[发明专利]一种面向XBRL领域本体的语义基元提取方法

权利要求书

1.一种面向XBRL领域本体的语义基元提取方法，具体步骤为：

步骤1、通过会计词典中提取、整理会计术语的定义文本；

步骤2、对文本进行切词、去停用词和去重处理；

步骤3、构建会计术语有向网络图；

步骤4、基于会计词典构建网络图后，利用MATLAB R2016a计算出各节点的PageRank值，作为语义基元提取的依据；

步骤5、基于同义词林的语义基元进行合并。

2.根据权利要求1所述的一种面向XBRL领域本体的语义基元提取方法，其特征在于：所述步骤1中本文手动提取、整理了会计术语的定义文本，并汇总于Excel中。

3.根据权利要求1所述的一种面向XBRL领域本体的语义基元提取方法，其特征在于：步骤2具体为利用Python自带的jieba包进行切词，将会计词典中的4会计术语导入自定义词典，接着建立停用词表，并对每个术语的定义文本中的词语进行去重处理。

4.根据权利要求1所述的一种面向XBRL领域本体的语义基元提取方法，其特征在于：步骤3中具体构造思路是以词汇及切词后的定义文本为节点，词汇和定义文本间有一条有向边，具体是词汇指向若干个定义文本词汇，并且一词汇A的定义文本中出现另一个词汇B，那么A、B之间就存在一条有向边，具体是A指向B的一条有向边。

5.根据权利要求1所述的一种面向XBRL领域本体的语义基元提取方法，其特征在于：所述步骤4中语义基元存在于环路中PageRank值最大的点和非环路中的叶子节点。

6.根据权利要求1所述的一种面向XBRL领域本体的语义基元提取方法，其特征在于：所述步骤5中对提取出的语义基元存在着定义相近形式不同的词汇予以合并。

7.根据权利要求2所述的一种面向XBRL领域本体的语义基元提取方法，其特征在于：所述Excel用于会计词典的结构化整理。