[发明专利]ISO 19650标准文本的多语句关联分析方法及系统

说明书

本发明提供了一种ISO 19650标准文本的多语句关联分析方法及系统，涉及信息处理技术领域，该方法包括：步骤S1：对ISO 19650标准系列中的语句进行分词和换词处理，获得经过预处理的语句；步骤S2：对经过预处理的语句进行依存句法分析，获取语句中词语之间的依存关系；步骤S3：根据依存关系到语义关系的转换规则，针对语句中词语间的依存关系进行推理，得到单个语句中词语之间的语义关系；步骤S4：将单个语句中的语义关系导入图数据库，将ISO标准的本体模型导入图数据库，建立各个句子中词语与本体模型中词语的链接，推理多个语句之间的关联关系。本发明能够克服语料库不足导致的ISO 19650标准中文文本的语义信息提取困难，同时也有助于解决ISO 19650语句间关联和参引的自动分析面临的困难。

技术领域

本发明涉及信息处理技术领域，具体地，涉及一种基于NLP和本体模型的ISO19650标准系列文本中多语句间的关联分析方法。

背景技术

工程项目开发要求所有参与者及时传达明确的信息。除了IFC文件格式，他们还需要一个信息管理框架来支持他们的协作。ISO 19650标准系列提供了这样一个框架来建立可靠的信息源。由于由5部分组成的ISO 19650标准系列构成了一个复杂的系统，建筑行业希望能够捕获这些标准中的语义信息。

但是，人工提取ISO 19650标准系列中语义信息不仅耗时，成本也很高。因此，需要专门开发了一种基于NLP的语义信息提取方法，进而借助ISO 19650标准的本体模型自动分析各个标准条文之间的关联和参引关系。

公开号为CN110096692B的发明专利，公开了一种语义信息处理方法和装置，该语义信息处理方法包括根据得到的题干，将题干划分为已知条件和结论两部分；根据得到的已知条件和结论，提取已知条件和结论中的显性语义信息；当已知条件和/或结论中存在隐性语义信息时，提取已知条件和/结论中的隐性语义信息；合并提取到的显性语义信息和隐性语义信息，得到题干的语义信息。

发明内容

针对现有技术中的缺陷，本发明提供一种ISO 19650标准文本的多语句关联分析方法及系统。

根据本发明提供的一种ISO 19650标准文本的多语句关联分析方法及系统，所述方案如下：

第一方面，提供了一种ISO 19650标准文本的多语句关联分析方法，所述方法包括：

步骤S1：对ISO 19650标准系列中的语句进行分词和换词处理，获得经过预处理的语句；

步骤S2：对经过预处理的语句进行依存句法分析，获取语句中词语之间的依存关系；

步骤S3：根据依存关系到语义关系的转换规则，针对语句中词语间的依存关系进行推理，得到单个语句中词语之间的语义关系；

步骤S4：将单个语句中的语义关系导入图数据库，将ISO标准的本体模型导入图数据库，建立各个句子中词语与本体模型中词语的链接，推理多个语句之间的关联关系。

优选地，所述步骤S1包括：

步骤S1.1：获取中文版ISO 19650标准系列的文本文件；

步骤S1.2：按每个标准条目抽取语句，并进行语句分词；

步骤S1.3：对分词得到的词语进行换词，用上位词替换专业术语。

优选地，所述文本文件为docx文件，使用开源ZLib库将docx文件解压到一组XML文件中，然后从这些解压文件中按照ISO 19650标准系列的条目编码规律分析XML文件，从中提取标准的条目内容，删除所有字体和段落排版，最后生成一个包含语句列表的纯文本文件。