[发明专利]电气图纸文本分类方法、系统、装置及介质

权利要求书

1.电气图纸文本分类方法，其特征在于，包括：

获取历史电气图纸数据；

对所述历史电气图纸数据进行预处理；

对预处理后的历史电气图纸数据进行分词处理，得到词集合；

对所述词集合进行词频统计，构建电气图纸字典；

获取待分类电气图纸数据；

根据所述电气图纸字典，将所述待分类电气图纸数据中提取的各个词进行标签化处理；

根据所述电气图纸字典，通过构建得到的分类模型对所述标签化处理后的各个词进行分类，得到所述待分类电气图纸数据中文本的分类结果。

2.根据权利要求1所述的电气图纸文本分类方法，其特征在于，所述对所述历史电气图纸数据进行预处理，包括：

将数据中的特殊字符替换为分隔符；

将数据中的英文字符转换为小写字符；

将数据中的文本长度不合格的字符进行过滤处理。

3.根据权利要求1所述的电气图纸文本分类方法，其特征在于，所述对预处理后的历史电气图纸数据进行分词处理，得到词集合，包括：

按照电气元器件的名称对预处理后的历史电气图纸数据进行第一分词；

按照非元器件的名称对预处理后的历史电气图纸数据进行第二分词；

根据电气行业常用短语对预处理后的历史电气图纸数据进行第三分词。

4.根据权利要求1所述的电气图纸文本分类方法，其特征在于，所述对所述词集合进行词频统计，构建电气图纸字典，包括：

统计所述词集合中每个词语的词频；

将词频从大到小进行排列；

根据排列后的词频，为每个词建立唯一索引号；

根据每个词的唯一索引号，构建电气图纸字典。

5.根据权利要求1所述的电气图纸文本分类方法，其特征在于，所述根据所述电气图纸字典，将所述待分类电气图纸数据中提取的各个词进行标签化处理，包括：

将所述待分类电气图纸进行分词处理，得到分词数组；

遍历所述分词数组中的每个词语，在所述电气图纸字典中查询每个词语对应的索引号；

根据每个词语的索引号，获取每个词语的标签。

6.根据权利要求1所述的电气图纸文本分类方法，其特征在于，还包括构建分类模型的步骤，该步骤包括：

对电气图纸字典的词表特征进行降维处理；

通过长短期记忆层对降维处理得到的数据进行过滤；

通过全连接分类层对过滤得到的数据进行类别特征空间构建，得到分类模型。

7.根据权利要求6所述的电气图纸文本分类方法，其特征在于，所述对电气图纸字典的词表特征进行降维处理，包括：

对所述电气图纸字典中的词进行One-Hot处理；

获取ship-gram模型，并配置用于表示词向量的隐含层；

配置窗口长度，并根据分词得到的数组生产训练数据集；

通过cross-entropy损失函数对训练数据集进行训练；

根据训练结果，输出隐含层矩阵。

8.电气图纸文本分类系统，其特征在于，包括：

第一获取模块，用于获取历史电气图纸数据；

预处理模块，用于对所述历史电气图纸数据进行预处理；

分词模块，用于对预处理后的历史电气图纸数据进行分词处理，得到词集合；

构建模块，用于对所述词集合进行词频统计，构建电气图纸字典；

第二获取模块，用于获取待分类电气图纸数据；

标签处理模块，用于根据所述电气图纸字典，将所述待分类电气图纸数据中提取的各个词进行标签化处理；

分类模块，用于根据所述电气图纸字典，通过构建得到的分类模型对所述标签化处理后的各个词进行分类，得到所述待分类电气图纸数据中文本的分类结果。

9.一种装置，其特征在于，包括处理器以及存储器；

所述存储器用于存储程序；

所述处理器用于根据所述程序执行如权利要求1-8中任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行完成如权利要求1-8中任一项所述的方法。