[发明专利]一种基于模糊搜索多选项的智能提取方法及系统

权利要求书

1.一种基于模糊搜索多选项的智能提取方法，其特征在于，包括：

接收提取请求，提取请求包括对数据集合中关键词字符串的数据提取；

通过对提取的数据进行数据预处理，关键词向量生成，位置敏感哈希映射完成对索引树的构建；

将关键词向量进行词义拓展构造词义模糊集，并插入构建的索引树中；

确定构建的索引树中多个提取对象的对应关系，查询与模糊搜索多选项对应的提取对象。

2.如权利要求1所述的一种基于模糊搜索多选项的智能提取方法，其特征在于，所述接收提取请求，提取请求包括对数据集合中关键词字符串的数据提取包括：

计算关键词字符串的熵，并判断关键词字符串的熵是否大于预设的熵阈值，当关键词字符串的熵大于熵阈值时，确定关键词字符串为模糊性数据。

3.如权利要求2所述的一种基于模糊搜索多选项的智能提取方法，其特征在于，还包括：

采用布隆过滤器结构建立关键词字符串的安全索引，支持数据动态接收。

4.如权利要求1所述的一种基于模糊搜索多选项的智能提取方法，其特征在于，所述通过对提取的数据进行数据预处理，关键词向量生成，位置敏感哈希映射完成对索引树的构建包括：

数据预处理阶段提取数据中的关键词字符串，计算关键词字符串的词频-逆文本频率，通过词形还原算法根据上下文分析关键词字符串的词性，并对关键词字符串进行简化。

5.如权利要求4所述的一种基于模糊搜索多选项的智能提取方法，其特征在于，还包括：

关键词向量生成阶段依据VSM模型，使用关键词向量作为文件索引，同时使用位置敏感哈希函数对输入的关键词向量进行映射完成明文索引树的构建。

6.如权利要求1所述的一种基于模糊搜索多选项的智能提取方法，其特征在于，所述将关键词向量进行词义拓展构造词义模糊集，并插入构建的索引树中包括：

通过构造的词义模糊集，将支持词义关键词向量转化为精确关键词向量。

7.如权利要求1所述的一种基于模糊搜索多选项的智能提取方法，其特征在于，所述确定构建的索引树中多个提取对象的对应关系，查询与模糊搜索多选项对应的提取对象包括：

通过查询向量与索引向量之间的对应关系进行内积运算实现对多个提取对象搜索结果的排序，完成半可信的情况下对多个提取对象的搜索。

8.一种基于模糊搜索多选项的智能提取系统，其特征在于，包括：

接收模块，用于接收提取请求，提取请求包括对数据集合中关键词字符串的数据提取；

生成模块，用于通过对提取的数据进行数据预处理，关键词向量生成，位置敏感哈希映射完成对索引树的构建；

构建模块，用于将关键词向量进行词义拓展构造词义模糊集，并插入构建的索引树中；

搜索模块，用于确定构建的索引树中多个提取对象的对应关系，查询与模糊搜索多选项对应的提取对象。

9.如权利要求8所述的一种基于模糊搜索多选项的智能提取系统，其特征在于，包括：

用于存储计算机指令的至少一个存储器；

与所述存储器通讯的至少一个处理器，其中当所述至少一个处理器执行所述计算机指令时，所述至少一个处理器使所述系统执行：接收模块、生成模块、构建模块及搜索模块。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。