[发明专利]目标数据识别方法及装置

权利要求书

1.一种目标数据识别方法，其特征在于，所述方法包括：

调用预设的信息训练模型；其中，信息训练模型是对样本信息模板进行训练获得的模型，所述信息训练模型包含样本数据标识与样本信息模板的关联关系；

根据所述信息训练模型对目标信息中的目标数据预测并标注目标数据标识，获得目标信息模板；

根据所述目标信息模板对待识别的目标信息中的目标数据进行识别。

2.根据权利要求1所述的方法，其特征在于，所述调用预设的信息训练模型之前，还包括：

获取标注有样本数据标识的样本信息模板；

根据所述样本数据标识与所述样本信息模板中除样本数据标识外的其他信息的关系，生成每个样本数据标识对应的特征向量；

采用序列标注算法对所述样本信息模板、样本数据标识及其对应的特征向量进行训练，获得信息训练模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述样本数据标识与所述样本信息模板中除样本数据标识外的其他信息的关系，生成每个样本数据标识对应的特征向量，包括：

对各样本信息模板中除样本数据标识外的其他信息进行分词处理，获得特征词；

计算所有样本信息模板中每个特征词对每个样本数据标识的卡方值；

从每个样本数据标识对应的特征词中，按卡方值从大到小筛选出预设个数的特征词，组成特征词集合；

从样本信息模板中获取样本数据标识的上下文信息；

根据所述特征词集合中各特征词与所述样本数据标识的上下文信息的匹配关系，生成所述样本数据标识对应的特征向量，所述特征向量的维数与特征词集合中特征词个数相同。

4.根据权利要求3所述的方法，其特征在于，采用以下公式计算所有样本信息模板中每个特征词对每个样本数据标识的卡方值：

其中，N_ij＝A_ij+B_ij+C_ij+D_ij，K_ij表示所有样本信息模板中特征词i对样本数据标识j的卡方值；A_ij表示所有样本信息模板中与特征词i相邻的样本数据标识为j的个数；B_ij表示所有样本信息模板中与特征词i相邻的样本数据标识不为j的个数；C_ij表示所有样本信息模板中样本数据标识为j的相邻特征词中没有特征词i的个数，D_ij表示所有样本信息模板中样本数据标识不为j的相邻特征词中没有特征词i的个数。

5.根据权利要求3所述的方法，其特征在于，所述从样本信息模板中获取样本数据标识的上下文信息，包括：

从所述样本信息模板中读取与样本数据标识相邻的预设字符长度的信息，将所读取的信息确定为样本数据标识的上下文信息；

或，

从所述样本信息模板中读取样本数据标识所属分句，将所述分句确定为样本数据标识的上下文信息。

6.根据权利要求3所述的方法，其特征在于，所述根据所述信息训练模型对目标信息中的目标数据预测并标注目标数据标识，获得目标信息模板，包括：

根据所述特征词集合中各特征词与所述目标信息中目标数据的数值的上下文信息的匹配关系，生成所述目标数据对应的特征向量；

根据所述信息训练模型、所述目标信息、所述目标数据的特征向量对所述目标数据的目标数据标识进行预测；

利用预测结果对所述目标信息进行回标，获得标注有目标数据标识的目标信息模板。

7.根据权利要求6所述的方法，其特征在于，所述生成所述目标数据对应的特征向量之前，还包括：

利用正则表达式识别出各初始信息中数据的数值；

将所述数值替换为设定的通配符，获得初始化信息模板；

将所述初始化信息模板中信息相同的模板划分为一类，并计算每类模板占总初始化信息模板的比例；

将所述比例大于设定筛选比例的初始化信息模板确定为目标信息。