[发明专利]一种政策关键信息提取方法和装置、存储介质、电子设备

说明书

本发明公开了一种政策关键信息提取方法和装置、存储介质、电子设备。方法包括以下步骤：从多个数据来源获取政策信息；根据基于优惠政策的关键词对所述政策信息进行分类，得到所述政策信息中的申报类政策文本；对所述申报类政策文本进行正则表达匹配和语义相似度计算，提取政策关键信息，所述政策关键信息包含：政策支持的申报条件、支持金额以及申报时间。采用本发明的技术方案，能够实现对政策进行类别标注，并提取申报类政策文本中的支持条件、支持资金数额、申报时间关键信息；标注解析后的政策信息可用于多维数据分析和对企业的定向推送。

技术领域

本发明属于信息检索技术领域，尤其涉及一种政策关键信息提取方法和装置、存储介质、电子设备。

背景技术

产业政策是国家用来发展产业的必要工具，对优化产业结构和推动经济发展具有重要价值。目前，我国政策文件大多分布于中央和地方各级政府部门网站。现有的产业政策网站主要对不同来源的政策文件进行汇总，但并未对政策文本包含的关键信息进行解析。汇总后的政策数量庞大，不具有针对性，难以为用户提供更加多维和精准的政策分析。

少数政策分析平台采用人工标注的方式对政策文本内容进行解析，但此种方式人工成本高，能分析的政策数量有限，难以利用大量政策信息进行全面的数据分析。

发明内容

为了解决现有技术中存在的技术问题，本发明提供了如下技术方案。

本发明提供了一种政策关键信息提取方法，包括以下步骤：

从多个数据来源获取政策信息；

根据基于优惠政策的关键词对所述政策信息进行分类，得到所述政策信息中的申报类政策文本；

对所述申报类政策文本进行正则表达匹配和语义相似度计算，提取政策关键信息，所述政策关键信息包含：政策支持的申报条件、支持金额以及申报时间。

本发明中，所述基于优惠政策的关键词包含：申报单位、申报材料、申报方式和/或资金支持方式。

本发明中，所述根据基于优惠政策的关键词对所述政策信息进行分类，得到所述政策信息中的申报类政策文本，包括：

根据所述关键词对所述政策信息进行全量匹配，得到第一组申报类政策集合；

将所述第一组申报类政策集合之外的政策信息输入预先训练得到的文本分类模型，得到第二组申报类政策集合；

根据所述第一组申报类政策集合和第二组申报类政策集合得到所述申报类政策文本。

本发明中，按照下述方式训练得到所述文本分类模型：

从所述第一组申报类政策集合中抽取政策信息，构造正样本；

从所述第一组申报类政策集合之外的政策信息中抽取非申报类的政策信息，构造负样本，所述负样本和正样本的数量相同；

基于所述正样本和负样本训练得到所述文本分类模型。

本发明中，所述对所述申报类政策文本进行正则表达匹配和语义相似度计算，提取所述政策关键信息，包括：

对所述申报类政策文本进行第一次分句处理，得到多个句子及其在所述申报类政策文本中的第一位置信息；

对所述句子进行第二次分句处理，得到多个子句以及所述子句在所述句子中的第二位置信息；

将所述子句与预定义的正则表达式进行匹配；

提取成功匹配的子句中的数字和时间分别作为所述支持金额和申报时间；

将未成功匹配的子句与成功匹配的子句进行语义相似度计算，提取计算结果不小于预设阈值的未成功匹配的子句中的数字和时间分别作为支持金额和申报时间；