[发明专利]一种数据提取方法和装置

说明书

本申请实施例提供了一种数据提取方法和装置，该方法包括：确定待识别文本信息；利用预先确定的分析模型，对待识别文本信息进行分析处理，以获取待识别文本信息中的数值信息和句法特征信息，数值信息中包括至少一个数值和数值对应的信息；在数值信息中包括多个数值的情况下，根据句法特征信息和数值信息，确定待识别文本信息中的目标执行数值。因此，能够利用预设的分析模型，对待识别文本信息进行数值信息和句法特征信息的提取，进而通过语义关系的分析，确定出数值信息中的多个数值之间的关联关系，以根据关联关系确定对应的计算策略，进而生成目标执行数值，从而提高对待识别文本中的数值信息提取的准确率和效率，简化数值信息提取操作。

技术领域

本申请涉及数据处理技术领域，特别是涉及一种数据提取方法和装置。

背景技术

随着互联网金融的迅猛发展和普及，法院公开的案件所生成的数据已经被广泛应用于互联网金融风控环节中。由于约有50％以上的法院案件数据都没有公布具体执行标的金额的大小，上述金额信息常隐藏在法院裁判文书、生效法律文书确定的义务或者判决结果等文本数据中；且这些文本数据是非结构化的，通常需要利用机器学习、深度学习、自然语言处理等方法，从非结构化的文本数据中提取出相关金额信息，并判定各个金额信息之间的关系，进而得到该案件的执行标的大小。

现有技术中，主要采用的是人工定义的正则表达式的方式，从非结构化的文本数据中抽取出所有相关金额信息，然后取最大值或者直接求和，得到的结果作为案件的执行标的大小。

但是，由于正则表达式抽取相关金额信息的方法覆盖率不高，很难抽取出所有的相关金额信息；同时，通过对提取出的相关金额信息直接取最大值或者求和后，所得到的结果作为案件的执行标的大小的方式，缺乏对相关金额之间的关系进行分析，因此导致得到的执行标的金额信息正确率不高。

发明内容

鉴于上述问题，本申请实施例提供一种数据提取方法，能够解决现有技术中存在的金额信息提取的覆盖率低且正确率不高的问题。

相应的，本申请实施例还提供了一种数据提取装置，用以保证上述方法的实现及应用。

为了解决上述问题，本申请实施例公开了一种数据提取方法，所述方法包括：

确定待识别文本信息；

利用预先确定的分析模型，对所述待识别文本信息进行分析处理，以获取所述待识别文本信息中的数值信息和句法特征信息，所述数值信息中包括至少一个数值和所述数值对应的信息；

在所述数值信息中包括多个数值的情况下，根据所述句法特征信息和所述数值信息，确定所述待识别文本信息中的目标执行数值。

相应的，本申请实施例还公开了一种数据提取装置，所述装置包括：

信息确定模块，用于确定待识别文本信息；

信息处理模块，用于利用预先确定的分析模型，对所述待识别文本信息进行分析处理，以获取所述待识别文本信息中的数值信息和句法特征信息，所述数值信息中包括至少一个数值和所述数值对应的信息；

数值确定模块，用于在所述数值信息中包括多个数值的情况下，根据所述句法特征信息和所述数值信息，确定所述待识别文本信息中的目标执行数值。

本申请实施例还提供一种装置，包括处理器以及存储器，其中，

所述处理器执行所述存储器所存放的计算机程序代码，以实现本申请所述的数据提取方法。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现本申请所述的数据提取方法的步骤。

本申请实施例包括以下优点：