[发明专利]一种基于知识图谱的招投标网页信息解析方法

说明书

本发明属于网页信息解析领域，涉及一种基于知识图谱的招投标网页信息解析方法。所述的解析方法通过分析招投标文本的结构特征，然后据此构建招投标领域知识图谱，引入一种基于编辑距离的招投标网页元素语义匹配与抽取算法过程，从而实现一种基于知识图谱的招投标网页信息解析。本发明所述方法能够实现对招投标网页中语义信息的结构化解析抽取，具备较好的网页自适应能力，能满足实用性能要求。

技术领域

本发明属于网页信息解析领域，涉及一种基于知识图谱的招投标网页信息解析方法。

背景技术

如今，互联网成为了获取信息资源的主要渠道，招投标活动为企业、用户提供了大量有价值的数据，解析招投标网页信息对征信、经济发展有着重要意义。由于招投标网页结构复杂，形式灵活，使用现有技术还存在一些不足：①抽取粒度粗糙，无法满足用户需求；②正则表达式技术虽能满足精确需求，但是人工成本较大，适用性低、灵活性差。

发明内容

本发明目的在于解决招投标网页信息解析效率低下的问题，提供了一种基于知识图谱的招投标网页信息解析方法，本发明重在实现对招投标网页中语义信息的结构化解析。本发明着重考虑两点：①分析招投标领域文本特征，构建招投标领域的知识图谱。②通过知识图谱，实现一种基于编辑距离的招投标网页元素语义匹配与抽取算法。

本发明的技术方案如下：

一种基于知识图谱的招投标网页信息解析方法，第一步：知识图谱构建：

分析招投标文本的结构特征，在此基础上构建招投标领域知识图谱；

第二步：语义信息解析：

将招投标领域知识图谱结合编辑距离的方法，进行招投标网页元素语义匹配与抽取，得到招投标网页中语义信息的结构化解析。

所述的知识图谱构建步骤包括：

(1)招投标文本结构特征分析：通过学习招投标领域的相关知识，从招投标网页中分析招投标文本的结构特征；

(2)知识图谱构建：使用编辑器Protégé构建招投标领域知识图谱；

(3)知识图谱存储：通过对知识图谱的解析，得到其概念、属性、层次关系的词典，并且将其持久化到关系型数据库中。

所述的语义信息解析步骤包括：

(1)目标语义信息：定义招投标网页信息结构化解析的目标信息项，即目标语义信息；

(2)预处理：去除招投标网页信息数据的噪声；

(3)信息抽取：基于构建的招投标领域知识图谱，采用编辑距离算法，计算招投标网页元素语义匹配的相似度，最终解析得到招投标网页的结构化语义信息。

本发明的效果和益处：

本发明的方法能够作为解析招投标网页信息的核心实现方法，解决了招投标网页信息解析效率低下的问题，实现招投标网页信息的结构化解析。

附图说明

图1招投标网页解析框架图。

图2招投标知识图谱层次图。

图3信息抽取流程图。

具体实施方式

以下结合技术方案和附图详细叙述本发明的具体实施方式。

如图1所示，本发明提供了一种基于知识图谱的招投标网页信息解析方法，包括如下步骤：