[发明专利]关键信息提取模型及其构建方法

权利要求书

1.一种关键信息提取模型的构建方法，其特征在于，

该方法中通过搭建CNN神经网络，训练输入的基础样本，得到关键信息提取模型，

其中，所述输入的基础样本包括包含关键词的段落/句子和该段落/句子所对应的标题。

2.根据权利要求1所述的方法，其特征在于，

包含关键词的段落/句子在输入至CNN神经网络以前，将每个基础样本中段落/句子都调整为设定长度，并且使得关键词处于该段落/句子的中间位置。

3.根据权利要求1所述的方法，其特征在于，

该方法包括如下步骤:

步骤1：从特定文档中提取包含关键词的基础样本；

步骤2：判断所述基础样本中记载内容对应的关键信息类别，并标注；

步骤3：对所述基础样本做分词处理，将所述基础样本的格式转换为能够用于机器学习的格式；

步骤4：搭建CNN神经网络，训练输入的基础样本，得到关键信息提取模型。

4.根据权利要求3所述的方法，其特征在于，

所述关键信息为贷款审计行业中关注的关键信息，优选地，所述关键信息包括“经营困难”、“生产事故”、“破产”、“死亡”、“失联”等类别；

各个关键信息类别中都分别对应有多个关键词；

优选地，所述特定文档为贷款审计行业中需要审阅的文档，并且该文档中包含所述关键词；

优选地，所述基础样本包括包含关键词的段落/句子和该段落/句子所对应的标题。

5.根据权利要求3所述的方法，其特征在于，

在步骤2中，当通过阅读获知该基础样本内容中涉及关键信息时，将该基础样本标注为该关键信息类别，

当通过阅读获知该基础样本内容中不涉及关键信息时，将该基础样本标注为无类别。

6.根据权利要求3所述的方法，其特征在于，

在步骤3中，对所述基础样本做分词处理包括对包含关键词的段落/句子做分词处理和对该段落/句子所对应的标题做分词处理；

通过所述分词处理获得并记录基础样本的段落/句子中各个词的原词、归一化后的词、词性和实体类型。

7.根据权利要求6所述的方法，其特征在于，

对分词后的段落/句子进行关键词匹配，过滤掉分词边界与关键词不一致的基础样本。

8.根据权利要求3所述的方法，其特征在于，

所述步骤4包括如下子步骤：

子步骤a：对基础样本做向量化处理，使得得到的样本可以作为模型的输入；

子步骤b：控制模型的输入依次经过卷积层、池化层和全连接层，得到该样本属于各个关键信息类别的概率分布；

子步骤c：计算损失函数的值并通过误差反向传播进行模型的训练。

9.根据权利要求8所述的方法，其特征在于，

在所述子步骤a中，在向量化处理后，把调整后段落/句子中每个词的词向量、该词与关键词的相对位置向量、该词的实体类型向量拼接成一个向量，作为模型的第一组输入。

10.一种关键信息提取系统，其特征在于，该系统包括通过权利要求1-9中所述方法获得的关键信息提取模型。