[发明专利]一种处理带格式风格文本的要素内容抽取方法在审
| 申请号： | 202110095807.8 | 申请日： | 2021-01-25 |
| 公开（公告）号： | CN112800762A | 公开（公告）日： | 2021-05-14 |
| 发明（设计）人： | 金鑫;李鹏辉 | 申请（专利权）人： | 上海犀语科技有限公司 |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06F40/295;G06F40/126;G06F40/30;G06F16/35;G06N3/04 |
| 代理公司： | 上海乐泓专利代理事务所(普通合伙) 31385 | 代理人： | 苏杰 |
| 地址： | 200082 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 处理 格式 风格 文本 要素 内容 抽取 方法 | ||
1.一种处理带格式风格文本的要素内容抽取方法，其特征在于，所述方法具体包括如下步骤：
S100、事件检测；
S200、事件定义；
S300、文本标注；
S400、模型训练；
S500、特征提取；
S600、标签预测。
2.根据权利要求1所述的一种处理带格式风格文本的要素内容抽取方法，其特征在于：所述步骤S100具体为对文本中相关的独立事件进行检测。
3.根据权利要求1所述的一种处理带格式风格文本的要素内容抽取方法，其特征在于：所述步骤S200具体为根据业务相关逻辑，定义相关的独立事件。
4.根据权利要求1所述的一种处理带格式风格文本的要素内容抽取方法，其特征在于：所述步骤S300具体为根据任务定义对相关文本进行句子级语料标注。
5.根据权利要求4所述的一种处理带格式风格文本的要素内容抽取方法，其特征在于：所述步骤S400中的模型训练具体为将批注好的句子级语料通过预训练BERT模型提取字向量表示，再输送到BiLSTM-CRF模型中进行命名实体识别的训练，以得到训练后用于要素级别实体抽取的模型。
6.根据权利要求5所述的一种处理带格式风格文本的要素内容抽取方法，其特征在于：所述步骤S500具体为通过用于要素级别实体抽取的模型对文本中的要素级别实体进行抽取。
7.根据权利要求5所述的一种处理带格式风格文本的要素内容抽取方法，其特征在于：所述步骤S600具体为通过用于要素级别实体抽取的模型进行标签预测。
8.一种处理带格式风格文本的要素内容抽取系统，其特征在于：包括事件检测模块和要素级别实体抽取模块，所述事件检测模块采用BiLSTM-Maxpooling作为句子编码器，将文本生成对应的句子向量；采用BiLSTM-CRF对长文本中的句子进行标注，从而区分出每个相关的独立事件，所述要素级别实体抽取模块采用预训练好的BERT模型进行特征提取，得到句子中每个字的嵌入向量，采用BiLSTM-CRF结构捕捉双向的语义依赖，再加入CRF对标签之间的依赖性建模，利用CRF来学习一个最优路径，进行实体级别的标签预测。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海犀语科技有限公司，未经上海犀语科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110095807.8/1.html，转载请声明来源钻瓜专利网。
