[发明专利]一种基于深度学习技术的行业数据信息抽取方法

权利要求书

1.一种基于深度学习技术的行业数据信息抽取方法，其特征在于，包括以下具体步骤：

S1、根据行业数据关键词A从网页上获取数据信息B；

S2、去除数据信息B中的干扰信息C，得到数据信息D；

S3、对数据信息D进行分词，得到关键信息E；

S4、将得到的关键信息E和行业数据关键词A融合，得到对应行业数据关键词A的行业信息F；

S5、对得到的行业信息F存储，并对得到的行业信息F建立基于深度学习的行业词库G；

S6、输入所要获取的行业数据片段信息H；

S7、从行业数据片段信息H中提取关键词I；

S8、根据关键词I从行业词库G中抽取数据信息J。

2.根据权利要求1所述的一种基于深度学习技术的行业数据信息抽取方法，其特征在于，S1中从网页上获取数据信息B的方式为：对网页Web的页面数据建立文档对象模型DOM树，以抽取网页Web的页面信息，得到数据信息B。

3.根据权利要求1所述的一种基于深度学习技术的行业数据信息抽取方法，其特征在于，干扰信息C包括重复信息、不正常显示信息和编码乱码信息。

4.根据权利要求1所述的一种基于深度学习技术的行业数据信息抽取方法，其特征在于，S7中对行业数据片段信息H中提取关键词I前，该方法还包括：对行业数据片段信息H进行预处理，用于去除行业数据片段信息H中的重复信息。

5.根据权利要求1所述的一种基于深度学习技术的行业数据信息抽取方法，其特征在于，还包括基于上述方法的工作系统，工作系统包括第一输入模块、第二输入模块、数据信息获取模块、数据信息处理模块、分词模块、中央处理系统、数据融合模块、检索抽取模块、提取模块、存储模块和行业词典模块；

第一输入模块与数据信息获取模块通讯连接，第一输入模块用于输入行业数据关键词A，且第一输入模块将行业数据关键词A发送给数据信息获取模块；

数据信息获取模块与信息数据处理模块通讯连接，数据信息获取模块用于根据行业数据关键词A从网页上获取数据信息B，并将数据信息B发送给信息数据处理模块；

信息数据处理模块与中央处理系统通讯连接，信息数据处理模块用于将数据信息B中的干扰信息C去除得到数据信息D，且信息数据处理模块用于将数据信息D发送给中央处理系统；

分词模块与中央处理系统通讯连接，分词模块用于对数据信息D进行分词，得到关键信息E；

数据融合模块与中央处理系统通讯连接，数据融合模块用于将关键信息E和行业数据关键词A融合，得到对应行业数据关键词A的行业信息F；

存储模块与中央处理系统通讯连接，存储模块用于存储行业信息F；

行业词典模块与中央处理系统通讯连接，且行业词典模块与存储模块通讯连接，行业词典模块用于根据存储模块中存储行业信息F建立基于深度学习的行业词库G；

第二输入模块与提取模块通讯连接，第二输入模块用于输入所要获取的行业数据片段信息H；

提取模块与中央处理系统通讯连接，提取模块用于行业数据片段信息H中提取关键词I；

检索抽取模块与中央处理系统通讯连接，且检索抽取模块与存储模块通讯连接，检索抽取模块用于从行业词库G中抽取对应行业数据片段信息H的数据信息J。

6.根据权利要求5所述的一种基于深度学习技术的行业数据信息抽取方法，其特征在于，工作系统还包括信息过滤模块；信息过滤模块与第二输入模块通讯连接，信息过滤模块与中央处理系统通讯连接，信息过滤模块用于去除行业数据片段信息H中的重复信息。