一种处理带格式风格文本的要素内容抽取方法
基本信息
| 申请号 | CN202110095807.8 | 申请日 | - |
| 公开（公告）号 | CN112800762A | 公开（公告）日 | 2021-05-14 |
| 申请公布号 | CN112800762A | 申请公布日 | 2021-05-14 |
| 分类号 | G06F40/289;G06F40/295;G06F40/126;G06F40/30;G06F16/35;G06N3/04 | 分类 | 计算；推算；计数; |
| 发明人 | 金鑫;李鹏辉 | 申请（专利权）人 | 上海犀语科技有限公司 |
| 代理机构 | 上海乐泓专利代理事务所（普通合伙） | 代理人 | 苏杰 |
| 地址 | 200082 上海市杨浦区伟德路6号1005-18室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明的一种处理带格式风格文本的要素内容抽取方法及系统，方法包括如下步骤：S100、事件检测；S200、事件定义；S300、文本标注；S400、模型训练；S500、特征提取；S600、标签预测；系统包括事件检测模块和要素级别实体抽取模块，事件检测模块将文本生成对应的句子向量；采用BiLSTM‑CRF对长文本中的句子进行标注，区分出每个相关的独立事件，要素级别实体抽取模块采用预训练好的BERT模型进行特征提取，得到句子中每个字的嵌入向量，并捕捉双向的语义依赖，利用CRF来学习一个最优路径，进行实体级别的标签预测，可以提升文本数据的采集和录入的时间，提升效率节约人工成本。 |
