CN114462803B - 基于航空安全信息报告文本的通用航空运行风险识别方法 - Google Patents
基于航空安全信息报告文本的通用航空运行风险识别方法 Download PDFInfo
- Publication number
- CN114462803B CN114462803B CN202210006825.9A CN202210006825A CN114462803B CN 114462803 B CN114462803 B CN 114462803B CN 202210006825 A CN202210006825 A CN 202210006825A CN 114462803 B CN114462803 B CN 114462803B
- Authority
- CN
- China
- Prior art keywords
- text
- risk
- information
- aviation
- safety information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Document Processing Apparatus (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了基于航空安全信息报告文本的通用航空运行风险识别方法,包括如下步骤:构建风险信息文本识别库,对风险信息文本识别库中的风险信息文本进行风险分级;获取待识别的航空安全信息报告文本信息,得到安全信息报告文本,识别所述安全信息报告文本中是否包含第一级文本,将第一级文本与对应的同义文本组成特征文本,并发出高风险预警信息;同时通过特征文本对后续获取的航空安全信息报告文本先进行特征识别,若检测到特征文本,则发出持续高风险预警信息;若未检测到特征文本,则返回步骤四;进行次级文本识别,若识别到次级文本,则根据识别到的次级文本生成风险提示信息。
Description
技术领域
本发明涉及航空领域,具体是基于航空安全信息报告文本的通用航空运行风险识别方法。
背景技术
近几年来,随着民航航班量的持续增长,在提升运行效率的同时,机场场面运行复杂度显著提高,带来了一定的运行风险。
在航空器运行全生命周期过程中提取影响安全的设计特征和安全趋势是适航审查活动的主要开展方式,即适航审定的“监听模式”。监听模式的典型应用是针对设计、制造和使用过程中记录和上报的各类微小偏离和不安全信息。通常情况下,航空器设计、制造和使用环节中会累积大量关于各种偏离和更改的描述信息。这些信息来源、用途以及描述方式各不相同,其中所包含的航空器不安全设计特征往往也并不明显。因此,通过自然语言分析的方式基于航空安全信息报告文本,来进行通用航空运行风险识别。
现有技术的可以分为两大类别:基于句子的方法和基于短语的方法。基于句子的方法认为文本中的每个句子可能涉及多个特征,因此这种方法通过采用不同的聚类方法,提取文本中的不同句簇,并认为每一个句簇中的句子描述了同一个特征。基于短语的方法一般首先定义短语的模板,然后根据模板从文本的句子中提取短语,最后对短语进行聚类,将相似的短语合并。上述不同的特征提取方法,其具体实现过程往往不公开,数据来源也不同,在实际中很有可能导致提取出含有大量噪声的特征,也可能导致有些重要但不常见的短语被排除,而一些高频率的噪音短语被保留下来,因此需要一种方法对航空安全信息报告文本进行风险识别。
发明内容
本发明的目的在于克服现有技术的不足,提供基于航空安全信息报告文本的通用航空运行风险识别方法,包括如下步骤:
步骤一,构建风险信息文本识别库,根据建立的风险信息文本识别库中的风险信息文本建立同义风险信息文本识别库;
步骤二,对风险信息文本识别库中的风险信息文本进行风险分级,分为高风险文本、中风险文本、低风险文本以及敏感词文本;其中的高风险文本和敏感词文本为第一级文本、其余为次级文本;
步骤四,获取待识别的航空安全信息报告文本信息,得到安全信息报告文本,识别所述安全信息报告文本中是否包含第一级文本,若包含进入步骤五,若不包含则进入步骤六;
步骤五,提取识别出的第一级文本,从同义风险信息文本识别库中提取出第一级文本的同义文本,将第一级文本与对应的同义文本组成特征文本,并发出高风险预警信息;同时通过特征文本对后续获取的航空安全信息报告文本先进行特征识别,若检测到特征文本,则发出持续高风险预警信息;若未检测到特征文本,则返回步骤四;
步骤六,进行次级文本识别,若识别到次级文本,则根据识别到的次级文本生成风险提示信息。
进一步的,所述的风险信息文本识别库包括风险信息文本、风险信息文本的拼音以及对应的英文。
进一步的,识别所述安全信息报告文本中是否包含第一级文本,包括如下过程:将航空安全信息报告文本通过循环神经网络分割为词语,将词语、词语的拼音以及词语的英文作为词语特征,通过风险信息文本识别库进行匹配,并判断词语是否为第一级文本。
应用基于航空安全信息报告文本的通用航空运行风险识别方法的识别装置,包括数据处理模块、数据存储模块、显示装置、通信装置、文本处理模块、文本匹配模块、风险信息文本识别库、同义风险信息文本识别库、预警装置、云端数据服务器;
所述的据存储模块、显示装置、通信装置、文本处理模块、文本匹配模块、风险信息文本识别库、同义风险信息文本识别库、预警装置分别与所述的数据处理模块连接,所述的云端数据服务器与所述的通信装置通信连接;
其中的文本处理模块用于处理接收到的航空安全信息报告文本,将航空安全信息报告文本进行分割未词语,并将词语、词语的拼音以及词语的英文打包为词语特征;所述的文本匹配模块用于将词语特征送入风险信息文本识别库进行识别;所述的风险信息文本识别库用于识别文本匹配模块送入的词语特征,并反馈出识别的结果到文本匹配模块;所述的同义风险信息文本识别库用于识别词语特征的同义词语。
