[发明专利]基于文本分类与语义框架的电力预案信息抽取方法

权利要求书

1.基于文本分类与语义框架的电力预案信息抽取方法，其特征在于所述方法包括：

101.获取电力预案文本并做文本类别标注。

102.针对电力预案文本的预处理；所述的预处理包括：长句切分，分词与词性标注。

103.针对电力预案文本的文本分类模型与训练方法；将已标注类别的电力预案文本作为训练集微调BERT预训练模型获得所述文本的特征向量，利用获得的特征向量训练Softmax回归模型得到电力预案文本分类的模型。

104.针对不同类别的电力预案文本，定义不同的语义槽；把待抽取的信息定义为语义槽，将信息抽取任务转换为槽填充任务，并根据各类别文本所需抽取的不同信息，定义不同的语义槽s_j。

105.针对不同类别的电力预案文本，构建不同的语义框架进行信息抽取；将步骤104中定义的语义槽组成语义框架f_i＝{s_j}，利用文本搜索和正则匹配的方法，填充框架中的语义槽。

2.根据权利要求1所述的基于文本分类与语义框架的电力预案信息抽取方法，其特征在于针对电力预案文本的预处理方法，具体包括：

总结预案文本的句式结构特点并建立长文本切分标志集，据此编写针对电力预案文本的分句规则将预案文本中的长句切分为多个短句；

从大量电力预案中先以规则总结辅以专家人工校正建立专业词典，通过导入电力预案专业词典，进行分词与词性标注。

3.根据权利要求1所述的基于文本分类与语义框架的电力预案信息抽取方法，其特征在于针对电力预案文本的文本分类模型与训练方法，具体包括：

给出电力预案文本分类训练集来自于步骤101中已标注类别的电力预案文本数据集，其中x_i为每条电力预案文本，y_i为文本对应的类别，预案文本类别由电力专家分析共形成八类。通过BERT预处理语言模型在训练集D上进行微调，得到训练集D对应的特征表示为V＝(v₁，v₂，...，v_N)，其中v_i是每条短文本x_i对应的句子级别的特征向量，i＝1，2，...，N；

将得到的特征表示V输入Softmax回归模型进行训练，得到电力预案文本分类的模型M；

训练方法包括参数设置以及迭代轮数和准确率分析。

4.根据权利要求1所述的基于文本分类与语义框架的电力预案信息抽取方法，其特征在于，针对不同类别的电力预案文本，定义不同语义槽，具体包括：

将预案文本中待抽取的关键信息定义为语义槽，把信息抽取任务转换为槽填充任务，每种类别的预案文本将被抽取出限定的信息用于语义槽的填充。根据每种类别的预案文本所需抽取的信息，定义相应的语义槽组{s_j}，j＝1，2，...，n_k，n_k为此类别文本对应的语义槽数量。

5.根据权利要求1所述的基于文本分类与语义框架的电力预案信息抽取方法，其特征在于，针对不同类别的电力预案文本，构建不同的语义框架进行信息抽取，具体包括：

通过对不同类别的电力预案文本进行语句模式归纳总结，结合步骤104中定义的语义槽构造出相应的语义框架f_i＝{s_j}。考虑到槽缺失的情况，进一步将框架中的语义槽分为必要槽和可选槽。利用构建的语义框架进行信息抽取的过程如下：

a.将待抽取的文本进行文本分类，给定待抽取的电力预案文本集其中x_i为每条电力预案文本。待抽取电力预案文本T经过文本分类模型M分类得到分类结果t₁，t₂，...，t_N，其中t_i是类别i对应的文本集合，i＝1，2，...，N；

b.对分类结果t₁，t₂，...，t_N依据其文本类型调用对应的语义框架f₁，f₂，...，f_N。其中，f_i＝{s_j}表示对应于分类结果t_i的语义框架，i＝1，2，...，N，s_j表示语义框架f_i包含的语义槽，j＝1，2，...，n_k；

c.根据调用的语义框架f_i＝{s_j}，利用文本搜索和正则匹配的方法，填充框架中的语义槽，完成信息的抽取。