[发明专利]一种地质命名实体的提取方法及装置

权利要求书

1.一种地质命名实体的提取方法，其特征在于，包括：

A1、获取由多个字符或字符串组成的目标文本；

A2、基于所述目标文本和预先设定的第一规则字符，获取与所述第一规则字符对应的第一正则表达式，提取所述目标文本中满足第一规则字符对应的第一正则表达式的第一字符串，得到第二目标文本；其中，所述第二目标文本为不包含第一字符串的目标文本；

其中，所述第一规则字符为在多类别地质命名实体位置前，但不属于地质命名实体的词；

A3、基于所述第二目标文本和预先设定的第三规则字符判断所述第二目标文本中是否含有所述第三规则字符；

其中，所述第三规则字符为在地质命名实体中的结尾词；

A4、若有，则采用预先设定的与所述第三规则字符对应的第四规则字符、第二规则字符、第五规则字符、第六规则字符、第七规则字符和第三规则字符一起获取第二正则表达式，采用所述第二正则表达式，获取所述第二目标文本中满足所述第二正则表达式的第二字符串；

所述第二规则字符为：在所有类别地质命名实体中的结尾词前，但不属于地质命名实体的词；

所述第四规则字符为：在地质命名实体中的结尾词前的任何位置，但不属于地质命名实体的词；

所述第五规则字符为：在地质命名实体中的结尾词前一相邻位置，但不属于地质命名实体的词；

所述第六规则字符为：在地质命名实体中的结尾词后一相邻位置，但不属于地质命名实体的词；

所述第七规则字符为结尾词所对应地质命名实体的类型代号；

A5、获取所述第二字符串的长度信息，并根据所述长度信息和预先设定的第三规则字符对应的最小长度值，获取所述目标文本中的地质命名实体；

所述目标文本中的地质命名实体具有实体文本字符串和实体类型代号；

所述步骤A2包括：

A2-1、由所述预先设定的第一规则字符获取第一正则表达式；

A2-2、基于所述目标文本，采用所述的第一正则表达式，提取所述目标文本中满足第一规则字符对应的第一正则表达式的第一字符串；

A2-3、将所述目标文本中的第一字符串换成与所述第一字符串长度相同的由第八规则字符组成的字符串得到第二目标文本；

所述第八规则字符为空格；

所述步骤A5包括：

A5-1、获取所述第二字符串的长度值；

A5-2、判断所述第二字符串的长度值是否满足预先设定的与所述第二字符串相应的第三规则字符对应的最小长度值；

A5-3若满足，则基于所述第二字符串和预先设定的与所述第二字符串相应的第三规则字符对应的第七规则字符，获取所述目标文本中具有实体文本字符串和实体类型代号的地质命名实体；

其中，所述地质命名实体的实体文本字符串为第二字符串；

所述地质命名实体的类型代号为预先设定的与所述第二字符串对应的第三规则字符对应的第七规则字符。

2.根据权利要求1所述的方法，其特征在于，与第四规则字符、第二规则字符、第三规则字符、第五规则字符、第六规则字符、第七规则字符对应的第二正则表达式字符，包括：具有第一标签字符的第二正则表达式字符和具有第二标签字符的第二正则表达式字符；

其中，所述第一标签字符为：具有第一标签字符的第二正则表达式字符所对应的第二正则表达式的形式为第一形式的标签字符；

所述第二正则表达式的第一形式为依序排列的：第四规则字符、第二规则字符、第五规则字符、第三规则字符、第六规则字符、第七规则字符；

其中，所述第二标签字符为：具有第二标签字符的第二正则表达式字符所对应的第二正则表达式的形式为第二形式的标签字符；

所述第二正则表达式的第二形式为：预先设定的和所述第一形式不同的第二正则表达式形式。

3.一种地质命名实体提取装置，其特征在于，所述地质命名实体提取装置存储第一指令；

所述第一指令使地质命名实体提取装置执行如权利要求1至2任一项所述的地质命名实体提取方法。