[发明专利]文本关键信息提取方法、装置、计算机设备和存储介质

权利要求书

1.一种文本关键信息提取方法，所述方法包括：

获取待提取关键信息的当前文本；

对所述当前文本进行分词处理，得到所述当前文本对应的目标词语；

获取所述目标词语对应的各个目标词向量，按照所述目标词语在所述当前文本的排列顺序将对应的所述各个目标词向量进行组合，得到目标向量矩阵；

根据已训练的目标神经网络模型对所述目标向量矩阵进行处理，得到待提取关键信息对应的目标位置，其中，所述目标神经网络模型以所述目标词向量为单位进行特征提取，所述目标神经网络模型的特征提取方向与所述目标词向量在所述目标向量矩阵的排列顺序一致；

从所述当前文本中提取所述目标位置对应的目标词语作为关键信息。

2.根据权利要求1所述的方法，其特征在于，所述按照所述目标词语在所述当前文本的排列顺序将对应的所述各个目标词向量进行组合，得到目标向量矩阵包括：

将所述各个目标词向量分别作为向量矩阵中的目标矩阵对象；

按照所述目标词语在所述当前文本的排列顺序将所述各个目标矩阵对象依次进行排列，得到所述目标向量矩阵。

3.根据权利要求1或2所述的方法，其特征在于，所述目标神经网络模型为卷积神经网络模型，所述根据已训练的目标神经网络模型对所述目标向量矩阵进行处理，得到待提取关键信息对应的目标位置的步骤包括：

获取所述目标神经网络模型的当前特征提取层对应的当前输入矩阵以及当前特征提取矩阵，其中，当所述当前特征提取层为首层时，所述当前输入矩阵为所述目标向量矩阵，当所述当前特征提取层不是首层时，所述当前输入矩阵为所述当前特征提取层的上一特征提取层的输出矩阵；

当所述当前输入矩阵对应的预设方向维度与所述当前特征提取矩阵对应的预设方向维度不一致时，对所述当前输入矩阵进行缩放，得到目标输入矩阵，所述目标输入矩阵对应的预设方向维度与所述当前特征提取矩阵对应的预设方向维度相同，所述预设方向维度对应的预设方向为所述目标向量矩阵中所述目标词向量的宽度所对应的方向；

根据所述当前特征提取矩阵对所述目标输入矩阵进行特征提取，得到当前输出矩阵；

根据所述当前输出矩阵得到待提取关键信息对应的目标位置。

4.根据权利要求3所述的方法，其特征在于，所述当所述当前输入矩阵对应的预设方向维度与所述当前特征提取矩阵对应的预设方向维度不一致时，对所述当前输入矩阵进行缩放，得到目标输入矩阵包括：

当所述当前输入矩阵对应的预设方向维度小于所述当前特征提取矩阵对应的预设方向维度时，在所述当前输入矩阵的所述预设方向上的首矩阵对象之前和/或尾矩阵对象之后增加无效矩阵对象，得到所述目标输入矩阵；

或

当所述当前输入矩阵对应的预设方向维度大于所述当前特征提取矩阵对应的预设方向维度时，对所述当前输入矩阵进行下采样，得到所述目标输入矩阵，其中，进行下采样时以所述目标词向量为单位进行采样，下采样的方向与所述目标词向量在所述目标向量矩阵的排列顺序一致。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取样本数据，所述样本数据包括训练文本对应的训练词语以及对应的信息提取位置；

获取所述训练词语对应的各个训练词向量，按照所述训练词语在所述训练文本的排列顺序将对应的所述各个训练词向量进行组合，得到训练向量矩阵；

将所述训练向量矩阵以及对应的信息提取位置作为训练样本进行模型训练，得到所述目标神经网络模型，其中，进行模型训练时以所述训练词向量为单位进行特征提取，进行模型训练的特征提取方向与所述训练词向量在所述训练向量矩阵的排列顺序一致。