申请/专利权人：中国航空综合技术研究所

申请日：2023-12-20

公开（公告）日：2024-03-19

公开（公告）号：CN117725997A

主分类号：G06N5/025

分类号：G06N5/025;G06F40/30;G06F18/10;G06F18/23;G06F18/241;G06F40/295;G06F40/242

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明提供一种机载软件故障报告的实体关系抽取方法，其包括以下步骤：S1：数据清洗，将获取的原始机载软件故障报告转换为标准化数据格式；S2：数据预处理包含去除无用符号、分词、以及去除停用词；S3：数据标注，对数据预处理后的机载软件故障报告文本进行数据标注；S4：相关性分析，根据实体对集合基于频数分布建立列联表，构建初步领域关系集合R，并进行相邻关系合并；S5：关系标注，对实体对进行标注得到带关系标注的实体对；S6：序列预测模型构建；S7：关系分类模型构建；S8：新的实体关系预测；本发明在数据处理阶段，给出了面向特定机载软件领域的文本分词处理方法，提高了机载软件领域的文本分词质量。

主权项：1.一种机载软件故障报告的实体关系抽取方法，其特征在于：其包括以下步骤：S1：数据清洗；数据清洗用于将获取的原始机载软件故障报告转换为标准化数据格式，标准化机载软件故障报告具体格式如下：[T，Intro，Desc，Comb]其中，T表示机载软件故障报告名称类型，Intro表示故障摘要，Desc表示详细描述，Comb表示机载软件故障报告文本，通过将T，Intro，Desc三者的字符串进行串联的方式得到；S2：数据预处理；根据标准化机载软件故障报告的Comb部分，进行预处理操作包含去除无用符号、分词、以及去除停用词操作；S21：去除无用符号；对标准化机载软件故障报告的Comb部分去除无用符号，得到不包含无用符号的故障报告文本；S22：进行分词；分词是将连续的文本划分为单个的词的过程，采用基于启发式规则算法与扩展双向匹配的分词算法，对去除无用符号后的故障报告文本进行分词；S23：删除停用词；使用停用词词典删除停用词；S3：数据标注；采用文本标注工具，使用指定的标注体系，对数据预处理后的机载软件故障报告文本进行数据标注；S4：相关性分析；对所有的机载软件故障报告都处理完成后就得到实体对集合E，然后基于频数分布建立列联表，直观地展示实体变量之间的相关性；S41：构建列联表C；S42：对列联表C进行阈值截断处理；根据设定的频数阈值T对列联表C进行阈值截断处理，根据截断处理后得到的C，构建初步领域关系集合R；S43：对R进行相邻关系合并；S5：关系标注；根据S4聚类方法得到最终的关系集合，对S3中得到的实体对从关系集合中选择合适的关系进行标注，得到带关系标注的实体对，实体对所在数据的关系与实体对相同；S6：序列预测模型构建；在序列预测模型构建阶段，采用BERT作为基础，并使用S3中带有标注的数据作为模型训练数据输入，实现为数据中每个分词分配相应的实体标注，然后根据标注结果自动得到实体对；S7：关系分类模型构建；在关系分类模型构建阶段，也采用BERT作为基础，并使用S5中带有关系标注的实体对作为模型训练数据输入，实现实体对关系的自动分类；S8：新的实体关系预测；后续当新的机载软件故障报告输入时，根据步骤S1-S2会自动进行数据清洗、预处理操作，然后使用序列预测模型对数据进行标注后自动得到实体对，将实体对作为关系分类模型的输入得到预测的实体关系。

全文数据：

权利要求：

百度查询： 中国航空综合技术研究所 机载软件故障报告的实体关系抽取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD