[发明专利]文本关键要素抽取方法、系统、存储介质和电子设备

权利要求书

1.一种文本关键要素抽取方法，其特征在于，包括：

S1、获取人工标注的文档样本、未标注的非结构化文档和知识库，基于所述人工标注的文档样本、未标注的非结构化文档和知识库构建领域标签库；

S2、根据所述领域标签库对所述未标注的非结构化文档进行文档重打标，得到重新打标的非结构化文档；

S3、基于所述重新打标的非结构化文档对预先构建的深度学习模型进行训练，得到命名实体识别模型，所述命名实体识别模型用于识别文本中的命名实体，根据对命名实体识别结果进行文本关键要素提取。

2.如权利要求1所述的文本关键要素抽取方法，其特征在于，所述S1包括：

S101、基于人工标注的文档样本获取非结构化文档的标注信息词汇库；

S102、基于规则挖掘未标注的非结构化文档的领域词汇，构建抽取领域词汇库；

S103、融合标注信息词汇库、抽取领域词汇库和知识库，得到领域标签库。

3.如权利要求2所述的文本关键要素抽取方法，其特征在于，所述S101包括：

S101a、获取人工标注的文档样本，提取并汇总各个文档样本中的标注信息，得到初始标签集合；

S101b、对初始标签集合进行问题检测处理，形成候选序列；

S101c、获取候选序列的人工校验信息；

S101d、去除初始标签集合中的重复部分，并依据人工校验信息去除错误的标签，得到标注信息词汇库。

4.如权利要求1所述的文本关键要素抽取方法，其特征在于，在S2中，对所述未标注的非结构化文档进行文档重打标之后，所述方法还包括：

检测是否存在文档中同一位置被多个领域词汇命的情况，若是，则采取最长匹配的策略，按照匹配到的最长词汇进行标注。

5.如权利要求1～4任一所述的文本关键要素抽取方法，其特征在于，对预先构建的深度学习模型进行训练之前，所述方法还包括：

对将重新打标后的非结构化文档进行文档分割处理和样本均衡处理，得到训练样本，所述训练样本用于训练深度学习模型。

6.如权利要求1～4任一所述的文本关键要素抽取方法，其特征在于，所述方法还包括：

S4、通过命名实体识别模型和命名实体识别规则分别对待识别文本中的实体进行识别，得到第一识别结果和第二识别结果，融合第一识别结果和第二识别结果，得到命名实体识别结果。

7.如权利要求6所述的文本关键要素抽取方法，其特征在于，所述方法还包括：

S5、基于相似度匹配实体识别结果和领域标签库中的命名实体，确定最终的实体类别。

8.一种文本关键要素抽取系统，其特征在于，包括：

标签库构建模块，用于获取人工标注的文档样本、未标注的非结构化文档和知识库，基于所述人工标注的文档样本、未标注的非结构化文档和知识库构建领域标签库；

文档重打标模块，用于根据所述领域标签库对所述未标注的非结构化文档进行文档重打标，得到重新打标的非结构化文档；

模型构建模块，用于基于所述重新打标的非结构化文档对预先构建的深度学习模型进行训练，得到命名实体识别模型，所述命名实体识别模型用于识别文本中的命名实体，根据对命名实体识别结果进行文本关键要素提取。

9.一种存储介质，其特征在于，其存储有用于文本关键要素抽取的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1～7任一项所述的文本关键要素抽取方法。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1～7任一项所述的文本关键要素抽取方法。