[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

说明书

一种基于深度学习技术的行业数据信息抽取方法，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。本发明方便快速的对特定领域的行业数据信息进行获取，且能节省人力。

技术领域

本发明涉及互联网信息技术领域，尤其涉及一种基于深度学习技术的行业数据信息抽取方法。

背景技术

随着经济的发展，各行各业都面临着巨大的发展压力；为了保证自身发展往往需要对行业数据进行分析，从而根据公司内部的实际情况制定出符合公司发展的战略路线。伴随着互联网及应用和服务的普及，网上信息量以指数级增长，但是从海量的互联网信息中提取对自身有价值的信息是非常困难的；在行业数据采集的过程中需要花费大量的时间，需要多名工作人员共同完成，才能从海量的互联网信息中提取到相关的行业信息；为解决上述问题，本申请中提出一种基于深度学习技术的行业数据信息抽取方法。

发明内容

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种基于深度学习技术的行业数据信息抽取方法，本发明方便快速的对特定领域的行业数据信息进行获取，且能节省人力。

(二)技术方案

为解决上述问题，本发明提供了一种基于深度学习技术的行业数据信息抽取方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，本发明还提出了上述基于深度学习技术的行业数据信息抽取方法的工作系统，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；