一种基于OCR和NLP技术的航天文本数据智能标签方法

著录项目

摘要

本发明公开了一种基于OCR和NLP技术的航天文本数据智能标签方法，其特征在于包括：S1，非结构化数据采集，得到航天文本数据集；S2，将航天文本数据集中的PDF文档转换为图片，形成统一的图片格式数据集；S3，对图片格式数据集进行图片文本数据提取，形成TXT格式文档；S4，文本数据分词和词向量训练，依据基于Pkuseg技术对封面文本、标签文本进行分词操作，并基于word2vec技术进行词向量训练；S5，航天标签构建；S6，基于句向量相似度实现文本多标签标识。本发明解决提高了文本数据标签生成的效率、可靠性，为推动数据资产管理工作提供数据支撑，进而推动航天研制活动的高质量发展。

附图

附图 1