。

2.根据权利要求1所述的方法，其特征在于，所述文本数据包括煤矿事故案例和煤矿事故事后分析报告。

3.根据权利要求1所述的方法，其特征在于，采用标注集为{B,I,O}组块对所述训练数据进行标注，其中B表示概念开始的部分，I表示概念的其他部分，O表示非概念的部分。

4.根据权利要求1所述的方法，其特征在于，通过火车头爬虫工具爬取所述文本数据。

5.根据权利要求1所述的方法，其特征在于，通过语言技术平台云工具对所述文本数据进行预处理；所述预处理包括对所述文本数据进行去噪、去重、分词、词性标注和去除停用词。

6.根据权利要求1所述的方法，其特征在于，所述预设网站包括煤矿安全网、煤矿事故网和安全管理网。