[发明专利]一种文本信息提取方法、装置及设备

说明书

本申请实施例公开了一种文本信息提取方法、装置及设备，通过提取待处理文本的文本特征和词性特征并融合，得到文本融合特征，将其输入至第一层次的序列标注模型中，可以对当前层次对应的待抽取信息项进行标注。进而利用得到的标注结果与文本融合特征进行融合，得到更新后的文本融合特征。通过更换当前层次的序列标注模型，可以依次进行各个层次的序列标注模型的标注，得到各个层次的序列标注模型的标注结果。通过对所述各个层次的序列标注模型输出的待处理文本的标注结果进行解析，获得待处理文本包括的不同层次的待抽取信息项的信息抽取内容。可以实现在自动进行文本信息提取的基础上，得到待处理文本的较为准确的文本信息。

技术领域

本申请涉及数据处理领域，具体涉及一种文本信息提取方法、装置及设备。

背景技术

文本中包括大量的文本信息。在对文本中的文本信息进行提取时，部分文本的结构不规则或者不完整，缺乏预定的结构模型，难以直接对文本中的文本信息进行提取。其中文本例如，在医疗领域中，医生撰写生成的病历文本。

目前，针对此类文本通常需要进行文本处理来实现文本信息的提取。但是，提取文本信息的过程较为复杂，并且得到的文本信息的准确率较低。因此，如何实现高效、准确地进行文本信息的提取是亟待解决的问题。

发明内容

有鉴于此，本申请实施例提供一种文本信息提取方法、装置及设备，能够通过多层次序列标注模型对待处理文本进行标注，并利用标注结果获取较为准确的文本信息，实现高效和准确地文本信息提取。

为解决上述问题，本申请实施例提供的技术方案如下：

一种文本信息提取方法，所述方法包括：

提取预设长度的待处理文本的文本特征以及词性特征；

将所述待处理文本的文本特征以及词性特征进行融合，得到所述待处理文本的文本融合特征；

将第一层次的序列标注模型确定为当前层次的序列标注模型；

将所述待处理文本的文本融合特征输入所述当前层次的序列标注模型，对所述当前层次的序列标注模型对应的待抽取信息项进行标注，得到所述当前层次的序列标注模型输出的所述待处理文本的标注结果；

判断是否存在下一层次的序列标注模型；

如果存在下一层次的序列标注模型，将所述当前层次的序列标注模型输出的所述待处理文本的标注结果与所述待处理文本的文本融合特征进行融合，重新得到所述待处理文本的文本融合特征；

将所述下一层次的序列标注模型确定为当前层次的序列标注模型，重新执行所述将所述待处理文本的文本融合特征输入所述当前层次的序列标注模型以及后续步骤；

如果不存在下一层次的序列标注模型，获得各个层次的序列标注模型输出的所述待处理文本的标注结果；

对所述各个层次的序列标注模型输出的所述待处理文本的标注结果进行解析，获得所述待处理文本包括的不同层次的待抽取信息项的信息抽取内容。

在一种可能的实现方式中，在提取预设长度的待处理文本的文本特征以及词性特征之前，所述方法还包括：

对原始文本进行冗余信息过滤以及敏感信息脱敏处理，得到第一目标文本；

如果所述第一目标文本的长度大于预设长度，将所述第一目标文本切分为多个小于或等于所述预设长度的第二目标文本，将所述第二目标文本的长度补齐到所述预设长度，生成待处理文本；

如果所述第一目标文本的长度小于预设长度，将所述第一目标文本的长度补齐到所述预设长度，生成待处理文本；

如果所述第一目标文本的长度等于预设长度，将所述第一目标文本确定为待处理文本。