[发明专利]事故信息提取方法、装置及电子设备

权利要求书

1.一种事故信息提取方法，其特征在于，所述方法包括：

获取事故接报文本；其中，所述事故接报文件为：基于针对待处理事故的事故接报对话所生成的文本；

利用预先训练的信息分类模型，对所述事故接报文本进行事故信息分类，得到所述事故接报文本内各包含有效信息的有效文本段，以及每一有效文本段所属的事故信息类别；其中，所述信息分类模型为：基于样本文本与所对应的标注结果训练得到的，所述标注结果用于指示：所述样本文本内的各有效文本段，以及每一有效文本段所属的事故信息类别；

针对所述事故接报文本内每一有效文本段，基于预设的事故信息类别与文本处理操作之间的对应关系，采用与该文本段所属事故信息类别对应的信息提取操作，对该文本段进行处理，得到该文本段所记录的所述待处理事故的事故信息。

2.根据权利要求1所述的方法，其特征在于，按照以下方式训练所述信息分类模型：

从训练样本集中，获取目标样本文本；

将所述目标样本文本输入待训练的神经网络模型，以使所述神经网络模型对所述目标样本文本进行事故信息分类，得到预测分类结果；其中，所述预测分类结果包括：所述目标样本文本内的各有效文本段，以及每一有效文本段所属的事故信息类别；

基于所述预测分类结果，与所述目标样本文本的标定结果的差异，调整所述神经网络模型的网络参数；并返回所述从训练样本集中，获取目标样本文本的步骤。

3.根据权利要求2所述的方法，其特征在于，每一样本文本对应的标注结果为：所述样本文本的有效文本段内每一字符所属的事故信息类别；

所述神经网络模型采用如下方式，得到预测分类结果：

将所述目标样本文本内每一字符转换为与该字符对应的字符向量；

基于所述样本文本内各字符的字符顺序，依次对所述各字符的字符向量进行循环处理，得到每一字符的初始的概率向量；其中，每一字符的概率向量中每一维度的数值表征：该字符属于与该维度对应的事故信息类型的概率；

按照约束条件，对所述各字符的初始的概率向量进行调整；得到目标概率向量；其中，所述约束条件为所述神经网络模型通过历史训练数据学习所得；

基于每一字符的目标概率向量，确定所述各字符所属的事故信息类别，作为预测分类结果。

4.根据权利要求3所述的方法，其特征在于，所述基于所述样本文本内各字符的字符顺序，依次对所述各字符的字符向量进行循环处理，得到每一字符的初始的概率向量，包括：

针对所述各字符中的每一字符，采用如下方式得到该字符的得到初始的概率向量，包括：

按照所述样本文本内各字符的正向字符顺序，获取该字符的前文特征和前字符特征；其中，所述前文特征为基于该字符前文所有字符所提取的特征；所述前字符特征为：基于该字符的前一字符所提取的第一字符特征；

基于所述前文特征、所述前字符特征以及该字符的字符向量，计算该字符的第一字符特征，并基于该字符的第一字符特征，确定该字符的初始的概率向量。

5.根据权利要求4所述的方法，其特征在于，在所述基于所述前文特征、所述前字符特征以及该字符的字符向量，计算该字符的第一字符特征之后，还包括：

基于所述前字符特征以及该字符的字符向量，更新所述前文特征。

6.根据权利要求4或5所述的方法，其特征在于，在所述基于该字符的第一字符特征，确定该字符的初始的概率向量之前，还包括：

按照所述样本文本内各字符的反向字符顺序，获取该字符的后文特征和后字符特征；其中，所述后文特征为基于该字符后文所有字符所提取的特征；所述后字符特征为：基于该字符的后一字符所提取的第二字符特征；

基于所述后文特征、所述后字符特征以及该字符的字符向量，计算该字符的第二字符特征；

所述基于该字符的第一字符特征，确定该字符的初始的概率向量，包括：

基于该字符的第一字符特征和该字符的第二字符特征，确定该字符的初始的概率向量。