[发明专利]非结构化源数据的云端自主逻辑归档方法

摘要

本发明涉及一种非结构化源数据的云端自主逻辑归档方法，其特征在于：根据非结构化数据的自然语言描述内容，云端存储系统即可对其作出自主逻辑归档处理，对非结构化数据的描述内容进行抽离处理，利用句法分词、语义分析、相似度比较等自然语言处理操作，并自动为其分配相关的分词标签、简短摘要；其解决了云端存储过程过分依赖于主观操作的现实问题、低效问题；有效地提高了云端存储系统对自然语言的理解能力，从而有利于非结构化数据的云端自主逻辑归档。

主权项

1.非结构化源数据的云端自主逻辑归档方法，其特征在于：根据非结构化数据的自然语言描述内容，云端存储系统即可对其作出自主逻辑归档处理，并自动为其分配相关的分词标签、简短摘要；该方法的具体实现步骤如下：步骤S1、云端存储过程按原有存储策略对非结构化数据UD进行物理存放，且非结构化数据存储表DST自动生成非结构化数据索引值UID；步骤S2、云端存储过程将非结构化数据UD的自然语言描述内容DESC传递给逻辑归档处理过程，并在逻辑归档表LST中新添记录LNM，将记录LNM的非结构化数据ID字段赋值为非结构化数据索引值UID，将记录LNM的数据内容描述字段赋值为自然语言描述内容DESC；步骤S3、逻辑归档处理过程将自然语言描述内容DESC和句子数N作为参数传递给HanLP的过程函数extractSummary；步骤S4、过程函数extractSummary根据TextRank算法对自然语言描述内容DESC进行抽取式摘要提取，从而得到自然语言描述内容DESC的抽取式摘要ABS，将记录LNM的数据描述摘要字段赋值为抽取式摘要ABS；步骤S5、利用数组结构，将逻辑分类表LCT的全部M个逻辑分类描述信息组织成逻辑分类描述数组LCDA，LCDA = { LCD1, LCD2, ……, LCDM }，并将逻辑分类描述数组LCDA的所有逻辑分类描述信息LCD1、LCD2、……、LCDM添加至HanLP的Suggester容器；步骤S6、使用Suggester容器的过程函数suggest进行最佳逻辑分类描述的选取，将抽取式摘要ABS作为参数传递给过程函数suggest，从而得到与抽取式摘要ABS相似度最大的逻辑分类描述LCA；步骤S7、把抽取式摘要ABS和关键词个数P作为过程函数的调用参数，传递给HanLP的过程函数extractKeyword对抽取式摘要ABS进行提取操作，得到抽取式摘要ABS的关键词序列AKW，AKW = { AKW1, AKW2, ……, AKWP }，将记录LNM的描述分词标签字段赋值为关键词序列AKW；步骤S8、把逻辑分类描述LCA和关键词个数P作为过程函数的调用参数，传递给HanLP的过程函数extractKeyword对逻辑分类描述LCA进行提取操作，得到逻辑分类描述LCA的关键词序列LKW，LKW = { LKW1, LKW2, ……, LKWP }；步骤S9、使用HanLP中CoreSynonymDictionary的过程函数similarity，分别计算关键词序列AKW中每一个关键词与关键词序列LKW中所有关键词的相似度，选取关键词序列AKW中每一个关键词相似度的最大值构成相似度序列ALV，ALV = { ALV1, ALV2, ……, ALVP}；步骤S10、设定相似度匹配容差范围为e，相似度匹配误差SMD如表达式EQ1所示，如果SMD < e，则跳转到步骤S12执行，否则继续执行步骤S11；表达式EQ1：SMD = P2 ‑ ( ALV1 + ALV2 + …… + ALVP )2步骤S11、在逻辑分类表LCT中新添记录CNM，则逻辑分类表LCT自动为记录CNM分配一个逻辑分类索引值LCID，将记录CNM的逻辑分类描述字段赋值为抽取式摘要ABS，将记录LNM的逻辑分类ID字段赋值为逻辑分类索引值LCID，跳转到步骤S13继续执行；步骤S12、在逻辑分类表LCT中，根据逻辑分类描述LCA查找其对应的逻辑分类索引值LSID，将记录LNM的逻辑分类ID字段赋值为逻辑分类索引值LSID；步骤S13、至此便可完成单个非结构化数据的云端自主逻辑归档，若要对其他非结构化数据进行自主逻辑归档，则返回至步骤S1重新执行即可。