(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 202210693657.5 (22)申请日 2022.06.19 (71)申请人 西南交通大 学 地址 610000 四川省成 都市二环路北一段 111号 申请人 艾迪恩 （山 东） 科技有限公司 　 西南交通大 学烟台新 一代信息技 术 研究院 (72)发明人 李赛飞　吴昊　闫连山　姚涛　 蒲桂东　 (74)专利代理 机构 烟台双联专利事务所(普通 合伙) 37225 专利代理师 矫智兰 (51)Int.Cl. G06F 16/35(2019.01)G06F 16/36(2019.01) (54)发明名称 一种用于非结构化铁路知识实体的序列标 注方法 (57)摘要 本发明公开一种用于非结构化铁路知识实 体的序列标注方法， 先构建TXT/JSON格式文件 导 入函数及界面； 然后设计模式选择界面及引导按 钮； 再根据常用的标注方法设计BIO， BIOES标注 函数及界面并构建自定义标签函数模式及相关 界面、 按钮； 构建铁路专业词汇数据库； 通过 实体 检索分类完成序列标注并构建铁路纯净语料数 据库； 统计显示字段及实体数量； 设计TXT/JSON 标注序列文件导出， 本发明可以为铁路领域自然 语言处理技术提供精准且大量的非结构化标注 数据， 为铁路实体标注收集纯净的非结构化语料 文本， 为构建智慧铁路知识图谱奠定 基础。 权利要求书2页 说明书6页 附图4页 CN 115309892 A 2022.11.08 CN 115309892 A 1.一种用于非结构化铁路知识实体的序列标注方法， 其特 征在于： 包括以下步骤， 步骤1、 非结构化数据导入； 根据非结构化铁路知识 实体的文件格式形成TXT/JS ON文件的导入函数， 并将文件导入 非结构化铁路知识实体标注工具中， 非结构化铁路知识实体标注工具以界面形式存在， 在 界面中的操作引导按 钮包括文件导入、 标注模式选择、 标注实体、 语料回溯； 步骤2、 模式选择设计； 设计非结构化铁路知识实体的序列标注模式， 序列标注模式采用BIO或BIOES； 步骤3、 自定义标签设计； 根据对非结构铁路知识 实体的标签的标注需求， 基于BIO和BIOES序列标注模式设计标 签的序列标注模式； 步骤4、 构建数据库及铁路专业词汇库； 划出多个空白数据库添加所需要标注的非结构化铁路知识实体， 使用MySQL构建后 台 铁路专业词汇库， 将数据库中的非结构化铁路知识实体添加至后台铁路专业词汇库； 步骤5、 实体 检索及铁路语料文本库构建； 使用步骤2中的BIO和BIOES序列标注模式或步骤3的自定义序列标注模式， 精准检索及 添加非结构化铁路知识实体的标签， 完成序列标注； 同时， 使用MySQL构建后台铁路语料文 本库， 在每次使用后， 根据非结构化铁路知识实体分类保存导入的含有铁路知识实体的纯 净文本至后台铁路语料文本库， 供后期反向获取 纯净文本； 步骤6、 导入字段及铁路标注实体统计显示设计； 设计字段及标注实体统计函数， 进行序列标注时使用统计函数对文本总字段、 标注的 非结构化铁路知识实体种类及其具体个数进 行统计， 并以柱状图的形式在统计显示页面上 显示； 步骤7、 文件多格式导出设计； 对于非结构数据铁路知识实体， 按照TXT以及JSON文件的导出。 2.根据权利要求1所述的一种用于非结构化铁路知识实体的序列标注方法， 其特征在 于： BIO序列标注模式具体为， 将非结构化铁路知识 实体中每个元素标注为B、 I或O  ， 其中B 为开始， I为中间， O为 其他。 3.根据权利要求2所述的一种用于非结构化铁路知识实体的序列标注方法， 其特征在 于： 自定义标签为， 将B和I扩展为B ‑X、 I‑X得到自定义标签， B ‑X表示元素所在的片段属于X 类型并且元素在所在片段的开头， I ‑X表示元素所在的片段属于X类型并且元素在所在片段 的中间位置， O表示 不属于任何类型。 4.根据权利要求1所述的一种用于非结构化铁路知识实体的序列标注方法， 其特征在 于： BIOES序列标注模式具体为， B   ‑ Begin表示开始， I   ‑ Intermediate为中间字， E   ‑   End表示结尾， S   ‑  Single表示单个字符， O   ‑  Other表示其他用于标记无关字符。 5.根据权利要求1所述的一种用于非结构化铁路知识实体的序列标注方法， 其特征在 于：权　利　要　求　书 1/2 页 2 CN 115309892 A 2BIOES自定义标签通过在 B、 I、 O、 E、 S后面添加拓展属性定义从而完成自定义标签。权　利　要　求　书 2/2 页 3 CN 115309892 A 3