[发明专利]客票规则解析方法、装置、电子设备及计算机可读介质

权利要求书

1.一种客票规则解析方法，其特征在于，所述方法包括：

获取待处理的客票规则文本；

将所述客票规则文本进行词向量化处理，得到所述客票规则文本对应的第一向量；

将所述第一向量输入至预先训练的深度神经网络，得到与所述第一向量对应的预设标注字段的数据，其中，所述预设标注字段的数据能够反映所述客票规则文本中的客票信息，所述预设标注字段的数据包括预设标注字段和预设标注字段数值，部分预设标注字段的数据是根据其他预设标注字段的数据得到的；

对所述预设标注字段和所述预设标注字段数值进行分析后，反馈所述预设标注字段的数据；

其中，在所述深度神经网络的训练过程中，针对样本标注数据中的每个预设标注字段，建立所述预设标注字段对应的初始深度神经网络；通过对每个初始深度神经网络进行训练，得到训练后的深度神经网络。

2.根据权利要求1所述的方法，其特征在于，在获取待处理的客票规则文本之前，还包括：

获取样本客票规则文本和所述样本客票规则文本对应的样本标注数据，其中，所述样本标注数据为用于标注所述样本客票规则文本中的预设标注字段的数据；

将所述样本客票规则文本进行词向量化处理，得到所述样本客票规则文本对应的第二向量；

通过所述第二向量、所述样本标注数据和预设的训练算法，对初始深度神经网络进行训练，得到训练后的深度神经网络。

3.根据权利要求2所述的方法，其特征在于，通过所述第二向量、所述样本标注数据和预设的训练算法，对初始深度神经网络进行训练，得到训练后的深度神经网络，包括：

针对每个预设标注字段，建立该预设标注字段对应的初始深度神经网络；

通过所述第二向量、该样本标注字段对应的样本标注数据和预设的训练算法，对该预设标注字段对应的初始深度神经网络进行训练，得到训练后的深度神经网络。

4.根据权利要求1所述的方法，其特征在于，所述将所述客票规则文本进行词向量化处理，包括：

将所述客票规则文本进行分词处理；

将分词处理后的客票规则文本进行词向量化处理。

5.根据权利要求1所述的方法，其特征在于，所述将所述第一向量输入至预先训练的深度神经网络，包括：

将所述第一向量进行类聚处理；

将类聚处理后的第一向量输入至预先训练的深度神经网络。

6.根据权利要求1所述的方法，其特征在于，所述将所述客票规则文本进行词向量化处理，包括：

对所述客票规则文本进行语料清洗；

将语料清洗后的客票规则文本进行词向量化处理。

7.一种客票规则解析装置，其特征在于，所述装置包括：

确定模块，用于确定客票规则文本；

第一词向量化模块，用于将所述客票规则文本进行词向量化处理，得到所述客票规则文本对应的第一向量；

输入输出模块，用于将所述第一向量输入至预先训练的深度神经网络，得到与所述第一向量对应的预设标注字段的数据，其中，所述预设标注字段的数据能够反映所述客票规则文本中的客票信息，所述预设标注字段的数据包括预设标注字段和预设标注字段数值，部分预设标注字段的数据是根据其他预设标注字段的数据得到的；

反馈模块，用于反馈对所述预设标注字段和所述预设标注字段数值进行分析后，所述预设标注字段的数据；

其中，所述装置还用于：在所述深度神经网络的训练过程中，针对样本标注数据中的每个预设标注字段，建立所述预设标注字段对应的初始深度神经网络；通过对每个初始深度神经网络进行训练，得到训练后的深度神经网络。