[发明专利]数据提取方法、装置、计算机设备和存储介质

权利要求书

1.一种数据提取方法，所述方法包括：

获取待提取数据，并获取所述待提取数据中的证据项；

根据所述证据项获取对应的证据项数据，并将所述证据项数据和预设规则进行比对；

当所述证据项数据包括所述预设规则所对应的数据时，提取所述证据项中的文本；

对所述文本进行数据处理，获得分词序列，并根据所述分词序列生成频繁序列；

获取预先设置的样本数据和所述频繁序列之间的关联指标，并根据所述关联指标对所述频繁序列进行筛选，获取符合所述关联指标的可用频繁序列；

利用所述可用频繁序列从文本中提取与用户需求对应的数据。

2.根据权利要求1所述的方法，其特征在于，在所述获取待提取数据，并获取所述待提取数据中的证据项之前，还包括：

从数据库中获取多个样本数据，并获取所述样本数据中的待提取数据；

获取所述待提取数据中的样本证据项，利用所述样本证据项生成训练文本数据；

利用所述训练文本数据生成多个待提取数据。

3.根据权利要求1所述的方法，其特征在于，所述当根据所述证据项获取对应的证据项数据，并将所述证据项数据和预设规则进行比对，包括：

获取预设规则，并利用所述预设规则对所述证据项数据进行初始校验；

当通过所述初始校验时，利用所述预设规则对所述证据项数据进行完整性校验；

当通过所述完整性校验时，将所述证据项数据和所述预设规则对应的数据进行比对。

4.根据权利要求1至3任意一项所述的方法，其特征在于，所述对所述文本进行数据处理，获得分词序列，并根据所述分词序列生成频繁序列，包括：

对所述文本进行预处理，获得预处理后的文本；

对所述预处理后的文本进行分词处理，获得分词序列；

基于频繁模式增长算法，根据所述分词序列生成频繁序列。

5.根据权利要4所述的方法，其特征在于，所述基于频繁模式增长算法，根据所述分词序列生成频繁序列包括：

获取多个所述分词序列包括的多个证据项，并计算所述证据项在多个所述分词序列中的出现频次；

按照所述出现频次将多个所述证据项按照所述出现频次的降序排序，获得所述证据项的排列顺序；

新建根节点为空的树，并将多个所述证据项按照所述排列顺序插入所述树中，生成频繁模式增长树；

从所述频繁模式树中获取条件模式基，所述条件模式基为以查找证据项为结尾的路径集合；

利用所述条件模式基以及所述分词序列中的多个证据项构建条件频繁模式树；

重复执行获取所述条件模式基以及构建条件频繁模式树；

当所述频繁模式树仅包括同一个证据项时，获取多个条件模式基，并根据多个所述条件模式基生成多个频繁证据项；

根据多个所述频繁证据项生成频繁序列。

6.根据权利要求1至3任意一项所述的方法，其特征在于，所述获取预先设置的样本数据和所述频繁序列之间的关联指标，并根据所述关联指标对所述频繁序列进行筛选，获取符合所述关联指标的可用频繁序列，包括：

获取预先设置的所述样本数据和所述频繁序列之间的支持度和置信度；

提取所述频繁序列中与样本数据之间的支持度符合预先设置的所述支持度的基础频繁序列；

提取所述基础频繁序列中与样本数据之间置信度符合预先设置的所述置信度的可用频繁序列。