[发明专利]一种公告信息元素抽取方法、系统及装置

权利要求书

1.一种公告信息元素抽取方法，其特征在于，包括：

预先训练公告特征段分类模型，以及，预先训练公告信息元素抽取模型；

获取需要抽取信息元素的公告文本，对该公告文本进行分句形成句序列，将句序列分割为字序列；

使用公告特征段分类模型预测句序列的类别，找出包含待抽取信息元素的句子；

使用公告信息元素抽取模型预测字序列的类别；

根据找出的包含待抽取信息元素的句子，使用相应的句序列的类别组装字序列的实体词，构建结构化的公告信息元素。

2.根据权利要求1所述的方法，其特征在于，所述预先训练公告特征段分类模型，包括：

数据预处理步骤：获取用作语料的公告文本，对该公告文本进行分句，形成句序列；对该公告文本进行段落划分，将该公告文本划分为训练集、验证集和未标注集，对训练集和验证集进行标注；将训练集、验证集和未标注集分别转换为特征向量集；

分类模型训练步骤：将训练集所转换的特征向量集输入神经网络，学习句子的特征，执行卷积运算和全连接，对训练集进行句分类，训练得到公告特征段分类模型。

3.根据权利要求1所述的方法，其特征在于，所述预先训练公告信息元素抽取模型，包括：

数据预处理步骤：获取输入的公告文本，对该公告文本进行分句，形成句序列，将句序列分割成字序列，进行字向量化，得到字向量集，将字向量集分割为训练集和测试集，训练集中的一部分为验证集；

神经网络训练步骤：将训练集用来初始化公告信息元素抽取模型，并采用验证集对该模型进行验证和调整，将测试集作为该模型的输入，预测出测试集的标签，评估该模型的性能。

4.根据权利要求1所述的方法，其特征在于，

所述公告特征段分类模型包括归一化指数函数Softmax；

所述公告信息元素抽取模型主要由双向门控循环单元BiGRU、卷积神经网络CNN和条件随机场CRF组成。

5.一种公告信息元素抽取系统，其特征在于，包括：

数据预处理模块，用于获取需要抽取信息元素的公告文本，对该公告文本进行分句形成句序列，将句序列分割为字序列；

公告核心文本块分类模块，用于预先训练公告特征段分类模型，使用公告特征段分类模型预测句序列的类别，找出包含待抽取信息元素的句子；

文本块信息元抽取模块，用于预先训练公告信息元素抽取模型，使用公告信息元素抽取模型预测字序列的类别；

结构化处理模块，用于根据找出的包含待抽取信息元素的句子，使用相应的句序列的类别组装字序列的实体词，构建结构化的公告信息元素。

6.根据权利要求5所述的系统，其特征在于，所述公告核心文本块分类模块预先训练公告特征段分类模型，包括：

数据预处理步骤：获取用作语料的公告文本，对该公告文本进行分句，形成句序列；对该公告文本进行段落划分，将该公告文本划分为训练集、验证集和未标注集，对训练集和验证集进行标注；将训练集、验证集和未标注集分别转换为特征向量集；

分类模型训练步骤：将训练集所转换的特征向量集输入神经网络，学习句子的特征，执行卷积运算和全连接，对训练集进行句分类，训练得到公告特征段分类模型。

7.根据权利要求5所述的系统，其特征在于，所述文本块信息元抽取模块预先训练公告信息元素抽取模型，包括：

数据预处理步骤：获取输入的公告文本，对该公告文本进行分句，形成句序列，将句序列分割成字序列，进行字向量化，得到字向量集，将字向量集分割为训练集和测试集，训练集中的一部分为验证集；

神经网络训练步骤：将训练集用来初始化公告信息元素抽取模型，并采用验证集对该模型进行验证和调整，将测试集作为该模型的输入，预测出测试集的标签，评估该模型的性能。

8.根据权利要求5所述的系统，其特征在于，

所述公告特征段分类模型包括归一化指数函数Softmax；

所述公告信息元素抽取模型主要由双向门控循环单元BiGRU、卷积神经网络CNN和条件随机场CRF组成。