[发明专利]一种小样本集上的信息对匹配方法及系统

权利要求书

1.一种小样本集上的信息对匹配方法，其特征在于，该方法包括以下步骤：

步骤100，录入文本，识别文本中属性和属性对应值；

步骤200，两两构建语句中出现的属性和属性对应值的特征；

步骤300，构建训练样本；

步骤400，基于训练样本训练模型，构建信息对匹配模型。

2.根据权利要求1所述的方法，其特征在于，在步骤100中包括以下操作，对录入文本进行分句处理，即识别并划分文本中的句子，优选对每个句子添加标签以标示各句子在文本中的位置；

以句子为单位进行文本中属性和属性对应值的识别。

3.根据权利要求1所述的方法，其特征在于，在步骤100中，通过构建指标库的方式识别属性，或者将属性识别看成是命名实体识别任务，通过条件随机场模型、隐马尔可夫模型或、LSTM模型或其组合进行属性识别；

属性对应值为非数值形式时，通过与属性识别相同的方式获得；

属性对应值为数值形式时，通过配置模版方式识别属性对应值，即通过将数值形式的属性对应值以正则表达式表示形成模版，通过确定句子中是否存在符合正则表达式的字符串，识别数值形式的属性对应值。

4.根据权利要求1所述的方法，其特征在于，在步骤200中，包括构建句法路径；

将给定语句进行分词、词性标注、句法分析，取属性和属性对应值之间最短的最小路径和最长的最小路径作为属性和属性对应值之间的句法路径；

属性和属性对应值之间最短的最小路径和最长的最小路径称为最短句法路径和最长句法路径。

5.根据权利要求1所述的方法，其特征在于，在步骤200中，构建特征包括基于句法路径构建句法结构特征，即分别统计最长句法路径和最短句法路径上句法结构个数，将句法结构个数作为句法结构特征；

构建特征还包括基于句法路径构建词性特征，即分别统计最长句法路径和最短句法路径上词的词性个数，将词性个数作为词性特征；

构建特征还包括基于句法路径构建特殊词特征，所述特殊词为强烈影响属性和属性对应值之间匹配结果的词。

6.根据权利要求1所述的方法，其特征在于，在步骤200中，构建特征还包括基于句法路径上的词构建词向量；

使用one-hot encoder或者word2vec的方法构建词向量，优选使用word2vec的方法构建词向量。

7.根据权利要求1所述的方法，其特征在于，在步骤200中，构建特征还包括基于输入语句中属性和属性对应值的物理距离构建特征，物理距离包含距离长度和距离方向；

其中，所述距离长度通过输入语句中属性到属性对应值所需要经过的词的个数确定；所述距离方向通过预设属性和属性对应值的相对位置确定。

8.根据权利要求1所述的方法，其特征在于，在步骤300中，包括对抽取的特征进行相关性排序，选用相关性高的特征用于模型训练；

在步骤400中，利用支持向量机、随机森林、逻辑回归、或随机森林与逻辑回归结合的方式进行模型训练，优选采用随机森林与逻辑回归结合的方式进行模型训练。

9.根据权利要求1所述的方法，其特征在于，在步骤400中，还包括对构建得到的模型进行预测，数据预测得分和匹配结果互斥化的输出；

在模型实际使用中，数据得分和匹配结果互斥化的输出。

10.一种用于实施上述权利要求1至9之一所述方法的系统，该系统包括：

信息识别模块：用于文本中属性和属性对应值；

特征构建模块：用于两两构建语句中出现的属性和属性对应值的特征；

训练样本构建模块，用于基于属性和属性对应值两两匹配的特征及标注样本集，构建训练样本；

匹配模型构建模块，用于基于训练样本训练模型，构建信息对匹配模型。