[发明专利]文字中提取多元组的方法和装置

权利要求书

1.一种文字中提取多元组的方法，其特征在于，包括：

将带有类别标识的训练数据输入循环神经网络，训练得到所述循环神经网络的网络参数，所述带有类别标识的训练数据包括合法训练数据和非法训练数据，所述循环神经网络包括多个子网络；

识别待测文本中的多元实体，并对所述待测文本中除所述多元实体外的其他部分进行分词，所述待测文本包括文字；

按照在所述待测文本中的排列顺序，将所述多元实体的词向量和分词后得到的词语的词向量一一对应输入至所述多个子网络中，结合所述网络参数，得到各个所述子网络输出的隐向量，其中，前一个子网络的输出的隐向量作为后一个子网络的输入；

将组成多元组的多元实体对应的隐向量进行整合计算，得到判断向量；

利用所述网络参数，对判断向量进行分类，得到分类结果，所述分类结果包括合法与非法；

提取所述分类结果为合法的所述多元组，作为合法多元组；

所述将组成多元组的多元实体对应的隐向量进行整合计算，得到判断向量，包括：

计算组成所述多元组的多元实体对应的隐向量的均值向量，将所述均值向量作为所述判断向量；

或者，

对组成所述多元组的多元实体对应的隐向量进行加权计算，将加权计算得到的向量作为所述判断向量。

2.根据权利要求1所述的方法，其特征在于，所述多元实体包括时间实体、属性实体、值实体、定语实体中的至少两项。

3.根据权利要求1所述的方法，其特征在于，所述将组成多元组的多元实体对应的隐向量进行整合计算，得到判断向量之前，还包括：

将多元实体排列组合，生成至少一个所述多元组。

4.根据权利要求1所述的方法，其特征在于，所述待测文本还包括与文字相配的表格，所述方法还包括：

从表格中提取多元组；

对比从所述表格中提取出的多元组与从所述文字中提取出的合法的多元组；

若从表格中提取出的多元组与从文字中提取出的合法的多元组不一致，则生成提示信息。

5.一种文字中提取多元组的装置，其特征在于，包括：

训练模块，被配置为将带有类别标识的训练数据输入循环神经网络，训练得到所述循环神经网络的网络参数，所述带有类别标识的训练数据包括合法训练数据和非法训练数据，所述循环神经网络包括多个子网络；

拆分模块，被配置为识别待测文本中的多元实体，并对所述待测文本中除所述多元实体外的其他部分进行分词，所述待测文本包括文字；

第一计算模块，被配置为按照在所述待测文本中的排列顺序，将所述多元实体的词向量和分词后得到的词语的词向量一一对应输入至所述多个子网络中，结合所述网络参数，得到各个所述子网络输出的隐向量，其中，前一个子网络的输出的隐向量作为后一个子网络的输入；

第二计算模块，被配置为将组成多元组的多元实体对应的隐向量进行整合计算，得到判断向量；

分类模块，被配置为利用所述网络参数，对判断向量进行分类，得到分类结果，所述分类结果包括合法与非法；

第一提取模块，被配置为提取所述分类结果为合法的所述多元组，作为合法多元组；

所述第二计算模块，包括：

第一计算单元，被配置为计算组成所述多元组的多元实体对应的隐向量的均值向量，将所述均值向量作为所述判断向量；

或者，

第二计算单元，被配置为对组成所述多元组的多元实体对应的隐向量进行加权计算，将加权计算得到的向量作为所述判断向量。

6.根据权利要求5所述的装置，其特征在于，所述多元实体包括时间实体、属性实体、值实体、定语实体中的至少两项。

7.根据权利要求5所述的装置，其特征在于，还包括：

多元组生成模块，被配置为将多元实体排列组合，生成至少一个所述多元组。

8.根据权利要求5所述的装置，其特征在于，所述待测文本还包括与文字相配的表格，所述装置还包括：

第二提取模块，被配置为从表格中提取多元组；

对比模块，被配置为对比从所述表格中提取出的多元组与从所述文字中提取出的合法的多元组；

纠错模块，被配置为若从表格中提取出的多元组与从文字中提取出的合法的多元组不一致，则生成提示信息。