[发明专利]使用基于本体的文本挖掘用于非结构化数据的知识提取方法

说明书

技术领域

实施例总体上涉及质保维护修理数据的数据挖掘。

背景技术

典型文本挖掘工具使用简单搜索标准（例如，单项搜索）产生检索。许多当前的文本挖掘工具不能处理低劣写入的语句或非结构化维护修理数据，其包括不同类型的干扰，例如缩写维护修理信息、不完整的维护修理文本和拼错。此外，现有的工具不能从域数据识别异常情形，例如将相应劳动代码描述符（其包括用于确定与部件相关的故障的‘要确定的部件名称’和‘要采取的修理行为’）与用于识别错误匹配的相应报告劳动代码比较。因此，对于需要不止一个单项的检索，不能保证在维护修理逐字段（verbatim）中搜索项的组合在彼此之间具有精确关系。此外，除非所搜索的正确项显示在文档的每个不同组中，否则成簇维护修理技术人员逐字段（即，文档）以识别经常出故障的部件以及与这些部件相关的症状以及技术人员要采取的修理行为以确定故障可能是不完整的。这会导致挖掘数据且试图采取合适正确行为的本领域技术人员的不可见数据表示。

发明内容

实施例的优势在于产生可使用的数据，所述数据使得用户通过将相关维护修理文档成簇到一起来分析质保数据。文本挖掘工具以不同组合以及在所提取概念之间存在的关系来提取特定域信息。于是，所提取的信息被用于产生文档的分等级簇的三个不同组合，从而突出被用于确定故障的最常见类型的修理行为。三个簇组合的名称是：簇1，部件簇；簇2，部件-症状簇；以及簇3，部件-症状-行为簇。这些不同簇组合有助于本领域技术人员从不同角度可视化数据。

实施例构想出一种用于从车辆维护报告系统中的维护修理逐字段中提取数据的方法。每个维护修理逐字段包括技术人员对于部件、与部件有关的症状以及与症状有关的修理行为的评述。维护修理逐字段从车辆维护报告系统收集。每个维护修理逐字段包括涉及与至少一个车辆部件相关的识别问题的信息。提供诊断和预测本体数据库，所述诊断和预测本体数据库通过车辆部件分类、车辆部件子类分类和关系分类而构造，其中关系分类包括症状关系和行为关系。使用诊断和预测本体数据库来重构每个维护修理逐字段。从重构维护修理逐字段根据用户输入标准来提取信息的组合。确定在重构维护修理逐字段中提取的每个组合的频率。针对每种组合成簇维护修理逐字段。

本发明涉及下述技术方案。

1. 一种用于从车辆维护报告系统的维护修理逐字段中提取数据的方法，每个维护修理逐字段包括技术人员对于部件、与部件有关的症状以及与症状有关的修理行为的评述，所述方法包括步骤：

从车辆维护报告系统收集维护修理逐字段，每个维护修理逐字段包括涉及与至少一个车辆部件相关的识别问题的信息；

提供诊断和预测本体数据库，所述诊断和预测本体数据库通过车辆部件分类、车辆部件子类分类和关系分类而构造，其中关系分类包括症状关系和行为关系；

使用诊断和预测本体数据库来重构每个维护修理逐字段；

从重构维护修理逐字段根据用户输入标准来提取信息的组合；

确定在重构维护修理逐字段中提取的每个组合的频率；以及

针对每种组合成簇维护修理逐字段。

2. 根据技术方案1所述的方法，其中，重构每个维护修理逐字段包括将每个相应维护修理逐字段分离为一个或多个语句。

3. 根据技术方案2所述的方法，其中，重构每个维护修理逐字段包括识别在每个维护修理逐字段中的部件词、症状词和修理行为词。

4. 根据技术方案3所述的方法，其中，重构每个维护修理逐字段包括分段化，其中从每个维护修理逐字段移除无实质意义的用词、字符和空格符。

5. 根据技术方案4所述的方法，其中，通过移除无实质意义的用词来重构每个维护修理逐字段包括从维护修理逐字段移除至少一些结束字。

6. 根据技术方案5所述的方法，其中，被确定为症状一部分的结束字被保留在维护修理逐字段中。

7. 根据技术方案3所述的方法，其中，重构每个维护修理逐字段包括针对每个维护修理逐字段词干化症状词和修理行为词，其中词干化包括将症状词和修理行为词减少至其基本形式。

8. 根据技术方案3所述的方法，其中，重构每个维护修理逐字段包括将维护修理逐字段与诊断和预测本体数据库词汇匹配。

9. 根据技术方案3所述的方法，其中，词汇匹配包括应用启发式规则，用于识别被书写为维护修理逐字段中的字符串的诊断疑难代码。