[发明专利]一种煤矿安全事故本体概念抽取方法

说明书

本发明提供了一种煤矿安全事故本体概念抽取方法，该方法将词向量和条件随机场结合起来对煤矿安全事故本体概念进行抽取，充分考虑领域词语的语义特性和领域特性，解决了传统研究方法在语义关系分析方面欠缺的问题以及煤矿安全领域数据管理不统一的问题，提高了知识的重用性。通过实验，证明了相较于较传统的基于CRFs的概念抽取方法，本文提出的方法提高了煤矿安全领域概念抽取的精度。同时，也证明了本文提出的词向量模型，相比传统CBOW模型和skip‑gram模型性能更好。

技术领域

本发明涉及一种煤矿安全事故本体概念抽取方法，具体涉及一种基于词向量和条件随机场的煤矿安全事故本体概念抽取方法。

背景技术

煤炭安全生产是一个综合系统工程，涉及到人员、设备、环境、管理四大要素的相互影响和联动，需要将采煤、掘进、机电、通风、地测、防治水等诸多环节和信息整合。本体作为知识库的一种形式，能够有效地描述概念以及概念间的关系，具有共享性和重用性，并支持逻辑推理。针对煤矿安全事故领域中数据的特点，构建具有推理能力、语义一致性的煤矿安全事故本体，形成区域内煤矿静态、动态等多源头全方位异构数据的互联互通，有助于建立区域煤矿信息数据中心，使单一数据变为高融合数据。

概念的抽取是本体构建中最关键的一步。概念抽取的方式分为手动和自动构建方式。手动的方式需要领域专家的协助，构建成本高、效率低、主观性强、可移植性弱。因此，如何从文本数据源中自动高效地抽取概念已成为煤矿安全领域本体概念抽取的研究重点。然而，目前的概念抽取方法无法有效表示领域概念丰富的语义特性和领域特性，影响了抽取的效果。

发明内容

针对上述技术问题，本发明提供一种煤矿安全事故本体概念抽取方法，该方法有效表示领域概念丰富的语义特性和领域特性，抽取效果好。

本发明采用的技术方案为：

本发明实施例提供一种煤矿安全事故本体概念抽取方法，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。

可选地，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。

可选地，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)