买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆理工大学

摘要：本发明属于表格信息抽取技术领域，尤其涉及基于语义相似度和知识库的仪表询价信息提取方法、设备及存储介质：首先获取仪表询价表格的参数数据，并进行预处理，生成数据集；然后构建基于混合相似度的表格结构识别模型，将数据集作为表格结构识别模型的输入数据进行输入，并输出表格结构特征信息；然后预设表格内容识别模型，并通过仪表知识库和语义关系对表格内容识别模型进行训练，保存表格内容识别最优模型；最后将数据集作为表格内容识别最优模型的输入，将表格结构特征信息作为表格内容识别最优模型的特征，输出识别结果。本发明能够解决现有的仪表询价过程受人工方式的制约，对表格结构和内容识别准确率不高的问题。

主权项：1.基于语义相似度和知识库的仪表询价信息提取方法，其特征在于：包括：S1：获取仪表询价表格的参数数据，并进行预处理，生成数据集；S2：构建基于混合相似度的表格结构识别模型，将数据集作为表格结构识别模型的输入数据进行输入，并输出表格结构特征信息；S3：预设表格内容识别模型，并通过仪表知识库和语义关系对表格内容识别模型进行训练，保存表格内容识别最优模型；S4：将数据集作为表格内容识别最优模型的输入，将表格结构特征信息作为表格内容识别最优模型的特征，输出识别结果，并根据预设的评价指标进行识别结果评价；所述S2包括：S2-1：将数据集中仪表询价表格数据划分为具有行列数据的类型结构；S2-2：结合类型结构向量化仪表表格，并通过余弦相似度处理向量化后的仪表表格，构建行列数据的类型相似度TySim，其计算公式如下：TyVector＝[ctype,dtype,slen]TySimcella,b＝NorCosineTyVectora,TyVectorb 其中，ctype表示单元格类型，ctype∈{0,1,2,3,4,5}，0表示空，1表示字符串，2表示数字，3表示日期，4表示布尔型，5表示错误；dtype表示单元格数据类型，dtype∈{0,1,2}，0表示单元格数据中全为字符，1表示全为数字，2表示既有数字又有字符；slen表示单元格数据长度，m为表格列数，TyVectora表示单元格a的类型相似度，TyVectorb表示单元格b的类型相似度，c表示某个单元格，xc表示行数据x中第c个单元格，yc表示行数据y中第c个单元格；S2-3：选取Levenshtein相似度、Dice相似度和TySim相似度，并进行加权融合处理，生成混合相似度MixSim，并构建表格结构识别模型；所述S3包括：S3-1：获取仪表领域标准知识，构建领域知识库，并获取历史仪表询价信息提取数据，对领域知识库进行填充；S3-2：基于LSTM识别算法识别仪表询价信息中单元格之间的层级特征，建立仪表表头属性和数据区的语义关系；S3-3：根据仪表表头属性和数据区的语义关系，进行基于领域知识库的仪表询价信息属性抽取，获取属性与数据的对应关系；S3-4：基于领域知识库中仪表属性表和询价表格中语义层级关系，对抽取的仪表询价信息属性进行预处理，获取目标属性术语。

全文数据：

权利要求：

百度查询： 重庆理工大学 基于语义相似度和知识库的仪表询价信息提取方法、设备及存储介质