[发明专利]文本抽取方法、装置、设备及存储介质

权利要求书

1.一种文本抽取方法，其特征在于，所述方法包括：

读取待抽取文本，提取所述待抽取文本中包含的抽取类型标识；

在检测到所述抽取类型标识为字段抽取时，调用多线程处理脚本将所述待抽取文本切分成句子集合；

通过所述多线程处理脚本将所述句子集合中的句子转化为句子向量；

对所述句子向量进行拼接，以获得目标句子向量；

将所述目标句子向量输入至第一条件随机场模型，获取所述第一条件随机场模型输出的第一预测结果；

根据所述第一预测结果采用精确匹配检索算法从所述待抽取文本中抽取目标字段；

其中，所述读取待抽取文本，提取所述待抽取文本中包含的抽取类型标识的步骤之前，所述方法还包括：

获取若干个用户标注文档，对所述用户标注文档进行向量化以获得标注文本向量，所述标注文本向量中包含观察文本序列；

将所述标注文本向量输入至初始条件随机场模型，以使所述初始条件随机场模型基于所述观察文本序列进行模型训练，获得待验证条件随机场模型；

对所述待验证条件随机场模型进行模型评估，在评估结果满足预设条件时，将所述待验证条件随机场模型作为所述第一条件随机场模型；

其中，所述读取待抽取文本，提取所述待抽取文本中包含的抽取类型标识的步骤之前，所述方法还包括：

获取若干个用户标注文档，所述用户标注文档中包含多个预设标签类别的标签句子；

通过所述多线程处理脚本对所述标签句子进行分词处理，并根据分词后的句子词汇构建词汇字典；

计算所述词汇字典中每个词汇的词频-逆文本频率指数值，并根据计算结果构建词频-逆文本频率指数值矩阵；

根据所述词频-逆文本频率指数值矩阵获取所述标签句子对应的句子向量；

将所述句子向量输入至待训练的条件随机场模型进行训练，获得第二条件随机场模型；

其中，所述读取待抽取文本，提取所述待抽取文本中包含的抽取类型标识的步骤之后，所述方法还包括：

在检测到所述抽取类型标识为词汇抽取时，调用多线程处理脚本将所述待抽取文本切分成若干个句子；

获取每个句子与样本句子之间的相似度；

基于所述相似度从切分后的句子中筛选出所述样本句子对应的若干个目标句子；

根据所述目标句子构建候选句子集，将所述候选句子集中的句子向量化后输入至第二条件随机场模型；

获取所述第二条件随机场模型输出的第二预测结果，根据所述第二预测结果采用精确匹配检索算法从所述待抽取文本中抽取目标词汇。

2.如权利要求1所述的方法，其特征在于，所述通过所述多线程处理脚本将所述句子集合中的句子转化为句子向量的步骤，包括：

通过所述多线程处理脚本将所述句子集合中的句子输入至预训练语言模型，以获得所述预训练语言模型输出的各句子对应的句子向量；

所述对所述句子向量进行拼接，以获得目标句子向量的步骤，包括：

获取各句子在所述待抽取文本中所处的文本位置信息，并根据所述文本位置信息确定各句子对应的句子顺序；

按所述句子顺序对所述句子向量进行拼接以获得目标句子向量。

3.如权利要求1所述的方法，其特征在于，所述获取每个句子与样本句子之间的相似度的步骤，包括：

对切分后的句子进行分词处理，并获取分词后各词汇对应的词频-逆文本频率指数值；

根据所述词频-逆文本频率指数值确定各词汇所属句子所对应的句子关键词；

基于所述句子关键词获取各词汇所属句子与样本句子之间的相似度。

4.如权利要求1所述的方法，其特征在于，所述根据所述词频-逆文本频率指数值矩阵获取所述标签句子对应的句子向量的步骤，包括：

对所述词频-逆文本频率指数值矩阵进行奇异值分解，获取奇异值集合；

从所述奇异值集合中选取预设数量的目标奇异值，根据所述目标奇异值对所述词频-逆文本频率指数值矩阵进行矩阵重构，获得目标矩阵；

基于所述目标矩阵获取所述标签句子对应的句子向量。