[发明专利]结构化数据提取装置、方法及存储介质

权利要求书

1.一种信息提取装置，其特征在于，包括：

一学习模块，用于获取复数个训练文本，及预设的用于指示目标信息在其中每个训练文本中位置的标注信息；获取所述复数个训练文本中每个训练文本对应的第一文本特征表示信息；利用所述第一文本特征表示信息和所述标注信息确定一定位策略；及

一提取模块，用于获取目标文本及所述目标文本对应的第二文本特征表示信息，利用所述定位策略确定所述目标信息在所述第二文本特征表示信息中的位置的预估信息；根据所述预估信息从所述目标文本中提取出所述目标信息。

2.根据权利要求1所述的信息提取装置，其特征在于，所述学习模块包括：

一元素学习单元，用于确定所述目标信息对应的预设的复数个信息元素，从所述标注信息中获取所述复数个信息元素中每个信息元素的元素标注信息，所述元素标注信息用于指示相应的信息元素在每个训练文本中的位置；利用所述第一文本特征表示信息和所述元素标注信息确定所述复数个信息元素中每个信息元素的元素定位策略作为所述定位策略；

其中，所述提取模块用于，利用所述元素定位策略确定所述复数个信息元素中每个信息元素在所述第二文本特征表示信息中的元素位置，根据所述元素位置从所述目标文本中提取所述复数个信息元素对应的文本内容作为所述目标信息。

3.根据权利要求2所述的信息提取装置，其特征在于，所述提取模块包括：

一元素提取单元，用于根据所述元素位置从所述目标文本中提取所述复数个信息元素中每个信息元素对应的文本内容；

一数据生成单元，用于利用所述文本内容生成结构化数据作为所述目标信息；其中，所述结构化数据包括复数个数据条目，其中每个数据条目包括所述复数个信息元素中的一个信息元素的元素标识和相应的文本内容。

4.根据权利要求1-3中任一权利要求所述的信息提取装置，其特征在于，进一步包括：

一标签确定模块，用于获取复数个第二训练文本中每个第二训练文本的预设的内容标签，利用所述第一文本特征表示信息和所述内容标签确定分类策略；利用所述分类策略和所述第二文本特征表示信息确定所述目标文本的内容标签；

一信息输出模块，用于利用所述目标文本的内容标签和从所述目标文本提取的所述目标信息生成所述目标文本对应的数据集，并输出所述数据集；

其中，所述学习模块用于，将所述复数个第二训练文本中具有第一内容标签的复数个第二训练文本选取为所述复数个训练文本，将所述定位策略确定为所述第一内容标签对应的定位策略；

所述提取模块用于，当所述目标文本的内容标签为所述第一内容标签时，利用所述第一内容标签对应的所述定位策略从所述目标文本中提取出所述目标信息。

5.根据权利要求4所述的信息提取装置，其特征在于，进一步包括：

一元素设定模块，用于从所述标注信息中获取所述复数个训练文本中每个训练文本中的目标信息所包括的信息元素，根据所述复数个训练文本的内容标签和所述每个训练文本的目标信息所包括的信息元素确定复数个内容标签中每个内容标签对应的信息元素集合，所述信息元素集合包括至少一个信息元素；

其中，所述提取模块用于，获取所述目标文本的内容标签对应的信息元素集合作为目标元素集合；针对所述目标元素集合中的每个信息元素，利用所述定位策略从所述目标文本中提取出所述信息元素对应的文本内容；将所述目标元素集合中各信息元素的元素标识和相应的所述文本内容作为所述目标信息。

6.根据权利要求1-3中任一权利要求所述的信息提取装置，其特征在于，进一步包括：

一分割模块，用于将复数个第二训练文本中的每个第二训练文本分为复数个训练文本片段，将所述复数个第二训练文本对应的复数个训练文本片段作为所述复数个训练文本；将第二目标文本划分为复数个目标文本片段，将所述复数个目标文本片段作为所述目标文本；

一信息输出模块，用于利用所述第二目标文本的信息和从所述复数个目标文本片段中提取的目标信息生成所述第二目标文本对应的数据集，并输出所述数据集。