[发明专利]基于对象模型的试验数据统一检索方法和系统

权利要求书

1.一种基于对象模型的试验数据统一检索方法，其特征在于，包括：

S1：获取待检索的试验数据；

S2：根据获取的待检索的试验数据，构建描述该试验数据的对象模型，并保存对象模型文件；

其中，试验数据的对象模型只有属性特征，包含两个成员对象，一个成员对象是试验数据的基本信息，另一个成员对象是试验数据的文件信息集合；

其中，试验数据基本信息包括三个属性，分别是基本属性、关系属性和使用特征；基本属性包含试验数据名称、试验人员和试验部门；关系属性包含关联试验方案名称和ID、关联试验信息名称和ID；使用特征包含该试验数据的使用频率和最近使用时间；

试验数据文件信息集合表示与该试验数据绑定的试验数据文件可以是多个；每个试验数据文件信息包含了文件属性，语义属性和底层特征属性；文件属性包含了文件名称、文件存储路径、文件大小和文件类型；语义属性包含了语义关键词，语义描述和文件应用场景描述；底层特征属性包含了文件主题颜色、文件出题形状和其他底层特征；

S3：采用深度学习网络对构建的对象模型进行分词处理；

S4：根据步骤S3的分词结果，创建索引，构建索引库；

当用户有查询需求时，获取查询条件，创建查询，向索引库发送查询请求进行查询，并将查询结果反馈给用户；

其中，步骤S3中，对构建的文档对象进行分析以及所述创建查询时，应用了基于双向长短期记忆网络的中文分词方法，具体包括：

1)将中文语句输入，并将输入的语句转换为标准格式；

2)对语句进行命名实体识别，判断语句中的字符是否为相关单词，如果是，则将边界标签分配至字符中；如果否，则将字符标记为特殊标签“O”；

3)将字符映射为特征向量，将输入语句按顺序编号，并将文本编号作为向量索引，产生一个n维向量，当一个词出现在某段文本i中时，则向量i处的值为1，通过向量[0，0，…，1,0]来表示该词；

4)预定义若干用于描述日期、时间、数字、习语的词语或主题；

5)使用双向长短期记忆网络为每个单词分配语义标签，生成每个词的输入向量，汇总得到分词结果。

2.根据权利要求1所述的基于对象模型的试验数据统一检索方法，其特征在于，采用Word2vec工具将单个字符转换为特征向量。

3.一种基于对象模型的试验数据统一检索系统，其特征在于，包括：

获取模块，用于获取待检索的试验数据；

构建模块，用于根据获取的待检索的试验数据，构建描述该试验数据的对象模型，并保存对象模型文件；

其中，试验数据的对象模型只有属性特征，包含两个成员对象，一个成员对象是试验数据的基本信息，另一个成员对象是试验数据的文件信息集合；

其中，试验数据基本信息包括三个属性，分别是基本属性、关系属性和使用特征；基本属性包含试验数据名称、试验人员和试验部门；关系属性包含关联试验方案名称和ID、关联试验信息名称和ID；使用特征包含该试验数据的使用频率和最近使用时间；

试验数据文件信息集合表示与该试验数据绑定的试验数据文件可以是多个；每个试验数据文件信息包含了文件属性，语义属性和底层特征属性；文件属性包含了文件名称、文件存储路径、文件大小和文件类型；语义属性包含了语义关键词，语义描述和文件应用场景描述；底层特征属性包含了文件主题颜色、文件出题形状和其他底层特征；

分析模块，采用深度学习网络对构建的对象模型进行分词处理；

创建模块，用于根据分析模块的分词结果，创建索引，构建索引库；

查询模块，用于当用户有查询需求时，获取查询条件，创建查询，向索引库发送查询请求进行查询，并将查询结果反馈给用户；

其中，分析模块中，对构建的文档对象进行分析以及所述创建查询时，应用了基于双向长短期记忆网络的中文分词方法，具体包括：

1)将中文语句输入，并将输入的语句转换为标准格式；

2)对语句进行命名实体识别，判断语句中的字符是否为相关单词，如果是，则将边界标签分配至字符中；如果否，则将字符标记为特殊标签“O”；

3)将字符映射为特征向量，将输入语句按顺序编号，并将文本编号作为向量索引，产生一个n维向量，当一个词出现在某段文本i中时，则向量i处的值为1，通过向量[0，0，…，1,0]来表示该词；

4)预定义若干用于描述日期、时间、数字、习语的词语或主题；

5)使用双向长短期记忆网络为每个单词分配语义标签，生成每个词的输入向量，汇总得到分词结果。