[发明专利]一种自定义规则的文本信息抽取结果筛选方法及装置

说明书

本申请公开一种自定义规则的文本信息抽取结果筛选方法及装置，该方法包括获取待抽取文本信息和预设的模型树，模型树包括至少若干个节点和每个节点对应的抽取表达式集；响应于用户选择所述节点的操作，利用模型树中所选节点对应的抽取表达式集对待抽取文本信息进行信息抽取，得到抽取结果；获取模型树对应的预设节点路径；利用所述预设节点路径的终止节点，按照预设的筛选规则，对抽取结果进行筛选，得到筛选结果，预设的筛选规则包括全节点筛选规则、子节点筛选规则和当前节点筛选规则。本申请利用预设节点路径的终止节点，按照用户所选择的筛选规则，对抽取结果再次进行提取，最终得到用户所需的抽取结果，得到精确地抽取结果，提高抽取效率。

技术领域

本申请涉及文本信息挖掘领域，尤其涉及一种自定义规则的文本信息抽取结果筛选方法及装置。

背景技术

文本信息抽取技术是一种从非结构化或半结构化的文本中抽取用户需要的信息，并形成结构化的数据呈现给用户的技术。在实际生活中，文本信息抽取技术有着广泛的应用，如抽取课程类网站主页上的课程名称、内容和老师等信息，或从旅游论坛上抽取联系信息和其对应的功能类别等。

现有的文本信息抽取技术先加载需抽取文本信息对应的抽取规则，将该抽取规则与待抽取文本的内容进行匹配；然后判断待抽取文本中是否存在与该抽取规则相符的文本信息，如果存在，则抽取该文本信息；如果不存在，则判定抽取失败。

但是，现有的文本信息抽取技术中抽取规则与待抽取文本进行匹配的过程中，仅仅考虑抽取出来的文本信息与需抽取文本信息的相关性，从而导致用户必须根据抽取出来的文本信息具体在待抽取文本中的位置或上下文关系，在抽取出来的文本信息中进一步查找所需信息，给用户造成不便，并且抽取结果的精确性较低，例如，用户想抽取特定日期的“银行”这个待抽取文本信息，得到的抽取结果可能是前几个抽取出来的文本信息为其他日期的“银行”，因此，用户还必须在抽取结果中查找该特定日期下关于银行的信息。

发明内容

本申请提供了一种自定义规则的文本信息抽取结果筛选方法及装置，以解决现有的文本信息抽取技术中抽取规则与待抽取文本进行匹配的过程中，仅仅考虑抽取出来的文本信息与需抽取文本信息的相关性，从而导致用户必须根据抽取出来的文本信息具体在待抽取文本中的位置或上下文关系，在抽取出来的文本信息中进一步查找所需信息，给用户造成不便，并且抽取结果的精确性较低的问题。

第一方面，本申请提供了一种自定义规则的文本信息抽取结果筛选方法包括：

获取待抽取文本信息和预设的模型树，所述模型树包括至少若干个节点和每个节点对应的抽取表达式集，所述抽取表达式集包括至少一个抽取表达式；

响应于用户选择所述节点的操作，利用所述模型树中所选节点对应的抽取表达式集对所述待抽取文本信息进行信息抽取，得到抽取结果；

获取所述模型树对应的预设节点路径；

利用所述预设节点路径的终止节点，按照预设的筛选规则，对所述抽取结果进行筛选，得到筛选结果，所述预设的筛选规则为全节点筛选规则、子节点筛选规则或当前节点筛选规则。

第二方面，本申请还提供了一种基于文本信息抽取结果的筛选装置包括：

第一获取模块，用于获取待抽取文本信息和预设的模型树，所述模型树包括至少若干个节点和每个节点对应的抽取表达式集，所述抽取表达式集包括至少一个抽取表达式；

抽取模块，用于响应于用户选择所述节点的操作，利用所述模型树中所选节点对应的抽取表达式集对所述待抽取文本信息进行信息抽取，得到抽取结果；

第二获取模块，用于获取所述模型树对应的预设节点路径；

筛选模块，用于利用所述预设节点路径的终止节点，按照预设的筛选规则，对所述抽取结果进行筛选，得到筛选结果，所述预设的筛选规则为全节点筛选规则、子节点筛选规则或当前节点筛选规则。