[发明专利]一种基于化工分析报告的文本数据抽取方法

说明书

本发明涉及信息提取分析领域，更具体的说，涉及一种基于化工分析报告的文本数据抽取方法。本发明提出的基于化工分析报告的文本数据抽取方法，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。本发明，抽取分析结果可信度较高，具有较高的准确率和召回率，有利于辅助行业人员快速准确高效分析化工分析报告，大大减轻化工行业人员的负担。

技术领域

本发明涉及信息提取分析领域，更具体的说，涉及一种基于化工分析报告 的文本数据抽取方法。

背景技术

近年来，化工安全事故频发，HAZOP(危险与可操作性)化工分析报告 被认为是可极大提高工厂生产安全性、可靠性的一种安全评价方法，在杜绝、 减少事故发生以及事故原因分析等方面发挥积极重要作用。

然而，面对HAZOP化工分析报告的众多表格数据和描述信息，行业人员 短时间内难以得到最有效的信息。

近年来，面对互联网上类型繁多且数量庞大的文本信息，文本自动处理的 知识抽取技术受到越来越多人的关注。随着人工智能技术的迅速发展，越来越 多化工生产行业的人员更倾向于用人工智能技术辅助分析HAZOP化工分析报 告，用以决策。

在现有技术中，大多数的文档抽取都是针对文本信息提取，抽取大量文本 信息中的实体、主题等信息。对于化工领域的HAZOP化工分析报告，目前研 究较少，急需人工智能信息提取技术，抽取行业关键信息，来辅助行业人士更 加全面的分析HAZOP化工分析报告。

中国发明专利CN 201910059221.9公开了一种文本抽取模型训练方法将 问题语料和答案语料分别拆分成短问题和短答案，并对短答案的核心句进行标 注，从而使用短问题和标注的短答案对文本抽取模型进行训练，实现仅使用少 量的问答语料，就能够使训练得到的文本抽取模型的准确率得到大幅度的提升。 该方法并不是针对化工领域的HAZOP化工分析报告，对于抽取HAZOP化工 分析报告的文本数据的准确率和精确程度比较差。

发明内容

本发明的目的是提供一种基于化工分析报告的文本数据抽取方法，解决现 有技术对于化工分析报告的信息提取困难、准确率差和效率低的问题。

为了实现上述目的，本发明提供了一种基于化工分析报告的文本数据抽取 方法，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。

在一实施例中，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。

在一实施例中，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。

在一实施例中，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。