[发明专利]签名信息提取方法及装置

权利要求书

1.一种签名信息提取方法，其特征在于，应用于电子设备，所述电子设备中配置有签名信息提取模型，所述签名信息提取模型包括结构化信息抽取模型和非结构化信息抽取模型，所述方法包括：

获取待抽取签名信息的文本数据，并对所述文本数据进行分句，得到多条语句；

依次将每条语句输入到所述结构化信息抽取模型中，通过所述结构化信息抽取模型中的各个正则表达式分别提取每条语句中的结构化信息；

分别提取每条语句的TF-IDF词频特征和标注序列特征，并将提取得到的TF-IDF词频特征和标注序列特征分别输入到所述非结构化信息抽取模型中的地址二分类模型和字符粒度序列标注模型中，得到每条语句中的非结构化信息，其中，所述非结构化信息包括人名信息和地址信息；

根据所述结构化信息和所述非结构化信息生成签名信息提取结果。

2.根据权利要求1所述的签名信息提取方法，其特征在于，所述分别提取每条语句的TF-IDF词频特征和标注序列特征的步骤，包括：

对所述文本数据中的每条语句进行完全分词，得到每条语句的完全分词结果，并提取所述完全分词结果的TF-IDF词频特征；

同时对所述文本数据中的每条语句进行字符粒度拆分，得到拆分后的每条语句对应的各个词语；

分别提取每个词语的序列标注特征，以得到每条语句的标注序列特征。

3.根据权利要求1或2所述的签名信息提取方法，其特征在于，所述将提取得到的TF-IDF词频特征和标注序列特征分别输入到所述非结构化信息抽取模型中的地址二分类模型和字符粒度序列标注模型中，得到每条语句中的非结构化信息的步骤，包括：

将所述TF-IDF词频特征输入到所述地址二分类模型中，得到对应的地址信息；

将所述标注序列特征输入到所述字符粒度序列标注模型中，得到对应的实体标注序列，并对所述实体标注序列中各个实体标签进行识别，根据识别结果输出对应的人名信息。

4.根据权利要求3所述的签名信息提取方法，其特征在于，所述获取待抽取签名信息的文本数据的步骤之前，所述方法还包括：

训练所述地址二分类模型；以及

训练字符粒度序列标注模型。

5.根据权利要求4所述的签名信息提取方法，其特征在于，所述训练所述地址二分类模型的步骤，包括：

获取多个地址二分类正例和多个地址二分类例；

将所述多个地址二分类正例和所述多个地址二分类例进行乱序处理，得到训练样本；

对所述训练样本进行完全分词，得到完全分词结果，并提取所述完全分词结果的TF-IDF词频特征；

根据提取的TF-IDF词频特征，选取在线主动攻击型分类器训练得到地址二分类模型。

6.根据权利要求4所述的签名信息提取方法，其特征在于，所述训练字符粒度序列标注模型的步骤，包括：

获取预训练数据集；

根据预设规则将所述预训练数据集转换为目标数据集，其中，所述目标数据集包括多条语句以及每条语句中各个词语对应的实体类别标签；

按照字符粒度对所述目标数据集中每条语句和对应的各个词语对应的实体类别标签进行拆分，得到拆分结果，其中，所述拆分结果包括拆分后的各个词语和各个词语对应的实体类别标签；

对所述拆分结果进行序列标注，得到每条语句的实体标注序列，同时提取拆分后的各个词语的标注序列特征，得到每条语句的标注序列特征，其中，每条语句中的第一个实体词语采用第一实体符号标注、其它实体词语采用第二实体符号标注、非实体词语采用非实体符号标注；

通过CRF条件随机场对每条语句的标注序列特征与对应的实体标注序列进行训练，得到字符粒度序列标注模型。

7.根据权利要求6所述的签名信息提取方法，其特征在于，所述根据预设规则将所述预训练数据集转换为目标数据集的步骤，包括：

查找所述预训练数据集中各个需要合并的词语，并将查找到的各个需要合并的词语进行合并，得到合并词语后的预训练数据集；

将所述合并词语后的预训练数据集中的各个词语的词性标签转换为对应的实体类别标签，以得到转换后的目标数据集。