[发明专利]一种用于提取案例信息的多元新词的方法及系统

权利要求书

1.一种用于提取案例信息的多元新词的方法，所述方法包括：

对故障案例库中的案例信息进行读取，对案例信息进行解析，获取文本信息和表格数据，根据文本信息和表格数据的表单结构解析并识别出表单结构中数据的属性名称文本，将表单结构中数据的属性名称文本加入新词生成案例文本；

对案例文本进行分词处理，对进行分词后的案例文本构建前缀树，将常用词和分词后的案例文本加入树节点；

确定相邻树节点的互信息的相关性，并确定互信息的相关性是否大于或等于预设值，当互信息的相关性大于或等于预设值时，获取相邻树节点的左右熵，若左右熵满足预设要求，确定相邻树节点构成多元新词，并对多元新词进行提取。

2.根据权利要求1所述的方法，所述文本信息和表格数据为案例信息的故障描述、故障原因分析、故障试验分析和故障初步处理方案。

3.根据权利要求1所述的方法，所述分词处理使用自然语义处理库进行处理。

4.根据权利要求1所述的方法，所述互信息的相关性确定，具体如下：

定义相邻树节点的为单词向量X和Y，如果(X,Y)～p(x,y)，X和Y之间的互信息I(X；Y)公式如下：

其中，x和y分别为单词向量X和Y单词向量中的单词，P(x)和P(y)为单词x和y出现的概率和P(x,y)为x和y同时出现的概率。

5.根据权利要求1所述的方法，所述左右熵的公式分别如下：

其中，E_L(x)为单词x的左熵、a_x为单词x带有左边词的单词、A为左边词集合、E_R(x)为单词x的右熵、x_b为单词x带有右边词的单词、B为右边词集合、p(x_a)为带有左边词的单词的概率、p(x_b)为带有右边词的单词的概率p(x_a|a)为带有左边词的单词的概率的条件概率和p(x_b|b)为带有右边词的单词的概率的条件概率。

6.一种用于提取案例信息的多元新词的系统，所述系统包括：

采集模块，对故障案例库中的案例信息进行读取，对案例信息进行解析，获取文本信息和表格数据，根据文本信息和表格数据的表单结构解析并识别出表单结构中数据的属性名称文本，将表单结构中数据的属性名称文本加入新词生成案例文本；

分词模块，对案例文本进行分词处理，对进行分词后的案例文本构建前缀树，将常用词和分词后的案例文本加入树节点；

提取模块，确定相邻树节点的互信息的相关性，并确定互信息的相关性是否大于或等于预设值，当互信息的相关性大于或等于预设值时，获取相邻树节点的左右熵，若左右熵满足预设要求，确定相邻树节点构成多元新词，并对多元新词进行提取。

7.根据权利要求6所述的系统，所述文本信息和表格数据为案例信息的故障描述、故障原因分析、故障试验分析和故障初步处理方案。

8.根据权利要求6所述的系统，所述分词处理使用自然语义处理库进行处理。

9.根据权利要求6所述的系统，所述互信息的相关性确定，具体如下：

定义相邻树节点的为单词向量X和Y，如果(X,Y)～p(x,y)，X和Y之间的互信息I(X；Y)公式如下：

其中，x和y分别为单词向量X和Y单词向量中的单词，P(x)和P(y)为单词x和y出现的概率和P(x,y)为x和y同时出现的概率。

10.根据权利要求6所述的系统，所述左右熵的公式分别如下：

其中，E_L(x)为单词x的左熵、a_x为单词x带有左边词的单词、A为左边词集合、E_R(x)为单词x的右熵、x_b为单词x带有右边词的单词、B为右边词集合、p(x_a)为带有左边词的单词的概率、p(x_b)为带有右边词的单词的概率p(x_a|a)为带有左边词的单词的概率的条件概率和p(x_b|b)为带有右边词的单词的概率的条件概率。