优选的,所述的预警装置包括高风险预警模块和风险预警模块,所述的高风险预警模块和风险预警模块分别与所述的数据处理器连接
本发明的有益效果是:通过本发明提供的技术方案,能够准确的识别出航空安全信息报告文本中风险信息,并且能够持续的对风险信息进行追踪识别,实现对航空安全信息报告文本的风险识别。
附图说明
图1为基于航空安全信息报告文本的通用航空运行风险识别方法的原理示意图;
图2为基于航空安全信息报告文本的通用航空运行风险识别方法的识别装置的原理示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,基于航空安全信息报告文本的通用航空运行风险识别方法,包括如下步骤:
步骤一,构建风险信息文本识别库,根据建立的风险信息文本识别库中的风险信息文本建立同义风险信息文本识别库;
步骤二,对风险信息文本识别库中的风险信息文本进行风险分级,分为高风险文本、中风险文本、低风险文本以及敏感词文本;其中的高风险文本和敏感词文本为第一级文本、其余为次级文本;
步骤四,获取待识别的航空安全信息报告文本信息,得到安全信息报告文本,识别所述安全信息报告文本中是否包含第一级文本,若包含进入步骤五,若不包含则进入步骤六;
步骤五,提取识别出的第一级文本,从同义风险信息文本识别库中提取出第一级文本的同义文本,将第一级文本与对应的同义文本组成特征文本,并发出高风险预警信息;同时通过特征文本对后续获取的航空安全信息报告文本先进行特征识别,若检测到特征文本,则发出持续高风险预警信息;若未检测到特征文本,则返回步骤四;
步骤六,进行次级文本识别,若识别到次级文本,则根据识别到的次级文本生成风险提示信息。
所述的风险信息文本识别库包括风险信息文本、风险信息文本的拼音以及对应的英文。
识别所述安全信息报告文本中是否包含第一级文本,包括如下过程:将航空安全信息报告文本通过循环神经网络分割为词语,将词语、词语的拼音以及词语的英文作为词语特征,通过风险信息文本识别库进行匹配,并判断词语是否为第一级文本。
其中的循环神经网络的目的是使用序列来处理数据。在传统的神经网络模型中,是从输入层到隐含层再到输出层,层与层之间是全连接的,每层之间的节点是无连接的。但是这种普通的神经网络对于很多问题却无能无力。例如,你要预测句子的下一个单词是什么,一般需要用到前面的单词,因为一个句子中前后单词并不是独立的。RNNs之所以称为循环神经网路,即一个序列当前的输出与前面的输出也有关。
具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中,即隐藏层之间的节点不再无连接而是有连接的,并且隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出。理论上,RNNs能够对任何长度的序列数据进行处理。但是在实践中,为了降低复杂性往往假设当前的状态只与前面的几个状态相关。RNNs在词向量表达、语句合法性检查、词性标注等。在RNNs中,目前使用最广泛的模型便是LSTMs(Long Short-Term Memory,长短时记忆模型)模型,该模型通常比vanilla RNNs能够更好地对长短时记忆模型依赖进行表达。RNNs可以应用于语言模型与文本生成、文本分类、机器翻译等自然语言处理任务中。
应用基于航空安全信息报告文本的通用航空运行风险识别方法的识别装置,其特征在于,包括数据处理模块、数据存储模块、显示装置、通信装置、文本处理模块、文本匹配模块、风险信息文本识别库、同义风险信息文本识别库、预警装置、云端数据服务器;
所述的据存储模块、显示装置、通信装置、文本处理模块、文本匹配模块、风险信息文本识别库、同义风险信息文本识别库、预警装置分别与所述的数据处理模块连接,所述的云端数据服务器与所述的通信装置通信连接;
其中的文本处理模块用于处理接收到的航空安全信息报告文本,将航空安全信息报告文本进行分割未词语,并将词语、词语的拼音以及词语的英文打包为词语特征;所述的文本匹配模块用于将词语特征送入风险信息文本识别库进行识别;所述的风险信息文本识别库用于识别文本匹配模块送入的词语特征,并反馈出识别的结果到文本匹配模块;所述的同义风险信息文本识别库用于识别词语特征的同义词语。
所述的预警装置包括高风险预警模块和风险预警模块,所述的高风险预警模块和风险预警模块分别与所述的数据处理器连接。
以上所述仅是本发明的优选实施方式,应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
而且,术语“包括”,“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程,方法,物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程,方法,物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程,方法,物品或者设备中还存在另外的相同要素本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (5)
1.基于航空安全信息报告文本的通用航空运行风险识别方法,其特征在于,包括如下步骤:
步骤一,构建风险信息文本识别库,根据建立的风险信息文本识别库中的风险信息文本建立同义风险信息文本识别库;
步骤二,对风险信息文本识别库中的风险信息文本进行风险分级,分为高风险文本、中风险文本、低风险文本以及敏感词文本;其中的高风险文本和敏感词文本为第一级文本、其余为次级文本;
步骤三,获取待识别的航空安全信息报告文本信息,得到安全信息报告文本,识别所述安全信息报告文本中是否包含第一级文本,若包含进入步骤四,若不包含则进入步骤五;
