[发明专利]基于大数据实现工程造价数据库快速形成的方法和系统

权利要求书

1.一种基于大数据实现工程造价数据库快速形成的方法，其特征在于，包括以下步骤：

分别获取至少一个与工程造价相关专业中每个专业相关的参考文档文件，所述相关专业至少包括装饰、建筑、采暖、给排水、消防、照明、弱电、动力、电梯、防雷接地；

分别对每个专业的参考文档文件进行命名实体识别，得到每个专业对应的参考命名实体；

根据每个专业对应的参考命名实体查找与该专业相关联的文档文件；

分别对每个专业相关联的文档文件进行命名实体识别；

根据识别出的命名实体分别对每个专业相关联的文档文件进行筛选，对文档文件分专业存储形成数据库。

2.根据权利要求1所述的一种基于大数据实现工程造价数据库快速形成的方法，其特征在于，所述根据每个专业的命名实体查找与该命名实体相关联的文档文件包括：

根据每个专业的命名实体获取与对应专业相关的本地文档文件；和/或，

根据每个专业的命名实体从网络爬取与对应专业相关的文档文件。

3.根据权利要求1所述的一种基于大数据实现工程造价数据库快速形成的方法，其特征在于，所述分别对每个专业的参考文档文件进行命名实体识别包括：

识别每个专业参考文档文件的命名实体并进行归类；

对归类后的命名实体与该专业的关联度进行判断以确定筛选出该专业对应的参考命名实体。

4.根据权利要求1所述的一种基于大数据实现工程造价数据库快速形成的方法，其特征在于，所述根据识别出的命名实体分别对每个专业的文档文件进行筛选包括：

分别统计每个文档文件识别出的命名实体类型及其对应数量；

筛选出与参考命名实体相同的命名实体类型且命名实体类型的数量大于一阈值的文档文件，得到与每个专业相对应的文档文件。

5.根据权利要求4所述的一种基于大数据实现工程造价数据库快速形成的方法，其特征在于，所述根据识别出的命名实体分别对每个专业爬取的文档文件进行筛选还包括：

对所有专业的文档文件进行相同性查找，查找出同时与至少两个专业对应的文档文件；

确定该同时与至少两个专业对应的文档文件最终对应的专业，并在该文档文件上添加标签，所属标签包括除最终对应的专业之外的专业标签。

6.一种基于大数据实现工程造价数据库快速形成的系统，其特征在于，包括：

一文档文件获取单元，所述文档文件获取单元用于分别获取至少一个与工程造价相关专业中每个专业相关的参考文档文件，所述相关专业至少包括装饰、建筑、采暖、给排水、消防、照明、弱电、动力、电梯、防雷接地；

一命名实体识别单元，所述命名实体识别单元用于对每个专业的文档文件进行命名实体识别；

一文档文件查找单元，所述文档文件查找单元用于根据每个专业的命名实体查找与对应专业相关联的文档文件；

一文档文件筛选单元，所述文档文件筛选单元用于根据识别出的命名实体分别对每个专业的文档文件进行筛选；

一数据库构建单元，所述数据库构建单元用于根据文档文件筛选单元的筛选结果对文本文档分专业存储形成数据库。

7.根据权利要求6所述的一种基于大数据实现工程造价数据库快速形成的系统，其特征在于，所述文档文件查找单元包括：

一本地查找单元，所述本地查找单元用于据每个专业的命名实体获取与对应专业相关的本地文档文件；

一网络数据爬取单元，所述网络数据爬取单元用于根据每个专业的命名实体从网络爬取与对应专业相关的文档文件。

8.根据权利要求6所述的一种基于大数据实现工程造价数据库快速形成的系统，其特征在于，所述数据库构建单元包括：

一数据统计单元，所述数据统计单元用于分别统计每个文档文件识别出的命名实体类型及其对应数量；

一筛选单元，所述筛选单元用于筛选出与参考命名实体相同的命名实体类型且命名实体类型的数量大于一阈值的文档文件，得到与每个专业相对应的文档文件；

一构建单元，所述构建单元用于对文档文件分专业存储形成数据库。