[发明专利]基于深度学习模型接处警文本居住地信息提取方法和装置

权利要求书

1.一种基于深度学习模型的接处警文本居住地信息提取方法，包括：

获取待提取居住地信息接处警文本；

对所述待提取居住地信息接处警文本进行切词得到相应的分词序列；

对于所得到的分词序列中的每个分词，执行以下居住地信息分类操作：将该分词对应的词向量输入居住地信息分类模型，得到该分词是否为居住地信息的分类结果，其中，所述居住地信息分类模型是基于深度学习模型预先训练得到的；

根据所述分词序列中相应的分类结果为用于指示是居住地信息的各分词确定所述待提取居住地信息接处警文本对应的居住地信息集合。

2.根据权利要求1所述的方法，其中，所述基于深度学习模型的居住地信息分类模型是通过如下训练步骤预先训练得到的：

获取训练样本集合，其中，训练样本包括对历史接处警文本进行切词所得到的分词序列以及与该分词序列对应的标注信息序列，其中，标注信息用于指示分词序列中相应分词是否为居住地信息；

将所述训练样本集合中相应分词序列包括居住地信息分词的各训练样本确定为正样本集合，其中，居住地信息分词为分词序列中相应的标注信息指示该分词为居住地信息的分词；

根据所述正样本集合中每个正样本的分词序列所包括的各居住地信息分词，确定该正样本的文本特征向量；

以所述正样本集合中正样本的文本特征向量作为输入，以用于指示是居住地信息的分类结果作为相应期望输出，训练初始深度学习模型，得到所述居住地信息分类模型。

3.根据权利要求2所述的方法，其中，所述训练步骤还包括：

将预设负样本特征向量输入所述居住地信息分类模型得到相应实际输出结果；

根据所得到的实际输出结果和用于指示不是居住地信息的分类结果之间的差异调整所述居住地信息分类模型的模型参数。

4.根据权利要求2或3所述的方法，其中，所述根据所述正样本集合中每个正样本的分词序列所包括的各居住地信息分词，确定该正样本的文本特征向量，包括：

对于所述正样本集合中的每个正样本，执行以下向量生成及赋值操作：生成与该正样本对应的文本特征向量，其中，所生成的文本特征向量中的各分量分别与预设词典中的各词语一一对应；对于该正样本的分词序列中的每个居住地信息分词，将所生成的文本特征向量中与该居住地信息分词对应的分量设置为该居住地信息分词的词频-逆文本频率指数TF-IDF；以及将所生成的文本特征向量中的各未赋值分量设置为预设数值，未赋值分量为属于所述预设词典但不属于该正样本的分词序列中的各居住地信息分词的词语对应的分量。

5.一种基于深度学习模型的接处警文本居住地信息提取装置，包括：

获取单元，被配置成获取待提取居住地信息接处警文本；

切词单元，被配置成对所述待提取居住地信息接处警文本进行切词得到相应的分词序列；

分类单元，被配置成对于所得到的分词序列中的每个分词，执行以下居住地信息分类操作：将该分词对应的词向量输入居住地信息分类模型，得到该分词是否为居住地信息的分类结果，其中，所述居住地信息分类模型是基于深度学习模型预先训练得到的；

确定单元，被配置成根据所述分词序列中相应的分类结果为用于指示是居住地信息的各分词确定所述待提取居住地信息接处警文本对应的居住地信息集合。

6.根据权利要求5所述的装置，其中，所述基于深度学习模型的居住地信息分类模型是通过如下训练步骤预先训练得到的：

获取训练样本集合，其中，训练样本包括对历史接处警文本进行切词所得到的分词序列以及与该分词序列对应的标注信息序列，其中，标注信息用于指示分词序列中相应分词是否为居住地信息；

将所述训练样本集合中相应分词序列包括居住地信息分词的各训练样本确定为正样本集合，其中，居住地信息分词为分词序列中相应的标注信息指示该分词为居住地信息的分词；

根据所述正样本集合中每个正样本的分词序列所包括的各居住地信息分词，确定该正样本的文本特征向量；

以所述正样本集合中正样本的文本特征向量作为输入，以用于指示是居住地信息的分类结果作为相应期望输出，训练初始深度学习模型，得到所述居住地信息分类模型。