步骤四,提取识别出的第一级文本,从同义风险信息文本识别库中提取出第一级文本的同义文本,将第一级文本与对应的同义文本组成特征文本,并发出高风险预警信息;同时通过特征文本对后续获取的航空安全信息报告文本先进行特征识别,若检测到特征文本,则发出持续高风险预警信息;若未检测到特征文本,则返回步骤四;
步骤五,进行次级文本识别,若识别到次级文本,则根据识别到的次级文本生成风险提示信息。
2.根据权利要求1所述的基于航空安全信息报告文本的通用航空运行风险识别方法,其特征在于,所述的风险信息文本识别库包括风险信息文本、风险信息文本的拼音以及对应的英文。
3.根据权利要求2所述的基于航空安全信息报告文本的通用航空运行风险识别方法,其特征在于,识别所述安全信息报告文本中是否包含第一级文本,包括如下过程:将航空安全信息报告文本通过循环神经网络分割为词语,将词语、词语的拼音以及词语的英文作为词语特征,通过风险信息文本识别库进行匹配,并判断词语是否为第一级文本。
4.应用权利要求1-3任一的基于航空安全信息报告文本的通用航空运行风险识别方法的识别装置,其特征在于,包括数据处理模块、数据存储模块、显示装置、通信装置、文本处理模块、文本匹配模块、风险信息文本识别库、同义风险信息文本识别库、预警装置、云端数据服务器;
所述的数 据存储模块、显示装置、通信装置、文本处理模块、文本匹配模块、风险信息文本识别库、同义风险信息文本识别库、预警装置分别与所述的数据处理模块连接,所述的云端数据服务器与所述的通信装置通信连接;
其中的文本处理模块用于处理接收到的航空安全信息报告文本,将航空安全信息报告文本进行分割未词语,并将词语、词语的拼音以及词语的英文打包为词语特征;所述的文本匹配模块用于将词语特征送入风险信息文本识别库进行识别;所述的风险信息文本识别库用于识别文本匹配模块送入的词语特征,并反馈出识别的结果到文本匹配模块;所述的同义风险信息文本识别库用于识别词语特征的同义词语。
5.根据权利要求4所述的基于航空安全信息报告文本的通用航空运行风险识别方法的识别装置,其特征在于,所述的预警装置包括高风险预警模块和风险预警模块,所述的高风险预警模块和风险预警模块分别与数据处理器连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210006825.9A CN114462803B (zh) | 2022-01-05 | 2022-01-05 | 基于航空安全信息报告文本的通用航空运行风险识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210006825.9A CN114462803B (zh) | 2022-01-05 | 2022-01-05 | 基于航空安全信息报告文本的通用航空运行风险识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114462803A CN114462803A (zh) | 2022-05-10 |
CN114462803B true CN114462803B (zh) | 2023-04-07 |
Family
ID=81407115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210006825.9A Active CN114462803B (zh) | 2022-01-05 | 2022-01-05 | 基于航空安全信息报告文本的通用航空运行风险识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114462803B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515873A (zh) * | 2016-06-16 | 2017-12-26 | 阿里巴巴集团控股有限公司 | 一种垃圾信息识别方法及设备 |
CN109299228A (zh) * | 2018-11-27 | 2019-02-01 | 阿里巴巴集团控股有限公司 | 计算机执行的文本风险预测方法及装置 |
CN109447469A (zh) * | 2018-10-30 | 2019-03-08 | 阿里巴巴集团控股有限公司 | 一种文本检测方法、装置及设备 |
CN109960802A (zh) * | 2019-03-19 | 2019-07-02 | 四川大学 | 针对航空安全报告叙述性文本的信息处理方法和装置 |
US10685310B1 (en) * | 2019-05-02 | 2020-06-16 | Capital One Services, Llc | Utilizing a machine learning model to determine complexity levels, risks, and recommendations associated with a proposed product |
CN113011185A (zh) * | 2020-07-17 | 2021-06-22 | 上海浦东华宇信息技术有限公司 | 法律领域文本分析识别方法、系统、存储介质及终端 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210264272A1 (en) * | 2018-07-23 | 2021-08-26 | The Fourth Paradigm (Beijing) Tech Co Ltd | Training method and system of neural network model and prediction method and system |
-
2022
