[发明专利]基于关键因子的结构化文本搜索方法

权利要求书

1.基于关键因子的结构化文本搜索方法，其特征在于，所述结构化文本搜索方法包括：

获取项目文件，基于OCR识别算法识别出项目文件的文本脉络信息，结合预设项目文本规则确定项目文件的第一关键因子；

在项目文件中搜索第一关键因子，根据搜索到的第一关键因子的分布情况，在项目文件中划分出待搜索区域；

通过对待搜索区域进行文本语义分析，搜索到第二关键因子，在第二关键因子与第一关键因子之间建立映射关系，基于所述映射关系处理得到结构化文本。

2.根据权利要求1所述的基于关键因子的结构化文本搜索方法，其特征在于，所述基于OCR识别算法识别出项目文件的文本脉络信息，包括：

基于OCR识别算法定位到项目文件中的标题行，识别标题行中的文字作为文本脉络信息。

3.根据权利要求1所述的基于关键因子的结构化文本搜索方法，其特征在于，所述结合预设项目文本规则确定项目文件的第一关键因子，包括：

将所述文本脉络信息与预设项目文本规则进行匹配，匹配到与文本脉络信息相似度最高的预设项目文本规则；

根据匹配到的预设项目文本规则，确定项目文件的第一关键因子。

4.根据权利要求1所述的基于关键因子的结构化文本搜索方法，其特征在于，所述预设项目文本规则分别对应不同的项目类型，所述项目类型包括生产技改、生产设备维修、生产辅助技改、营销、基建、教育培训以及零星购置。

5.根据权利要求1所述的基于关键因子的结构化文本搜索方法，其特征在于，所述第一关键因子为与项目现状、预期目标、项目范围和规模、项目必要性、项目技术方案、设计图纸、购置设备、项目经济性、财务合规性以及项目实施安排相关的关键词。

6.根据权利要求1所述的基于关键因子的结构化文本搜索方法，其特征在于，所述根据搜索到的第一关键因子的分布情况，在项目文件中划分出待搜索区域，包括：

获取第一关键因子，在项目文档的中确定与所述第一关键因子对应的初始区域；

与预设行数为单位，计算所述第一关键因子在所述初始区域中的分布密度，将所述分布密度超过预设值的预设行数所在区域，划分为待搜索区域。

7.根据权利要求6所述的基于关键因子的结构化文本搜索方法，其特征在于，在划分出待搜索区域之后，所述方法还包括：基于所述第一关键因子的分布密度，对待搜索区域进行搜索优先级排序。

8.根据权利要求1所述的基于关键因子的结构化文本搜索方法，其特征在于，所述对待搜索区域进行文本语义分析，包括：

对待所搜索区域的文本进行分词处理，得到所述文本对应的词向量；

对各个词向量进行特征提取，结合评估函数计算各个词向量的评分值，然后按评分值对这些特征进行排序，选取若干个评分值最高的作为第二关键因子。

9.根据权利要求1所述的基于关键因子的结构化文本搜索方法，其特征在于，所述在第二关键因子与第一关键因子之间建立映射关系，基于所述映射关系处理得到结构化文本，包括：

将所述第一关键因子作为key，将与所述第一关键因子具有映射关系的所述第二关键因子作为value，以key:value的形式处理得到结构化文本。