(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 202211254591.6 (22)申请日 2022.10.13 (71)申请人 厦门安胜网络科技有限公司 地址 361008 福建省厦门市集美区软件园 三期诚毅大街3 58号1502-5单元 申请人 国投智能科技有限公司 (72)发明人 陈贵民　王赢　罗华辉　张荣　 魏丽珍　蔡文辉　叶青　 (74)专利代理 机构 厦门福贝知识产权代理事务 所(普通合伙) 35235 专利代理师 陈远洋 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/335(2019.01) G06F 40/205(2020.01)G06F 40/279(2020.01) G06K 9/62(2022.01) (54)发明名称 一种基于NLP算法模 型的自动数据分类 分级 方法及系统 (57)摘要 本申请提出了一种基于NLP算法模 型的自动 数据分类分级方法及系统， 该方法包括以下步 骤： S1、 确定标准元素， 并且根据分类分级标准对 标准元素配置所属的分类目录； S2、 对标准元素 添加识别规则， 设置每条识别规则的可信度和优 先级， 识别规则包括传统算法的识别规则和NLP 算法的识别规则； S3、 基于识别规则训练NLP模 型， 根据识别规则的优先级从高到低依次执行匹 配逻辑， 对预处理数据进行NLP算法匹配或者传 统算法匹配， 获得多个匹配结果； S4、 从多个匹配 结果中找出匹配度最高的结果所对应的标准元 素， 并且对匹配度最高的结果所对应的标准元素 标记分类标签。 通过NLP算法和传统算法能够自 动进行分类分级， 取代人工分类， 实现高效、 灵 活、 智能地分类分级。 权利要求书2页 说明书8页 附图4页 CN 115544256 A 2022.12.30 CN 115544256 A 1.一种基于N LP算法模型的自动数据分类分级方法， 其特 征在于， 包括以下步骤： S1、 确定标准元 素， 并且根据分类分级标准对所述标准元 素配置所属的分类目录； S2、 对所述标准元素添加识别规则， 设置每条识别规则的可信度和优先级， 所述识别规 则包括传统算法的识别规则和N LP算法的识别规则； S3、 基于所述识别规则训练NLP模型， 根据所述识别规则的优先级从高到低依次执行匹 配逻辑， 对预处 理数据进行N LP算法匹配或者传统算法匹配， 获得多个匹配结果； 以及 S4、 从所述多个匹配结果中找出匹配度最高的结果所对应的标准元素， 并且对所述匹 配度最高的结果所对应的标准元 素标记分类标签。 2.根据权利要求1所述的基于NLP算法模型的自动数据分类分级方法， 其特征在于， 在 步骤S3中， 基于所述识别规则训练N LP模型具体包括以下子步骤： S31、 将所述预处 理数据的字段名全部转 为小写字母， 并且去掉特殊符号和数字； S32、 根据空格和标点符号拆分， 对步骤S31预处 理后的数据进行拆分； S33、 通过语言模型和汉语拼音声母韵母的规范判断步骤S32拆分后的数据是拼音还是 英文； S34、 对步骤S32处 理后的数据进行分词， 获得多种组合结果； S35、 根据英文单词的词库内容或者汉语拼音的书写规范推断补全步骤S34获得的所述 组合结果， 最终 获得匹配结果。 3.根据权利要求1所述的基于NLP算法模型的自动数据分类分级方法， 其特征在于， 在 步骤S2中， 传统算法的识别规则包括： 基于内容匹配、 字段注释匹配、 字段名的精确匹配、 字 段名的模糊匹配、 前缀匹配、 后缀匹配、 正则匹配。 4.根据权利要求1所述的基于NLP算法模型的自动数据分类分级方法， 其特征在于， 在 步骤S2中， 设置每条识别规则的可信度， 所述可信度被设置为一个数值， 所述可信度 表示所 述识别规则可以依赖的程度， 影响所述识别规则的匹配度。 