[发明专利]基于地质本体的地质报告文本信息提取方法

摘要

本发明提供一种基于地质本体的地质报告文本信息提取方法,包括步骤：S1、对地质报告文档进行预处理操作，将文件类型转换成数据源格式，并进行分句、分词、去停用词、以及词性标注；S2、利用结构化信息构建地名词典库、地质实体词典库，在已有地质领域本体的基础上进行扩充并形成地名本体和地质时间本体；S3、通过模式匹配以及规则匹配方法对地质报告文本进行地质实体信息、时空关系信息、以及属性信息的抽取。本发明的有益效果：无需采用人工方式标注大量的训练数据集，节省了人力、物力；对现有的信息抽取模型进行了抽象及改进，为其他领域的信息抽取提供了一定思路。

主权项

1.基于地质本体的地质报告文本信息提取方法，其特征在于，所述方法包括以下步骤：/nS1、文档预处理：将搜集到的地质报告文档的文件类型转换成数据源格式，利用自然语言处理工具对所述数据源格式的文档进行分句、分词、去停用词、以及词性标注，得到用于信息抽取的序列文本；/nS2、地质本体构建：从空间数据库中获取结构化属性信息，形成地名词典库、地质实体词典库，并对现有的开源地质领域本体利用专业地质词汇和专著进行扩充，形成地名本体和地质时间本体；/nS3、匹配规则定义：分析地质报告文档中的时间描述形式，定义时间匹配规则；根据步骤S1中标注的词性，结合地质报告文档中的属性信息的描述特点，定义属性信息匹配规则；在步骤S1得到的序列文本中搜集表达空间关系的词汇，定义空间关系匹配规则；/nS4、地质信息提取：在步骤S2、步骤S3的基础上，利用模式匹配、规则匹配方法对步骤S1处理得到的序列文本进行地质实体信息、时空关系信息以及属性信息的抽取。/n