[发明专利]一种文本结构化方法、文本结构化装置及终端设备

权利要求书

1.一种文本结构化方法，其特征在于，包括：

对待处理文本进行分词，得到词语序列，所述词语序列中包括至少一个词语；

对所述词语序列中的各个词语进行词性标注，得到各个词语的词性；

对所述待处理文本进行命名实体识别，得到命名实体序列，所述命名实体序列中包括至少一个命名实体；

对所述命名实体序列中的各个命名实体进行语义角色标注，得到语义角色标注结果；

根据所述词语序列、各个词语的词性、所述命名实体序列和所述语义角色标注结果，对所述待处理文本进行结构化处理，得到结构化文本。

2.根据权利要求1所述的文本结构化方法，其特征在于，在所述根据所述词语序列、各个词语的词性、所述命名实体序列和所述语义角色标注结果，对所述待处理文本进行结构化处理，得到结构化文本之前，所述文本结构化方法还包括：

获取所述待处理文本的种类；

在预设的至少一个要素解析模板中，确定与所述待处理文本的种类对应的目标要素解析模板，所述要素解析模板包括要素字段、所述要素字段的上下文信息以及所述要素字段的提取规则；

相应地，所述根据所述词语序列、各个词语的词性、所述命名实体序列和所述语义角色标注结果，对所述待处理文本进行结构化处理，得到结构化文本，包括：

根据所述上下文信息，确定所述要素字段的字段值在所述待处理文本中的位置范围；

根据所述提取规则、各个词语的词性和所述语义角色标注结果，从候选词中提取出所述要素字段的字段值，得到结构化文本，所述候选词包括所述词语序列中属于所述位置范围内的词语和所述命名实体序列中属于所述位置范围内的命名实体。

3.根据权利要求1所述的文本结构化方法，其特征在于，所述对所述命名实体序列中的各个命名实体进行语义角色标注，得到语义角色标注结果，包括：

基于训练后的语义角色标注模型对所述命名实体序列中的各个命名实体进行语义角色标注，得到语义角色标注结果，所述语义角色标注模型的训练样本包括属于预设领域的文本，且所述文本采用人工标注的方式进行了预设领域的专业术语的语义角色的标注处理。

4.根据权利要求3所述的文本结构化方法，其特征在于，在所述对所述命名实体序列中的各个命名实体进行语义角色标注，得到语义角色标注结果之前，所述文本结构化方法还包括：

将所述词语序列中，属于同一命名实体的词语进行重组，得到组合序列；

相应地，所述基于训练后的语义角色标注模型对所述命名实体序列中的各个命名实体进行语义角色标注，得到语义角色标注结果，包括：

将所述组合序列输入至所述语义角色标注模型，得到所述语义角色标注结果。

5.根据权利要求1所述的文本结构化方法，其特征在于，所述对待处理文本进行分词，得到词语序列，包括：

基于训练后的分词模型和预设的领域术语字典对待处理文本进行分词，得到所述词语序列，所述领域术语字典中包括预设领域的专业术语。

6.根据权利要求1所述的文本结构化方法，其特征在于，所述对所述待处理文本进行命名实体识别，得到命名实体序列，包括：

基于训练后的命名实体识别模型对所述待处理文本进行命名实体识别，得到所述命名实体序列，所述命名实体识别模型的训练样本包括属于预设领域的文本，且所述文本采用人工标注的方式进行了命名实体的标注处理。

7.根据权利要求1至6任一项所述的文本结构化方法，其特征在于，在所述对待处理文本进行分词，得到词语序列之前，还包括：

获取待处理文件；

检测所述待处理文件是否为文本；

若所述待处理文件为文本，则将所述待处理文件作为所述待处理文本；

若所述待处理文件不为文本，则检测所述待处理文件是否为图片；

若所述待处理文件为图片，则通过光学字符识别将所述待处理文件转换为文本，得到所述待处理文本。