[发明专利]一种金融信贷短信的信息抽取和分析方法

权利要求书

1.一种金融信贷短信的信息抽取和分析方法，其特征在于，包括：

训练构建信贷类短信分类模型；使用信贷类短信分类模型对信贷类短信进行识别，并筛选出信贷类短信；

构造关键词，并将筛选出的信贷类短信进行关键词匹配后分析具体业务类型；

构建信息抽取规则模板引擎；使用信息抽取规则模板引擎对具体业务类型进行信息点的抽取与结构化输出；

所述构建信息抽取规则模板引擎，包括：

构建注册函数用以识别数字和日期字符串，实现对表达形式相对固定的结构进行匹配；

构建模板Trie树、槽位词典Trie树，所述模板Trie树用以存储信息抽取的规则模板，挂载注册函数；所述槽位词典Trie树用以存储规则模板中设置的槽位的实例化词条；

所述使用信贷类短信分类模型对信贷类短信进行识别，包括：

对输入的短信文本进行分词序列化；对输入的短信文本使用相同的分词技术得到短信对应的词序列；

挑选特征词条x_i，查询特征词条在所述信贷类短信分类模型中的概率分布；新输入的短信文本经过分词后生成由词构成的序列结构，从中选择所包含的特征词条集合feature={x_1，x_2…，x_m}从线下训练并保存的模型，即特征词条与短信类别信息的概率分布P（x_i|C_j）中查找特征词条x_i与信贷类、非信贷类的类别共现的概率分布值，其中C_j为短信类别信息的概率；

使用特征词条的概率分布值，并输出所述短信所属最大概率的类别，所述类别包括信贷类或非信贷类。

2.如权利要求1所述的一种金融信贷短信的信息抽取和分析方法，其特征在于，所述训练构建信贷类短信分类模型，包括：

人工选取并按照信贷类和非信贷类短信数量1:1的比例构建训练数据，对训练数据的短信文本进行分词序列化；

按照一定比例随机抽取出训练集与测试集，其中训练集比例大于测试集比例，使用训练集进行信贷类短信分类模型的构建，并在测试集上进行测试。

3.如权利要求2所述的一种金融信贷短信的信息抽取和分析方法，其特征在于，从训练集短信文本集合中提取特征词条，在训练集短信文本集合中统计特征词条与类别相关的概率，存储概率分布作为模型；

在测试集上测试模型，重新调整特征词条，保留最优信贷类短信分类模型。

4.如权利要求1所述的一种金融信贷短信的信息抽取和分析方法，其特征在于，将所述短信为信贷类的概率设置一个范围值，使用特征词条获取的概率分布值大于所述范围值时候，则将所述短信输出为信贷类短信。

5.如权利要求1所述的一种金融信贷短信的信息抽取和分析方法，其特征在于，所述信贷类短信进行关键词匹配分析具体业务类型，包括：

构建关键词黑白名单词表；

对每一条信贷类短信进行匹配，得到其中命中的关键词列表；

对匹配结果进行组合决策判断，输出具体业务类型，所述具体业务类型包括逾期、放贷、申请。

6.如权利要求5所述的一种金融信贷短信的信息抽取和分析方法，其特征在于，多个关键词同时存在则构建所述具体业务类型，所述组合决策用于判断是否多个关键词同时存在。

7.如权利要求1所述的一种金融信贷短信的信息抽取和分析方法，其特征在于，对于利用规则模板引擎进行逾期类短信的信息点的抽取，包括：

根据分析业务的需求编写规则模板表达式，整合槽位对应的词典集合；

使用规则引擎对信贷类短信文本进行遍历匹配；

提取槽位信息并输出，所述槽位信息指代模板表达式的属性所指示的将要被提取出来的信息点。