[发明专利]安全生产事故报告的自动信息提取与分类方法及系统

权利要求书

1.一种安全生产事故报告的自动信息提取与分类方法，其特征在于，所述方法包括：

获取安全生产事故报告文本；

将所述安全生产事故报告文本按句进行拆分；

对拆分后的句子进行分词和信息提取；

计算每个拆分后的句子的句向量；

根据所述句向量对所述安全生产事故报告文本进行分类。

2.根据权利要求1所述的安全生产事故报告的自动信息提取与分类方法，其特征在于，所述获取安全生产事故报告文本，包括：

获取安全生产事故报告URL地址；

使用http库向目标安全生产事故报告URL地址发起请求；

接收服务器返回的响应；

使用解析库对响应内容进行解析，得到页面信息数据；

从所述页面信息数据中提取安全生产事故报告文本。

3.根据权利要求2所述的安全生产事故报告的自动信息提取与分类方法，其特征在于，所述获取安全生产事故报告URL地址，包括：

登录安全生产事故报道网站进行事故模糊查询；

解析查询页面，获得所述安全生产事故报道网站上所有href标签下的超链接安全生产事故报告URL地址。

4.根据权利要求1所述的安全生产事故报告的自动信息提取与分类方法，其特征在于，所述将所述安全生产事故报告文本按句进行拆分，包括：

将所述安全生产事故报告文本转换为固定编码格式的文本数据；

以句号为标志，对所述固定编码格式的文本数据进行拆分；

采用按句换行的方式将拆分后的文本数据存储为文本文件。

5.根据权利要求1所述的安全生产事故报告的自动信息提取与分类方法，其特征在于，所述对拆分后的句子进行分词和信息提取，包括：

自定义安全生产事故词典，词典中不同类别的词汇使用不同的符号进行标记；

添加计数字段；

使用分词模型根据所述词典在搜索引擎模式下对同一件安全生产事故报告拆分后的句子进行分词；

使用计数字段对分词后的句子进行词频统计；

根据词频统计结果提取所述词典中各类词汇对应的信息。

6.根据权利要求5所述的安全生产事故报告的自动信息提取与分类方法，其特征在于，所述根据词频统计结果提取所述词典中各类词汇对应的信息，包括：

数字信息提取：

确定同类词汇中词频不为零的词语；

搜索所述词语在所述安全生产事故报告文本中的所有位置；

向前、向后分别搜索至出现第一个标点符号，得到所述词语所在语句；

获取所述语句中的数字，如果不存在数字则记录为0；

将相同符号的不同词语得到的数字相加，得到所述同类词汇的数字信息；

文字信息提取：

根据词汇的标记获取文字信息。

7.根据权利要求6所述的安全生产事故报告的自动信息提取与分类方法，其特征在于，该方法还包括：根据对拆分后的句子的信息提取结果进行安全生产事故等级判定，所述事故等级判定包括根据提取的数字信息确定安全生产事故等级。

8.根据权利要求1所述的安全生产事故报告的自动信息提取与分类方法，其特征在于，所述计算每个拆分后的句子的句向量，包括：

将拆分后的句子逐一导入训练后的BERT模型，计算每个拆分后的句子的句向量。

9.根据权利要求1所述的安全生产事故报告的自动信息提取与分类方法，其特征在于，所述根据所述句向量对所述安全生产事故报告文本进行分类，包括：

将所述句向量导入训练好的N个不同类别的分类器中，得到N个分类结果；

比较所述N个分类结果，取值最大的分类结果作为所述句向量的分类结果。