[发明专利]危险化学品安全领域专业词库的构造方法、检索方法及系统

权利要求书

1.一种专业词库的构造方法，其特征在于，该构造方法包括：

S1)形成词条存储结构，并获取关于危险化学品安全专业的词汇，然后按照所述词条存储结构，将所述词汇形成专业词库的词条，其中，所述词条存储结构用于所述专业词库的数据单元的存储结构，所述词条被定义为所述专业词库的数据单元，所述数据单元包括所述词汇的字符串；

S2)形成所述专业词库的词表，然后构建关于所述词表和所述词汇的标识树，通过所述标识树获得与所述词汇的字符串对应的索引值，再记录所述索引值与所述专业词库中所述词汇的字符串或所述词条的映射关系，其中，所述词表被定义为所述专业词库中同一类词条的集合。

2.根据权利要求1所述的专业词库的构造方法，其特征在于，步骤S1)中形成词条存储结构，包括：

定义专业词项、同义词项、词性项和词频项，通过所述专业词项、所述同义词项、所述词性项和所述词频项四个字段形成词条存储结构，其中，

所述专业词项用于记录专业词汇的字符串，所述同义词项用于记录所述专业词汇的同义词的字符串，所述词性项用于记录所述专业词汇的词分类，所述词频项用于记录所述专业词汇的出现次数，所述专业词汇为获取的词汇中至少一个词汇。

3.根据权利要求2所述的专业词库的构造方法，其特征在于，步骤S1)中获取关于危险化学品安全专业的词汇，包括：

使用分词器对关于危险化学品安全专业的文档数据进行分词，分词后至少获得词汇、所述词汇的词分类和所述词汇的出现次数；

筛选所述词汇，筛选后获得关于危险化学品安全专业的词汇，并作为获取的词汇。

4.根据权利要求3所述的专业词库的构造方法，其特征在于，步骤S1)中在使用分词器对关于危险化学品安全专业的文档数据进行分词之前，还包括：

获取文本数据，其中，所述文本数据包括：具有危险化学品事故详情信息的文本数据、具有危险化学品企业登记信息的文本数据、具有危险与可操作性研究报告信息的文本数据、具有安全仪表系统定级与验证研究报告信息的文本数据、具有与危险化学品安全关联的法律法规信息的文本数据和具有国家化工标准信息的文本数据；

转换所述文本数据为同一种数据格式的文本文档；

去除文本长度小于长度阈值的文本文档，然后对保留的文本文档执行文档处理操作，获得关于危险化学品安全专业的文档数据，其中，所述文档处理操作包括去除排版格式信息、去除标点符号和去除停用词。

5.根据权利要求3所述的专业词库的构造方法，其特征在于，步骤S1)中按照所述词条存储结构，将所述词汇形成专业词库的词条，包括：

从获取的词汇中提取词汇，将提取的词汇组合后获得专业词汇，或者，从获取的词汇中提取词汇，将提取的词汇作为专业词汇；

按照所述词条存储结构的不同字段，将所述专业词汇的字符串记录于所述专业词项中，将与所述专业词汇对应的词分类于所述词性项中，并将与所述专业词汇对应的出现次数记录于所述词频项中，形成专业词库的词条。

6.根据权利要求2所述的专业词库的构造方法，其特征在于，步骤S1)中按照所述词条存储结构，将所述词汇形成专业词库的词条，包括：

将所述词汇的字符串记录于所述专业词项中，添加与所述词汇对应的词分类于所述词性项中，以默认数值初始化与所述词汇对应的出现次数并记录初始化后的出现次数于所述词频项中，形成专业词库的词条，其中，所述词汇为从结构化表单数据中获取的词汇。

7.根据权利要求1所述的专业词库的构造方法，其特征在于，步骤S2)中的词表包括：

固定装置名称词表、机关处室全称和/或简称词表、化工企业板块词表、人员公职词表、员工名称词表、行政区词表、组织机构全称和/或简称词表、事故类型词表、炼化装置类别词表、十大风险词表、物理介质词表、企业全称和/或简称词表、创收手段词表、荣誉名称词表、事故简报类型词表、法律法规类型词表、危险化学品目录词表、风险点名称词表、处理单元名称词表、事故死亡原因词表和风险区域词表。