[发明专利]关键信息提取模型及其构建方法

说明书

本发明公开了一种关键信息提取模型及其构建方法，该方法中，需要从特定文档中提取包含关键词的基础样本；再判断并标注所述基础样本中记载内容对应的关键信息类别，在对所述基础样本做分词处理后，搭建CNN神经网络，训练基础样本，得到关键信息提取模型，其中关键信息提取模型的输入包括每个词的词向量、该词与关键词的相对位置向量、该词的实体类型向量，还要将对应的标题作为输入，从而进一步提升模型准确率。

技术领域

本发明涉及一种信息提取模型及其构建方法，具体涉及一 种关键信息提取模型及其构建方法。

背景技术

各个行业中都存在从大量信息中提取关键信息的需求，由 于文本中都是无结构化或半结构化的数据，所以人在审阅的过 程中必须对所有内容进行仔细查看，从中提取需要重点关注的 信息，但实际上关键信息并不多，人力浪费严重，在贷款审计 行业中这种现象更为突出。

很多人会把关键信息对应的关键词提取出来，通过软件系 统自动寻找包含该关键词的段落，只要发现某一段落包含任意 一个关键词，即对该段落进行重点关注，由人来阅读分析，这 种方式虽然能够减少一部分人的工作量，但是由于汉语语义的 复杂性，必然有很多事实上不包含关键信息的段落被错误标记， 使用者仍然需要花费很大的精力去逐一阅读，甄别出不包含关 键信息的段落，所以如何能够自行获得准确的关键信息成为制约该行业智能化发展的约束条件。

由于上述原因，本发明人对现有的提取模型做了深入研究， 设计出一种能够解决上述问题的关键信息提取模型及其构建方 法。

发明内容

为了克服上述问题，本发明人进行了锐意研究，设计出一 种关键信息提取模型及其构建方法，该方法中，需要从特定文 档中提取包含关键词的基础样本；再判断并标注所述基础样本 中记载内容对应的关键信息类别，在对所述基础样本做分词处 理后，搭建CNN神经网络，训练基础样本，得到关键信息提取 模型，其中关键信息提取模型的输入包括每个词的词向量、该 词与关键词的相对位置向量、该词的实体类型向量，还要将对 应的标题作为输入，进一步提升模型准确率，从而完成本发明。

具体来说，本发明的目的在于提供以一种关键信息提取模 型的构建方法，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，训练基础样本，得到关键信 息提取模型。

其中，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。

其中，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。

其中，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中各个词的原词、 归一化后的词、词性和实体类型。

其中，对分词后的文本进行关键词匹配，过滤掉分词边界 与关键词不一致的基础样本。