[发明专利]基于自然语言处理的文本要素提取方法及其文本审查系统

权利要求书

1.一种基于自然语言处理的文本要素提取方法，用于审核文本中的要素是否符合预定的审核规则，其特征在于，包括如下步骤：

基于相应的识别模型，对待审核文本进行分词，当检验到预定的业务特征值时，基于该识别模型，将与该业务特征值相邻的文本要素予以提取；

所述业务特征值与所述文本要素之间的对应关系提前预存所述识别模型中。

2.如权利要求1所述的一种基于自然语言处理的文本要素提取方法，其特征在于，

所述识别模型通过如下步骤建立：

在一个训练样本中，基于要提取的文本要素，确定与其对应出现的至少一个业务特征值，作为提取标签；

将提取标签所在整句文本和所述业务特征值予以标注；

基于上述标注，生成语料，进而训练生成所述识别模型。

3.如权利要求1所述的一种基于自然语言处理的文本要素提取方法，其特征在于，基于所述业务特征值，预存所有的所述业务特征值的常用特征值，进行业务特征值的词典定义，当检验到所述错误表达时，将与所述业务特征值对应的文本要素予以提取。

4.如权利要求1所述的一种基于自然语言处理的文本要素提取方法，其特征在于，所述文本要素提取方法还包括提前存储相应的文本提取规则。

5.如权利要求1-4任一项所述的一种基于自然语言处理的文本要素提取方法，其特征在于，

所述遍历待审核文本，当检验到预定的业务特征值时，基于相应的识别模型，将与该业务特征值相邻的文本要素予以提取，包括：

定义要提取的文本要素在文本文档的位置为S(i)，则S(i)前后的两个位置分别为S(i+1)、S(i+2)、S(i-1)、S(i-2)；

定义要提取的文本要素的词性编码为第一字符串，定义与所述要提取的文本要素对应匹配的业务特征值的词性编码为第二字符串；

进行文本识别时，如识别出S(i)为第一字符串，则查询S(i+1)、S(i+2)、S(i-1)、S(i-2)是否为第二字符串；

分别就S(i+1)、S(i+2)、S(i-1)、S(i-2)位置出现第二字符串的先验概率及权重，分别计算出S(i)是第一字符串的概率；

汇总S(i+1)、S(i+2)、S(i-1)、S(i-2)位置的上述的概率值，算出最终的出S(i)是第一字符串的概率。

6.一种基于自然语言处理的文本要素处理系统，其特征在于，所述文本要素处理系统采用权利要求1-5任一项所述的文本要素提取方法的进行文本要素提取；所述文本要素处理系统包括基础信息配置模块，所述基础信息配置模块用于配置文档类型和系统标签库。

7.权利要求6所述的一种基于自然语言处理的文本要素处理系统，其特征在于，所述基础信息配置模块包括文档配置子模块，所述文档配置子模块包括：

文本处理孙模块，用于添加新的待审核的文本类型、或删除已存在的待审核的文本类型；

标签处理孙模块，用于导入系统中已存在的与待审核文本类型匹配的提取标签，或向系统中添加新的提取标签；

文本要素处理孙模块，用于导入系统中已存在的与待审核文本类型匹配的文本要素，或向系统中添加新的文本要素。

8.权利要求6所述的一种基于自然语言处理的文本审查系统，其特征在于，所述基础信息配置模块包括系统标签子模块，所述系统标签库子模块包括：

包括查询孙模块，用于查询所述系统标签库中已有的提取标签；

新增孙模块，用于向所述系统标签库中增加新的提取标签；

删除孙模块，用于删除所述系统标签库中已有的提取标签。

9.权利要求6所述的一种基于自然语言处理的文本审查系统，其特征在于，所述文本审查系统还包括脚本库管理模块；

所述脚本库管理模块用于实现要素提取和业务规则的分析脚本的管理。