[发明专利]一种基于化工分析报告的文本数据抽取方法

权利要求书

1.一种基于化工分析报告的文本数据抽取方法，其特征在于，包括以下步骤：

S1构建停用词典步骤，构建针对化工分析报告的停用词典，过滤无意义信息，所述停用词典，包括常见停用词和专用停用词；

S2信息提取步骤，提取化工分析报告中的文本信息，所述文本信息包含关键词信息、本体信息和三元组信息；

S3关键词分析步骤，统计和可视化分析报告中的关键词信息；

S4形成结构化数据步骤，将提取到的数据转化为结构化数据。

2.根据权利要求1所述的基于化工分析报告的文本数据抽取方法，其特征在于，所述步骤S1的常见停用词，包括标点符号、数学符号和日常用词。

3.根据权利要求1所述的基于化工分析报告的文本数据抽取方法，其特征在于，所述步骤S1的专用停用词，包括与分析无关的化工工艺、化工生产和物流参数的字词符号。

4.根据权利要求1所述的基于化工分析报告的文本数据抽取方法，其特征在于，所述步骤S2中：

所述关键词信息，包括安全操作建议、原因描述和后果描述中的关键词，将得到的关键词形成列表形式；

所述本体信息，包括装置、物流、化学品、单元操作和工艺参数信息；

所述三元组信息，包括存在物流关系、因果关系的实体信息。

5.根据权利要求1所述的基于化工分析报告的文本数据抽取方法，其特征在于，所述步骤S2中的关键词信息提取，进一步包括以下步骤：

S21读取化工分析报告的分析单元；

S22提取分析单元表格中的偏离信息；

S23提取分析单元表格中的位号、说明和偏差信息；

S24提取分析单元表格中的可能原因描述、以及可能原因中的关键词；

S25将分析单元表格中的可能原因提取为列表形式，并提取其中的关键词；

S26提取偏差的可能后果，并对其严重程度进行统计；

S27将分析单元表格中的后果频率及严重度提取为列表形式，统计严重程度；

S28提取分析单元表格中该偏离信息导致事故防范措施，提取关键词；

S29将分析单元表格中的建议措施提取为列表形式、提取其中关键词；

S210提取分析单元表格中安全操作建议的信息以及关键词；

S211将分析单元表格中安全操作建议提取为列表形式、提取其中关键词。

6.根据权利要求1所述的基于化工分析报告的文本数据抽取方法，其特征在于，所述步骤S3，进一步包括以下步骤：

S31词频统计分析，统计提取得到的关键词词频，根据词频进行分析；

S32词云直观分析，以词云图形式分析化工分析报告的关键词信息。

7.根据权利要求1所述的基于化工分析报告的文本数据抽取方法，其特征在于，所述步骤S4的结构化数据，进一步包括数据表格、知识三元组和关键数据表格。

8.根据权利要求7所述的基于化工分析报告的文本数据抽取方法，其特征在于，所述步骤S4，进一步包括以下步骤：

将提取到的关键词词频、本体数据、装置、化学品的数据，转换为数据表格形式。

9.根据权利要求7所述的基于化工分析报告的文本数据抽取方法，其特征在于，所述步骤S4，进一步包括以下步骤：

将存在关系的本体类的实体信息，转换为三元组形式的数据。

10.根据权利要求7所述的基于化工分析报告的文本数据抽取方法，其特征在于，所述步骤S4，进一步包括以下步骤：

将含有统计类型的数据和词频数据转换成专有信息统计报表。