[发明专利]提取摘要信息的方法、装置、语言处理引擎和介质

说明书

本公开提供了一种提取摘要信息的方法、装置、语言处理引擎和介质。该方法包括：获取目标文本；在所述目标文本之前和之后分别设置指针和结束符；将指针的当前位置和所述目标文本输入机器学习模型，由机器学习模型预测所述目标文本中所述指针的当前位置之后指向的下一个位置，直到指向结束符；将指针指向结束符之前在目标文本中指向的所有位置的字符顺序取出，作为所述摘要信息。本公开实施例提高了从目标文本中提取摘要信息的准确率。

技术领域

本公开涉及信息技术领域，具体涉及一种从目标文本中提取摘要信息的方法、装置、语言处理引擎和计算机程序介质。

背景技术

目前，在信息技术领域，经常需要从目标文本中提取摘要信息。例如，从实体全称中提取实体简称，从会议中用户的语音识别的文本中识别出会议纪要，从网页文本中识别出网页文本的摘要。这种摘要信息的提取的特点是，提取的摘要信息的每个字符都在目标文本中，需要从中提取出来，不需要在目标文本之外寻找其他字符。例如，实体简称的每个字符都在实体全称中，只不过需要从中提取出来。

现有技术中，从目标文本中提取摘要信息一般通过以下方式实现：按照预定规则的集合，从目标文本中提取候选摘要信息；然后，判断候选摘要信息是否在目标文本的上下文中出现，如出现，则认为该候选摘要信息是要提取的摘要信息。例如，从实体全称中提取实体简称可以按照如下预定规则的集合进行：

规则1.取实体全称中每个词的首字如：云南天然气化工厂——云天化；

规则2.若实体全称中出现专有名词，取该专有名词，如：美国耐克公司——耐克

规则3.若实体全称以地点开始，取地点+其他词的首字，如：上海交通大学——上海交大

规则4.取实体全称中除地点和机构称谓的所有词的首字，如：中国南方航空公司——南方航空

规则5.取实体全称中除地点和机构称谓的所有词的首字，如：中国南方航空公司——南航

规则6.取除机构称谓之外的其他词的首字+机构称谓，如：交通银行总部——交行总部

基于以上规则的集合，从目标文本中可以提取若干候选摘要信息，例如从实体全称中提取若干候选实体简称，如：

根据规则3，从“云南天然气化工厂”提取“云南天化”；

根据规则1，从“云南天然气化工厂”提取“云天化”。

然后，判断候选摘要信息是否在目标文本的上下文中出现，如出现，则认为该候选摘要信息是要提取的摘要信息。例如，“云南天化”、“云天化”都是候选摘要信息，其中“云南天化”在“云南天然气化工厂”的上下文中未出现，“云天化”在“云南天然气化工厂”的上下文中出现，因此，可以认为“云天化”是要提取的实体简称。

由于现有技术的从目标文本中提取摘要信息的方法依赖于预定规则的集合，预定规则的集合很难做到穷举，因此，现有技术的方法准确率低。

发明内容

本公开的一个目的在于提高从目标文本中提取摘要信息的准确率。

根据本公开实施例的第一方面，公开了一种从目标文本中提取摘要信息的方法，包括：

获取目标文本；

在所述目标文本之前和之后分别设置指针和结束符；

将指针的当前位置和所述目标文本输入机器学习模型，由机器学习模型预测所述目标文本中所述指针的当前位置之后指向的下一个位置，直到指向结束符；

将指针指向结束符之前在目标文本中指向的所有位置的字符顺序取出，作为所述摘要信息。

根据本公开实施例的第二方面，公开了一种从目标文本中提取摘要信息的装置，包括：