[发明专利]基于人工智能的品牌名的提取方法、装置及存储介质

权利要求书

1.一种基于人工智能的品牌名的提取方法，其特征在于，所述方法包括：

对商户名文本数据进行编码处理，得到对应所述商户名文本数据的编码向量；

对所述编码向量进行上下文融合处理，得到包含上下文信息的编码信息；

对所述包含上下文信息的编码信息进行路径规划，得到对应所述商户名文本数据的预测标签；

基于所述对应所述商户名文本数据的预测标签，对所述商户名文本数据进行提取处理，得到所述商户名文本数据中的品牌名，并

根据提取到的品牌名构建品牌名词库。

2.根据权利要求1所述的方法，其特征在于，所述对商户名文本数据进行编码处理，得到对应所述商户名文本数据的编码向量之前，所述方法还包括：

对商户名文本数据进行正则匹配处理，得到匹配结果；

所述对商户名文本数据进行编码处理，得到对应所述商户名文本数据的编码向量，包括：

当所述匹配结果表征对商户名文本数据正则匹配失败时，通过品牌名提取模型中的向量模型对商户名文本数据进行编码处理，得到对应所述商户名文本数据的编码向量。

3.根据权利要求2所述的方法，其特征在于，所述对商户名文本数据进行正则匹配，得到匹配结果之后，所述方法还包括：

当所述匹配结果表征对商户名文本数据正则匹配成功时，对所述商户名文本数据进行分割，得到所述商户名文本数据中的品牌名，并将所述品牌名加入品牌名词库。

4.根据权利要求1所述的方法，其特征在于，所述对商户名文本数据进行编码处理，得到对应所述商户名文本数据的编码向量，包括：

通过品牌名提取模型中的向量模型对商户名文本数据中的每个字进行编码处理，得到对应所述商户名文本数据的字向量；或者，

通过品牌名提取模型中的向量模型对商户名文本数据中的每个词语进行编码处理，得到对应所述商户名文本数据的词向量。

5.根据权利要求1所述的方法，其特征在于，所述对所述编码向量进行上下文融合处理，得到包含上下文信息的编码信息，包括：

通过品牌名提取模型中的预测模型对所述编码向量进行前向编码处理，得到对应所述商户名文本数据的前向隐向量；

对所述编码向量进行后向编码处理，得到对应所述商户名文本数据的后向隐向量；

对所述前向隐向量以及所述后向隐向量进行融合处理，得到包含上下文信息的编码信息。

6.根据权利要求5所述的方法，其特征在于，所述通过品牌名提取模型中的预测模型对所述编码向量进行前向编码处理，得到对应所述商户名文本数据的前向隐向量，包括：

通过所述品牌名提取模型中的预测模型对所述编码向量中的各向量依次按照第一方向进行编码处理，得到所述各向量在所述第一方向的隐向量；

所述对所述编码向量进行后向编码处理，得到对应所述商户名文本数据的后向隐向量，包括：

对所述编码向量中的各向量依次按照第二方向进行编码处理，得到所述各向量在所述第二方向的隐向量；

所述融合所述前向隐向量以及所述后向隐向量，得到包含上下文信息的编码信息，包括：

对所述前向隐向量以及所述后向隐向量进行拼接处理，得到包含上下文信息的编码信息；

其中，所述第二方向为所述第一方向的反方向。