[发明专利]基于机器学习的信息抽取方法、装置、计算机设备及介质

权利要求书

1.一种基于机器学习的信息抽取方法，应用于RCT文章的关键信息抽取，其特征在于，所述基于机器学习的信息抽取方法包括：

获取预设的分类标识，并基于所述分类标识，在检索数据库中进行检索，得到RCT文章；

提取所述RCT文章的标题、摘要和正文；

对所述正文进行数据预处理，得到处理后的文本信息，其中，所述文本信息包括文本短句和所述文本短句对应的位置；

将所述标题、所述摘要与所述文本信息作为融合特征，并将所述融合特征与所述RCT文章输入到预设的BERT模型进行训练，得到粗粒度关键信息的候选集，将所述粗粒度关键信息的候选集作为初始候选集；

根据预设的过滤条件，对所述初始候选集进行筛选处理，得到目标候选集，将所述目标候选集对应的文本信息，作为所述RCT文章的关键信息。

2.如权利要求1所述的基于机器学习的信息抽取方法，其特征在于，所述将所述标题、所述摘要与所述文本信息作为融合特征包括：

对所述标题进行分词处理，得到目标分词；

对所述摘要进行短句提取，得到摘要短句；

分别对所述目标分词、所述摘要短句和所述文本信息，按照来源类型进行标记，将标记后的目标分词，标记后的的摘要短句和标记后的文本信息作为输入BERT模型的融合特征。

3.如权利要求1所述的基于机器学习的信息抽取方法，其特征在于，所述预设的BERT模型包括编码层和Transformer层，所述将所述融合特征与所述RCT文章输入到预设的BERT模型进行训练，得到粗粒度关键信息的候选集，将所述粗粒度关键信息的候选集作为初始候选集包括：

将所述融合特征与所述RCT文章输入到预设的BERT模型中，通过所述预设的BERT模型的编码层，对所述融合特征进行编码，得到初始编码，所述初始编码包括标题对应的第一编码、摘要对应的第二编码和文本信息对应的第三编码；

通过所述预设的BERT模型的Transformer层，对所述第二编码和所述第三编码进行特征提取，得到第二编码对应的第二特征，以及所述第三编码对应的第三特征；

计算所述第三特征与所述第二特征之间的相似度值，并将与所述第二特征相似度值小于第一预设阈值的第三特征，作为待筛选特征；

将所述待筛选特征对应的文本信息，作为初始候选集。

4.如权利要求3所述的基于机器学习的信息抽取方法，其特征在于，在所述计算所述第三特征与所述第二特征之间的相似度值，并将与所述第二特征相似度值小于第一预设阈值的第三特征，作为待筛选特征之后，还包括：

计算所述待筛选特征与所述第一编码的欧式距离；

将欧式距离小于或等于第二预设阈值的所述待筛选特征，作为更新后的待候选特征；

将所述更新后的待筛选特征对应的文本信息，作为初始候选集。

5.如权利要求1至4任一项所述的基于机器学习的信息抽取方法，其特征在于，在所述根据预设的过滤条件，对所述初始候选集进行筛选处理，得到目标候选集，将所述目标候选集对应的文本信息，作为所述RCT文章的关键信息之后，所述基于机器学习的信息抽取方法还包括：

对所述RCT文章的关键信息进行句子重构，得到更新后的关键信息。

6.如权利要求1所述的所述的基于机器学习的信息抽取方法，其特征在于，在所述根据预设的过滤条件，对所述初始候选集进行筛选处理，得到目标候选集，将所述目标候选集对应的文本信息，作为所述RCT文章的关键信息之后，还包括：

将所述RCT文章的关键信息存储于区块链网络节点中。