[发明专利]文本抽取模型的训练与文本抽取的方法、装置

权利要求书

1.一种文本抽取模型的训练方法，包括：

获取训练数据，所述训练数据中包含多个文本与多个文本的方面词标注结果；

构建包含第一抽取模型与第二抽取模型的神经网络模型，所述第一抽取模型的输出为所述第二抽取模型的输入；

将多个文本分别输入所述第一抽取模型，得到所述第一抽取模型针对每个文本输出的实体词预测结果；

使用多个文本、多个文本的实体词预测结果与多个文本的方面词标注结果对所述第二抽取模型进行训练，直至所述第二抽取模型收敛，将所述第一抽取模型与训练得到的第二抽取模型组成文本抽取模型。

2.根据权利要求1所述的方法，其中，所述训练数据中还包括多个文本的实体词标注结果。

3.根据权利要求1所述的方法，其中，所述使用多个文本、多个文本的实体词预测结果与多个文本的方面词标注结果对所述第二抽取模型进行训练，直至所述第二抽取模型收敛包括：

将多个文本与多个文本的实体词预测结果进行融合；

使用多个文本的融合结果与多个文本的方面词标注结果对所述第二抽取模型进行训练，直至所述第二抽取模型收敛。

4.根据权利要求2所述的方法，其中，所述使用多个文本、多个文本的实体词预测结果与多个文本的方面词标注结果对所述第二抽取模型进行训练，直至所述第二抽取模型收敛，将所述第一抽取模型与训练得到的第二抽取模型组成文本抽取模型包括：

根据多个文本的实体词预测结果与多个文本的实体词标注结果对所述第一抽取模型进行训练，直至所述第一抽取模型收敛；

将训练得到的第一抽取模型与训练得到的第二抽取模型组成文本抽取模型。

5.一种文本抽取的方法，包括：

获取待处理文本；

将所述待处理文本输入文本抽取模型，将所述文本抽取模型的输出结果作为所述待处理文本的抽取结果；

其中，所述文本抽取模型是根据权利要求1-4中任一项方法预先训练得到的。

6.根据权利要求5所述的方法，其中，所述将所述待处理文本输入文本抽取模型包括：

将所述待处理文本中位于预设词典中的实体词，作为目标实体词；

将所述待处理文本与所述目标实体词输入所述文本抽取模型。

7.一种文本抽取模型的训练装置，包括：

第一获取单元，用于获取训练数据，所述训练数据中包含多个文本与多个文本的方面词标注结果；

构建单元，用于构建包含第一抽取模型与第二抽取模型的神经网络模型，所述第一抽取模型的输出为所述第二抽取模型的输入；

处理单元，用于将多个文本分别输入所述第一抽取模型，得到所述第一抽取模型针对每个文本输出的实体词预测结果；

训练单元，用于使用多个文本、多个文本的实体词预测结果与多个文本的方面词标注结果对所述第二抽取模型进行训练，直至所述第二抽取模型收敛，将所述第一抽取模型与训练得到的第二抽取模型组成文本抽取模型。

8.根据权利要求7所述的装置，其中，所述第一获取单元获取的训练数据中还包括多个文本的实体词标注结果。

9.根据权利要求7所述的装置，其中，所述训练单元在使用多个文本、多个文本的实体词预测结果与多个文本的方面词标注结果对所述第二抽取模型进行训练，直至所述第二抽取模型收敛时，具体执行：

将多个文本与多个文本的实体词预测结果进行融合；

将多个文本与多个文本的实体词预测结果进行融合；

使用多个文本的融合结果与多个文本的方面词标注结果对所述第二抽取模型进行训练，直至所述第二抽取模型收敛。