实体信息关联方法、设备及存储介质与流程

摘要: 本申请属于人工智能,尤其涉及一种实体信息关联方法、设备及存储介质。背景技术:1、目前的技术文档中,化合物结构图、化合物编号、实验例编号、生物活性数据等信息通常分...
实体信息关联方法、设备及存储介质与流程

本申请属于人工智能,尤其涉及一种实体信息关联方法、设备及存储介质。

背景技术:

1、目前的技术文档中,化合物结构图、化合物编号、实验例编号、生物活性数据等信息通常分散分布,且同一文档中往往并存多种编号体系。现有方案在将这些分散的信息条目进行关联时,通常仅依据数字相同、页面距离或简单表格顺序建立对应关系。然而,不同编号体系中的相同数字具有不同的含义,现有方案容易发生信息错配,导致关联结果的准确性难以保证。

2、基于此,本申请提供一种实体信息关联方法。

技术实现思路

1、本申请实施例提供了一种实体信息关联方法、设备及存储介质,能够实现多源信息条目的准确关联,显著提升关联结果的可靠性。

2、第一方面,本申请实施例提供了一种实体信息关联方法,该方法包括:

3、基于待处理文件的文件内容信息,确定待处理文件中的多个语义区域,并从文件内容信息中提取多个实体标识以及各实体标识对应的位置信息,文件内容信息包括至少一个文本片段和各文本片段在待处理文件内的位置信息;

4、从语义区域中提取各实体对象分别对应的实体信息条目;其中,实体信息条目关联有对应的实体标识,多条实体信息条目包括结构图信息条目和文本信息条目;

5、根据各实体标识对应的位置信息和多个语义区域,确定各实体标识所属的语义命名空间;

6、根据各实体标识所属的语义命名空间和各实体标识之间的关联关系,从多条实体信息条目中确定具有关联关系的多条目标信息条目;

7、将多条目标信息条目关联至同一实体对象。

8、第二方面,本申请实施例提供了一种实体信息关联装置,该装置包括:

9、语义区域处理模块,用于基于待处理文件的文件内容信息,确定待处理文件中的多个语义区域,并从文件内容信息中提取多个实体标识以及各实体标识对应的位置信息,文件内容信息包括至少一个文本片段和各文本片段在待处理文件内的位置信息;

10、信息条目提取模块,用于从语义区域中提取各实体对象分别对应的实体信息条目;其中,实体信息条目关联有对应的实体标识,多条实体信息条目包括结构图信息条目和文本信息条目;

11、命名空间确定模块,用于根据各实体标识对应的位置信息和多个语义区域,确定各实体标识所属的语义命名空间;

12、信息条目确定模块,用于根据各实体标识所属的语义命名空间和各实体标识之间的关联关系,从多条实体信息条目中确定具有关联关系的多条目标信息条目;

13、信息条目关联模块,用于将多条目标信息条目关联至同一实体对象。

14、第三方面,本申请实施例提供了一种电子设备,该设备包括:处理器以及存储有计算机程序指令的存储器;

15、所述处理器执行所述计算机程序指令时实现上述第一方面中任一种可能的实现方法中的方法。

16、第四方面,本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现上述第一方面中任一种可能的实现方法中的方法。

17、第五方面,本申请实施例提供了一种计算机程序产品,该计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备执行如上述第一方面中任一种可能的实现方法中的方法。

18、在本申请实施例中,通过基于待处理文件对应的文件内容信息确定多个语义区域,并提取实体标识及其位置信息,进而根据实体标识的位置信息和语义区域确定各实体标识所属的语义命名空间。由于不同语义区域中的实体标识往往对应不同的编号体系,通过将位置信息与语义区域结合来划分语义命名空间,能够有效区分不同编号体系中相同数字的不同含义。在此基础上,根据各实体标识所属的语义命名空间和实体标识之间的关联关系,从多条实体信息条目中确定具有关联关系的目标信息条目,并将多条目标信息条目关联至同一实体对象,降低了将不同语义命名空间下的实体信息错误建立关联的风险。由此,本申请实施例能够有效减少因编号体系混乱或空间分散导致的信息错配问题,实现多源信息条目的准确关联,显著提升了关联结果的可靠性。

1.一种实体信息关联方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述从所述语义区域中提取各实体对象分别对应的实体信息条目,包括:

3.根据权利要求2所述的方法,其特征在于,所述根据所述语义区域所在的页面图像,在所述语义区域中确定图像子区域,包括:

4.根据权利要求2所述的方法,其特征在于,所述从所述图像子区域中提取出各实体对象分别对应的结构图信息条目,包括:

5.根据权利要求4所述的方法,其特征在于,所述预设质量条件包括所述第二结构图的结构图质量得分大于预设质量得分阈值;

6.根据权利要求2所述的方法,其特征在于,多条所述文本信息条目包括生物活性信息条目;

7.根据权利要求6所述的方法,其特征在于,所述确定各所述活性指标数据的分档符号,包括:

8.根据权利要求1所述的方法,其特征在于,所述待处理文件包括多个文件页面,所述文件内容信息包括各所述文件页面的页面内容信息,所述页面内容信息包括至少一个文本片段和各所述文本片段在所述文件页面内的位置信息;

9.根据权利要求1所述的方法,其特征在于,所述根据各所述实体标识对应的位置信息和所述多个语义区域,确定各所述实体标识所属的语义命名空间,包括:

10.根据权利要求1所述的方法,其特征在于,所述根据各所述实体标识所属的语义命名空间和各所述实体标识之间的关联关系,从多条所述实体信息条目中确定具有关联关系的多条目标信息条目,包括:

11.根据权利要求1至10中任一项所述的方法,其特征在于,所述实体对象关联的多条目标信息条目包括结构图信息条目和文本信息条目;

12.一种电子设备,其特征在于,包括:

13.一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,该程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。