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！

摘要：本申请公开了一种地球环境领域科技文献的关键信息获取方法及装置。所述地球环境领域科技文献的关键信息获取方法包括：获取文本语料库，所述文本语料库中包括至少一个地球环境领域科技文献文本信息；获取经过训练的面向地球环境领域的语言模型；将各个所述地球环境领域科技文献文本信息分别输入至所述面向地球环境领域的语言模型，从而获取知识信息；对所述知识信息进行规范化处理，从而获取规范化知识信息。本申请的地球环境领域科技文献的关键信息获取方法建立了一套地球环境领域科技文献的智能化知识获取方法流程，提高知识抽取的效率和精度。

主权项：1.一种地球环境领域科技文献的关键信息获取方法，其特征在于，所述地球环境领域科技文献的关键信息获取方法包括：获取文本语料库，所述文本语料库中包括至少一个地球环境领域科技文献文本信息；获取经过训练的面向地球环境领域的语言模型；将各个所述地球环境领域科技文献文本信息分别输入至所述面向地球环境领域的语言模型，从而获取知识信息；对所述知识信息进行规范化处理，从而获取规范化知识信息；所述获取文本语料库包括：构造数据采集任务；根据采集任务进行并行采集，获取各个地球环境领域科技文献的url并发送http请求，获取地球环境领域科技文献页面的text内容，存储到内存当中；解析所获取的各个地球环境领域科技文献的作品基本信息；对存储的各个地球环境领域科技文献进行数据过滤，从而获取经过过滤的地球环境领域科技文献数据；根据各个经过过滤的地球环境领域科技文献数据构建文本语料库；所述根据经过过滤的地球环境领域科技文献数据构建文本语料库包括：使用随机森林机器学习模型，对各个经过过滤的地球环境领域科技文献数据进行二元分类，所述随机森林机器学习模型输出的分类结果包括高知识密度，选取分类结果为高知识密度的文本，作为析出数据集；对析出数据集中的部分地球环境领域科技文献数据设定知识抽取的实体类别并进行语料标注；所述获取经过训练的面向地球环境领域的语言模型包括：获取GEO-DACM模型，所述GEO-DACM模型包括BERT模型、双向长短时记忆网络模型和条件随机场模型；获取训练用数据；通过训练用数据对所述GEO-DACM模型进行训练；所述通过训练用数据对所述GEO-DACM模型进行训练包括：采用BERT模型常用的输入形式，对每句话的开头加上[CLS]标签，然后通过词汇对照表转换为词语序号，以张量的形式输入BERT进行训练；获取BERT最后一层隐藏层的输出的张量，将保存该张量供下游任务使用；获取语义特征矩阵，所述语义特征矩阵包括均值矩阵；通过均值矩阵对所述张量进行数据降维处理，从而获取降维处理后的张量；将降维处理后的张量输入BiLSTM-CRF组合模型进行训练；所述BERT模型基本设置参数包括：网络层数：12；向量维度：768；优化器：Adam；网络参数量：1.1亿；初始学习率：5×10-5；输入文本长度：512；batch_size：64；迭代次数为30次；空白数据占总数据的30％；Epochs：30；dropout：0.2；所述对所述知识信息进行规范化处理，从而获取规范化知识信息包括：对所述知识信息进行空间信息的规范化处理以及时间信息的规范化处理；所述对所述知识信息进行空间信息的规范化处理包括：对知识信息中的地理信息列表LOC＝[l1，l2，...，ln]依次调用acrgis接口，获得对li的检索结果ANS＝[A1，A2，...An]；设当前最佳结果为Temp；遍历ANS，当Temp为空时，若Ai的connfidence≤3，且bbox对角线的长度小于1000km，则使Temp＝Ai；继续遍历ANS，当Temp不为空时，若存在Ak满足confidence_Ak≤3，且bbox对角线的长度小于1000km，则对比Temp与Ak的score值，若score_Ak＞score_Temp或connfidence_Ak＜confidence_Temp，则使Temp＝Ak；遍历结束，则输出Temp作为最佳地理信息编码结果；其中，在处理流程中，confidence是结果置信度，数值越小表示结果越准确，此处取不高于3的数据作为可靠结果，score的值表示数据库中的查询匹配度。

全文数据：

权利要求：

百度查询： 中国科学院地理科学与资源研究所 一种地球环境领域科技文献的关键信息获取方法及装置