5.根据权利要求1所述的基于NLP算法模型的自动数据分类分级方法， 其特征在于， 在 步骤S2中， 设置每条识别规则的优 先级， 所述优 先级被设置为一个数值， 数值越 大优先级越 高， 按照优先级从高到低依次匹配执 行。 6.根据权利要求1所述的基于NLP算法模型的自动数据分类分级方法， 其特征在于， 在 步骤S2中， 对 所述标准元素添加识别规则， 设置每条识别规则的可信度和优先级， 所述识别 规则包括传统算法的识别规则和N LP算法的识别规则， 包括： S211、 添加传统算法的识别规则R 1和NLP算法的识别规则R2； S212、 设置所述传统算法的识别规则R1的匹配类型为 “字段名匹配 ”， 设置所述传统算 法的识别规则R1的匹配方法为 “正则匹配 ”； 设置NLP算法的识别规则R2的匹配方法为 “NLP 匹配”； 以及 S213、 分别设置所述传统算法的识别规则R1和NLP算法的识别规则R2的可信度和优先 级， 并且所述传统算法的识别规则R 1的优先级大于N LP算法的识别规则R2的优先级。 7.根据权利要求1所述的基于NLP算法模型的自动数据分类分级方法， 其特征在于， 在 步骤S2中， 对 所述标准元素添加识别规则， 设置每条识别规则的可信度和优先级， 所述识别 规则包括传统算法的识别规则和N LP算法的识别规则， 包括： S221、 添加传统算法的识别规则R 1和NLP算法的识别规则R2；权　利　要　求　书 1/2 页 2 CN 115544256 A 2S222、 设置所述传统算法的识别规则R1的匹配类型为 “字段名匹配 ”， 设置所述传统算 法的识别规则R1的匹配方法为 “正则匹配 ”； 设置NLP算法的识别规则R2的匹配方法为 “NLP 匹配”； 以及 S223、 分别设置所述传统算法的识别规则R1和NLP算法的识别规则R2的可信度和优先 级， 并且所述传统算法的识别规则R 1的优先级 小于NLP算法的识别规则R2的优先级。 8.一种基于N LP算法模型的自动数据分类分级系统， 其特 征在于， 所述系统包括： 确定标准元素模块， 用于确定标准元素， 并且根据分类分级标准对所述标准元素配置 所属的分类目录； 添加识别规则模块， 用于对所述标准元素添加识别规则， 设置每条识别规则的可信度 和优先级， 所述识别规则包括传统算法的识别规则和N LP算法的识别规则； 匹配模块， 基于所述识别规则训练NLP模型， 根据所述识别规则的优先级从高到低依次 执行匹配逻辑， 对预处理数据进行NLP算法匹配或者传统算法匹配， 获得多个匹配结果； 以 及 标记模块， 从所述多个匹配结果中找出匹配度最高的结果所对应的标准元素， 并且对 所述匹配度最高的结果所对应的标准元 素标记分类标签。 9.根据权利要求8所述的基于NLP算法模型的自动数据分类分级系统， 其特征在于， 在 匹配模块中， 基于所述识别规则训练N LP模型具体包括以下子步骤： S31、 将所述预处 理数据的字段名全部转 为小写字母， 并且去掉特殊符号和数字； S32、 根据空格和标点符号拆分， 对步骤S31预处 理后的数据进行拆分； S33、 通过语言模型和汉语拼音声母韵母的规范判断步骤S32拆分后的数据是拼音还是 英文； S34、 对步骤S32处 理后的数据进行分词， 获得多种组合结果； S35、 根据英文单词的词库内容或者汉语拼音的书写规范推断补全步骤S34获得的所述 组合结果， 最终 获得匹配结果。 10.一种计算机可读存储介质， 所述介质中存储有计算机程序， 在所述计算机程序被处 理器执行时， 实施如权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115544256 A 3