[发明专利]一种文本抽取模型训练方法、文本抽取方法及装置

权利要求书

1.一种文本抽取模型训练方法，其特征在于，包括：

获取问答语料，所述问答语料包含问题语料和答案语料组成的问答对；

当根据判断规则确定答案语料为长答案时，将答案语料分解成多个短答案，并为每个短答案设置对应的短问题；

抽取短答案的核心句和核心词，并标注核心句，其中，所述核心词用于对文本抽取模型抽取到的短答案进行准确性校验，所述核心词与所述短问题对应；

使用短问题和标注有核心句的短答案训练所述文本抽取模型。

2.根据权利要求1所述的方法，其特征在于，所述当根据判断规则确定答案语料为长答案时，将答案语分解成多个短答案，并为每个短答案设置对应的短问题，包括：

获取答案语料包含的句号的数量；

如果所述句号的数量大于或者等于2个，则确定所述答案语料为长答案；

当确定所述答案语料为长答案时，将答案语料从句号处分解成多个短答案，每个短答案包含一个句号且以句号结尾；

根据短答案的内容为每个短答案设置短问题，所述短问题与所述问题语料主题对应。

3.根据权利要求1所述的方法，其特征在于，所述获取短答案的核心句和核心词，包括：

从短答案中获取核心句预设的起始词；

从所述起始词开始，将短答案中起始词指示的全部内容或者部分内容作为核心句；

从核心句中抽取与短问题的内容关联的至少一个名词内容作为核心词。

4.根据权利要求3所述的方法，其特征在于，所述从起始词开始，将短答案中起始词指示的全部内容或者部分内容作为核心句，包括：

所述核心句从起始词开始，到起始词之后的第一个分号结束。

5.根据权利要求3或4所述的方法，其特征在于，所述从起始词开始，将短答案中起始词指示的全部内容或者部分内容作为核心句，还包括：

所述核心句包含的字数小于预设第一阈值。

6.一种文本抽取方法，其特征在于，应用于权利要求1-5任一项所述的方法训练的文本抽取模型，包括：

使用文本抽取模型从未知语料中抽取预设短问题对应的短答案，所述短答案包含核心句；

确定短答案中是否包含预设短问题对应的核心词，如果短答案包含核心词，则将短答案标记为正确答案；

将所有正确答案合并为长问题的长答案，所述长问题与所述短问题的主题对应。

7.根据权利要求6所述的方法，其特征在于，所述使用文本抽取模型从未知语料中抽取预设短问题对应的短答案，所述短答案包含核心句，包括：

获取未知语料的字数；

确定未知语料的字数是否大于预设第二阈值，如果大于第二阈值，将未知语料拆分成多个段落；

使用文本抽取模型分别从每个段落中抽取短答案的核心句。

8.根据权利要求6或7所述的方法，其特征在于，所述使用文本抽取模型从未知语料中抽取预设短问题对应的短答案，所述短答案包含核心句，还包括：

分析核心句所在的句子是否包含分句，所述分句在句子中通过分号分隔；

如果核心句所在的句子包含分句，则确定每个分句为所述短答案的子答案，所述短答案包括核心句和所述子答案的组合。

9.一种文本抽取模型训练装置，其特征在于，包括：

获取模块，用于获取问答语料，所述问答语料包含问题语料和答案语料组成的问答对；

分解模块，用于当根据判断规则确定答案语料为长答案时，将答案语料分解成多个短答案，并为每个短答案设置对应的短问题；

抽取模块，用于抽取短答案的核心句和核心词，并标注核心句，其中，所述核心词用于对文本抽取模型抽取到的短答案进行准确性校验，所述核心词与所述短问题对应；

训练模块，用于使用短问题和标注有核心句的短答案训练所述文本抽取模型。

10.一种文本抽取装置，其特征在于，应用于权利要求1-5任一项所述的方法训练的文本抽取模型，包括：

抽取模块，用于使用文本抽取模型从未知语料中抽取预设短问题对应的短答案，所述短答案包含核心句；

标记模块，用于确定短答案中是否包含预设短问题对应的核心词，如果短答案包含所述核心词，则将短答案标记为正确答案；

合并模块，用于将所有正确答案合并为长问题的长答案，所述长问题与所述短问题的主题对应。