[发明专利]一种结构化信息的生成方法、信息生成设备以及存储介质

权利要求书

1.一种结构化信息的生成方法，其特征在于，所述方法应用于信息生成设备，所述信息生成设备包括目标抽取任务对应的K个抽取模型，所述目标抽取任务携带预设生成格式，所述K个抽取模型由编码器解码器框架对文本训练样本进行模型训练得到，所述K个抽取模型按顺序排列，所述K为整数，且K≥2，所述方法包括：

获取待抽取文本；

根据所述待抽取文本和所述K个抽取模型生成由K个抽取元素组成的结构化信息，其中，所述由K个抽取元素组成的结构化信息与所述预设生成格式对应，每个所述抽取模型对应输出K个抽取元素集合中的一个抽取元素集合，所述K个抽取元素的类型包括枚举值或抽取值，第一个抽取模型的输入为所述待抽取文本，第M个抽取模型的输入为所述待抽取文本和前M-1个抽取元素组成的文本，所述前M-1个抽取元素中的每一个抽取元素均由对应的抽取模型对前M-1个抽取元素集合进行遍历输出，M为整数，且1＜M≤K。

2.根据权利要求1所述的方法，其特征在于，所述K个抽取元素包括第一抽取元素和K-1个第M抽取元素，所述根据所述待抽取文本和所述K个抽取模型生成由K个抽取元素组成的结构化信息，包括：

将所述待抽取文本输入所述第一个抽取模型，得到第一抽取元素集合，所述第一抽取元素集合包括所述第一抽取元素，所述第一抽取元素排列在所述K个抽取元素中的第一个位置；

对前M-1个抽取元素集合进行遍历，得到至少一个由前M-1个抽取元素组成的文本，其中，所述前M-1个抽取元素之间具有配对关系；

将所述待抽取文本和任意一个所述由前M-1个抽取元素组成的文本输入所述第M个抽取模型，得到所述第M抽取元素集合，所述第M抽取元素集合包括所述第M抽取元素，所述第M抽取元素排列在所述K个抽取元素中的第M个位置；

将所述第一抽取元素和K-1个所述第M抽取元素生成所述结构化信息。

3.根据权利要求2所述的方法，其特征在于，所述第一抽取元素的类型包括第一枚举值或第一抽取值，将所述待抽取文本输入所述第一个抽取模型，得到第一抽取元素集合，包括：

将所述待抽取文本输入所述第一个抽取模型，得到第一输出值、或第一开始位置与第一结束位置；

在所述第一输出值大于预设阈值时，则基于所述第一输出值所对应的位置信息得到第一枚举值集合，所述第一枚举值集合包括所述第一枚举值，所述第一枚举值包括实体标签、实体关系、事件的属性类型或所述事件的元素类型；或，

基于所述第一开始位置与所述第一结束位置得到第一抽取值集合，所述第一抽取值集合包括所述第一抽取值，所述第一抽取值包括实体、所述事件的触发词或所述事件的元素值。

4.根据权利要求2所述的方法，其特征在于，所述第M抽取元素的类型包括第M枚举值或第M抽取值，将所述待抽取文本和所述由前M-1个抽取元素组成的文本输入所述第M个抽取模型，得到第M抽取元素集合，包括：

将所述待抽取文本和所述由前M-1个抽取元素组成的文本输入所述第M个抽取模型，得到第M输出值、或第M开始位置与第M结束位置，其中，所述M-1个抽取元素的类型包括所述枚举值或所述抽取值；

当所述第M输出值大于预设阈值时，则基于所述第M输出值所对应的位置信息得到第M枚举值集合，所述第M枚举值集合包括所述第M枚举值，所述第M枚举值包括实体标签、实体关系、事件的属性类型或所述事件的元素类型；或，

基于所述第M始位置与所述第M结束位置得到第M抽取值集合，所述第M抽取值集合包括所述第M抽取值，所述第M抽取值包括实体、所述事件的触发词或所述事件的元素值。

5.根据权利要求3所述的方法，其特征在于，所述第一个抽取模型由第一嵌入层的预选模型、第一编码层的预选模型、第一解码层的预选模型以及第一输出层的预选模型组成，所述将所述待抽取文本输入所述第一个抽取模型，得到第一输出值、或第一开始位置与第一结束位置，包括：

将所述待抽取文本输入所述第一嵌入层的预选模型，得到第一词向量序列；

基于所述第一编码层的预选模型对所述第一词向量序列进行处理，得到第一语义向量序列；

基于所述第一解码层的预选模型和所述第一输出层的预选模型对所述第一语义向量序列进行处理，得到第一输出值、或第一开始位置和第一结束位置。