(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211025957.2 (22)申请日 2022.08.25 (71)申请人 上海浦东发展银行股份有限公司 地址 200001 上海市黄浦区中山 东一路12 号 (72)发明人 刘天嘉　甘竹红　李安奇　方宇洁　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 阚传猛 (51)Int.Cl. G06F 40/289(2020.01) G06F 40/211(2020.01) G06F 40/30(2020.01) (54)发明名称 文本数据信息挖掘方法、 装置、 设备 (57)摘要 本公开涉及语义挖掘技术领域， 具体公开了 一种文本 数据信息挖掘方法、 装置、 计算机设备， 所述方法包括： 获取文本数据， 对所述文本数据 进行规则解析， 提取各层级标题； 建立所述各层 级标题的父子级关系， 并建立所述各层级标题与 文本数据中的段落文本和图片路径的对应关系； 根据所述段落文本获取所述段落文本的中心摘 要； 根据所述中心摘要与所述各层级标题获取关 键词； 根据所述文本数据和所述关键词进行实体 拆解与识别， 构建文本脉络图谱。 本公开可以根 据关键词和文本数据构建文本脉络图谱， 在保证 挖掘准确度的情况下实现了对文本数据的深度 语义挖掘。 权利要求书2页 说明书14页 附图13页 CN 115374781 A 2022.11.22 CN 115374781 A 1.一种文本数据信息挖掘方法， 其特 征在于， 所述方法包括： 获取文本数据， 对所述文本数据进行规则解析， 提取 各层级标题； 建立所述各层级标题的父子级关系， 并建立所述各层级标题与文本数据中的段落文本 和图片路径的对应关系； 根据所述段落文本获取 所述段落文本的中心摘要； 根据所述中心摘要与所述各层级标题获取关键词； 根据所述文本数据和所述关键词进行实体 拆解与识别， 构建文本脉络图谱。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述段落文本获取所述段落文本 的中心摘要， 包括： 解析所述段落文本， 从所述段落文本中抽取候选语句， 组成候选语句池； 基于所述 候选语句池中的候选语句注意力和词语注意力联合 生成第一 候选摘要； 对预先设置的摘要模板进行排序， 确定候选摘要模板； 根据所述第一 候选摘要和所述 候选摘要模板结合 生成所述中心摘要。 3.根据权利要求2所述的方法， 其特征在于， 所述对预先设置的摘要模板进行排序， 确 定候选摘要模板， 包括： 将所述摘要模板 输入摘要排序模型； 获取所述摘要排序模型对所述摘要模板的排序， 确定 输出的所述 候选摘要模板； 其中， 所述摘要排序模型通过以下步骤训练得到： 获取摘要模板训练集， 所述摘要模板训练集中包括段落文本和所述段落文本对应的目 标摘要； 计算所述摘要模板与所述目标摘要的评价指标 得分； 根据所述评价指标 得分对所述摘要模板进行排序， 输出指定顺序的候选摘要模板 。 4.根据权利要求1所述的方法， 其特征在于， 所述根据所述中心摘要与 所述各层级标题 获取关键词， 包括： 对所述中心摘要和所述各层级标题进行分词分句处 理， 得到预测词； 基于所述预测词的语义依赖关系建立 边， 并进行实体关系提取生成语义网络； 根据所述中心摘要和所述各层级标题的权重分配， 从所述语义网络中提取所述关键 词。 5.一种文本数据的语义检索 知识库构建方法， 其特 征在于， 所述方法包括： 批量收集文本数据， 采用如权利要求1 ‑4任意一项所述的方法， 获取所述文本数据的各 层级标题、 段落文本、 中心摘要、 关键词、 文本脉络图谱， 构建语义检索 知识库的基础数据； 将所述各层级标题、 段落文本、 中心摘要、 关键词、 文本脉络图谱基于所述关键词进行 分类， 并按照类别写入分布式检索集群。 6.一种文本数据的语义检索方法， 其特 征在于， 包括： 获取搜索词句， 对所述搜索词句进行分词以提取搜索分词； 将所述搜索分词在语义检索 知识库中进行匹配； 获取所述搜索分词的匹配结果； 对所述匹配结果进行搜索分词匹配频率排序， 并将文本脉络图谱关联至所述匹配结 果；权　利　要　求　书 1/2 页 2 CN 115374781 A 2其中， 所述语义检索 知识库通过如权 5所述的方法构建。 7.根据权利要求6所述的方法， 其特征在于， 所述将所述搜索分词在检索集群中进行匹 配， 包括： 将所述搜索分词与关键词基于第一匹配规则进行匹配； 将所述搜索分词与中心摘要基于第二匹配规则进行匹配； 将所述搜索分词与段落文本基于第三匹配规则进行匹配； 得到所述搜索分词满足所述第一匹配规则、 所述第二匹配规则、 所述第三匹配规则中 的至少一个匹配规则的匹配结果。 8.一种文本数据信息挖掘装置， 其特 征在于， 所述装置包括： 标题提取模块， 用于获取文本数据， 对所述文本数据进行规则解析， 提取 各层级标题； 标题关系模块， 用于建立所述各层级标题的父子级关系， 并建立所述各层级标题与文 本数据中的段落文本和图片路径的对应关系； 摘要模块， 用于根据所述段落文本获取 所述段落文本的中心摘要； 关键词模块， 用于根据所述中心摘要与所述各层级标题获取关键词； 文本脉络模块， 用于根据所述文本数据和所述关键词进行实体拆解与识别， 构建文本 脉络图谱。 9.一种文本数据的语义检索 知识库构建装置， 其特 征在于， 所述装置包括： 基础数据模块， 用于批量收集文本数据， 采用如权利要求1 ‑4任意一项所述的方法， 获 取所述文本数据的各层 级标题、 段落文本、 中心摘要、 关键词、 文本脉络图谱， 构建语义检索 知识库的基础数据； 写入模块， 用于将所述各层级标题、 段落文本、 中心摘要、 关键词、 文本脉络图谱基于所 述关键词进行分类， 并按照类别写入分布式检索集群。 10.一种文本数据的语义检索装置， 其特 征在于， 所述装置包括： 搜索分词模块， 用于获取搜索词句， 对所述搜索词句进行分词以提取搜索分词； 搜索分词匹配模块， 用于将所述搜索分词在语义检索 知识库中进行匹配； 匹配结果模块， 用于获取 所述搜索分词的匹配结果； 结果排序模块， 用于对所述匹配结果进行搜索分词 匹配频率排序， 并将文本脉络 图谱 关联至所述匹配结果； 其中， 所述语义检索 知识库通过如权 5所述的方法构建。 11.一种计算机设备， 包括存储器和 处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。 12.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。 13.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115374781 A 3