[发明专利]大规模文本信息批量结构化的方法及装置有效
| 申请号： | 201710868572.5 | 申请日： | 2017-09-22 |
| 公开（公告）号： | CN107704539B | 公开（公告）日： | 2020-10-23 |
| 发明（设计）人： | 汪东升;蔡尚铭;徐涛 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F16/22 | 分类号： | G06F16/22;G06F16/2455;G06F16/28;G06F16/2458 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;李相雨 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种大规模文本信息批量结构化的方法及装置，能在短时间内批量处理大量文本信息。方法包括：根据不同文本信息的目标信息项建立不同的切分和抽取规则，以配置文件形式提供规则输入接口；根据对应的切分规则和抽取规则，以流水线处理方式，依次对单个文本信息完成自动化信息抽取操作；按照目标信息项的数据类型格式和长度建立数据库关系表，将经过自动化信息抽取后的文本信息转化为结构化记录，保存到数据库关系表中，对于未能成功抽取出关键信息的文本信息，使用统计机器学习的方法从已成功抽取的结构化记录数据中推测出候选信息项，根据候选信息项及对应的文本信息和规则内容对已有规则进行修正。 | ||
| 搜索关键词： | 大规模 文本 信息 批量 结构 方法 装置 | ||
【主权项】：
一种大规模文本信息批量结构化的方法，其特征在于，包括：根据不同文本信息的目标信息项建立不同的切分和抽取规则，以配置文件形式提供规则输入接口；根据对应的切分规则和抽取规则，以流水线处理方式，依次对单个文本信息完成包括数据加载、片段切分、信息抽取和信息汇聚的自动化信息抽取操作；按照目标信息项的数据类型格式和长度建立数据库关系表，将经过自动化信息抽取后的文本信息转化为结构化记录，保存到数据库关系表中，对于未能成功抽取出关键信息的文本信息，使用统计机器学习的方法从已成功抽取的结构化记录数据中推测出候选信息项，根据所述候选信息项及对应的文本信息和规则内容对已有规则进行修正。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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清华大学，未经清华大学许可，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/patent/201710868572.5/，转载请声明来源钻瓜专利网。
- 上一篇：易拉罐（宠物玩具）
- 下一篇：一种快速提取OSM数据中指定行政区内路网的方法
- 信息记录介质、信息记录方法、信息记录设备、信息再现方法和信息再现设备
- 信息记录装置、信息记录方法、信息记录介质、信息复制装置和信息复制方法
- 信息记录装置、信息再现装置、信息记录方法、信息再现方法、信息记录程序、信息再现程序、以及信息记录介质
- 信息记录装置、信息再现装置、信息记录方法、信息再现方法、信息记录程序、信息再现程序、以及信息记录介质
- 信息记录设备、信息重放设备、信息记录方法、信息重放方法、以及信息记录介质
- 信息存储介质、信息记录方法、信息重放方法、信息记录设备、以及信息重放设备
- 信息存储介质、信息记录方法、信息回放方法、信息记录设备和信息回放设备
- 信息记录介质、信息记录方法、信息记录装置、信息再现方法和信息再现装置
- 信息终端，信息终端的信息呈现方法和信息呈现程序
- 信息创建、信息发送方法及信息创建、信息发送装置