- 2022-01-05 CN CN202210006825.9A patent/CN114462803B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515873A (zh) * | 2016-06-16 | 2017-12-26 | 阿里巴巴集团控股有限公司 | 一种垃圾信息识别方法及设备 |
CN109447469A (zh) * | 2018-10-30 | 2019-03-08 | 阿里巴巴集团控股有限公司 | 一种文本检测方法、装置及设备 |
CN109299228A (zh) * | 2018-11-27 | 2019-02-01 | 阿里巴巴集团控股有限公司 | 计算机执行的文本风险预测方法及装置 |
CN109960802A (zh) * | 2019-03-19 | 2019-07-02 | 四川大学 | 针对航空安全报告叙述性文本的信息处理方法和装置 |
US10685310B1 (en) * | 2019-05-02 | 2020-06-16 | Capital One Services, Llc | Utilizing a machine learning model to determine complexity levels, risks, and recommendations associated with a proposed product |
CN113011185A (zh) * | 2020-07-17 | 2021-06-22 | 上海浦东华宇信息技术有限公司 | 法律领域文本分析识别方法、系统、存储介质及终端 |
Non-Patent Citations (2)
Title |
---|
基于改进CNN-BiGRU-att模型的文本分类研究;陈农田 等;《昆明理工大学学报(自然科学版)》;第47卷(第1期);第30-37页 * |
基于改进的Porter Stemmer词干提取与核方法的垃圾邮件过滤算法;孙汉博 等;《计算机科学》;第44卷(第6A期);第61-67、79页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114462803A (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10089581B2 (en) | Data driven classification and data quality checking system | |
US11521603B2 (en) | Automatically generating conference minutes | |
CN110619051B (zh) | 问题语句分类方法、装置、电子设备及存储介质 | |
WO2008098956A1 (en) | Method and apparatus for automatically discovering features in free form heterogeneous data | |
CN113095080B (zh) | 基于主题的语义识别方法、装置、电子设备和存储介质 | |
US20220358292A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
US10083403B2 (en) | Data driven classification and data quality checking method | |
CN112148881A (zh) | 用于输出信息的方法和装置 | |
CN112131876A (zh) | 一种基于相似度确定标准问题的方法及系统 | |
CN116756690A (zh) | 一种跨语言多模态信息融合方法及装置 | |
CN112560461A (zh) | 新闻线索的生成方法、装置、电子设备及存储介质 | |
CN112685374B (zh) | 日志分类方法、装置及电子设备 | |
CN112926308A (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
CN116795978A (zh) | 一种投诉信息处理方法、装置、电子设备及介质 | |
CN114462803B (zh) | 基于航空安全信息报告文本的通用航空运行风险识别方法 | |
Khritankov et al. | Discovering text reuse in large collections of documents: A study of theses in history sciences | |
CN109992651A (zh) | 一种问题目标特征自动识别和抽取方法 | |
CN114528851A (zh) | 回复语句确定方法、装置、电子设备和存储介质 | |
CN114444514A (zh) | 语义匹配模型训练、语义匹配方法及相关装置 | |
CN114036946B (zh) | 一种文本特征提取及辅助检索的系统及方法 | |
CN115033701B (zh) | 文本向量生成模型训练方法、文本分类方法及相关装置 | |
CN113111177B (zh) | 文本数据标注方法、装置、电子设备和存储介质 | |
CN112308453B (zh) | 风险识别模型训练方法、用户风险识别方法及相关装置 | |
CN113505889A (zh) | 图谱化知识库的处理方法、装置、计算机设备和存储介质 | |
CN117290758A (zh) | 非结构化文档的分类分级方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |