[发明专利]文书信息抽取方法、装置、计算机设备及存储介质

说明书

本发明涉及文书信息抽取方法、装置、计算机设备及存储介质，该方法包括获取需要进行信息抽取的文本，以得到文本信息；对文本信息进行切割和格式转换，以得到初始数据；将初始数据输入信息抽取模型内进行文书抽取，以得到抽取结果；更新迭代次数；判断抽取结果是否为空；若抽取结果不为空，则判断更新后的迭代次数是否达到最大迭代次数；若更新后的迭代次数未达到最大迭代次数，则将抽取结果从初始数据内进行掩码处理，以更新初始数据，并执行将初始数据输入信息抽取模型内进行文书抽取，以得到抽取结果。本发明实现提高文书信息抽取的效率以及准确率。

技术领域

本发明涉及文书信息处理方法，更具体地说是指文书信息抽取方法、装置、计算机设备及存储介质。

背景技术

信息抽取技术是指将文本中的信息结构化处理，能够从海量文本中抽取出有价值的信息。在司法领域中，许多重要的信息比如被告人姓名，性别，年龄等需要从文书中提取出来，这些信息的抽取都需要用到信息抽取技术。

常用的法律文书信息抽取大多是基于命名体实体识别技术，使用的模型一般为双向长短时记忆循环神经网络和条件随机场结合方式或者阅读理解模型和条件随机场结合方式，该技术对每个字符预测其属于的类别，之后按照一定的规则将属于同一个类别的信息聚合起来，但在抽取的信息较长时由于命名实体识别技术需要对每个字符进行预测，若目标字段中某个字符预测错误，则答案错误；换言之，目标字段越长，基于命名体识别的技术出错的可能性越大，识别效果不佳。

因此，有必要设计一种新的方法，实现提高文书信息抽取的效率以及准确率。

发明内容

本发明的目的在于克服现有技术的缺陷，提供文书信息抽取方法、装置、计算机设备及存储介质。

为实现上述目的，本发明采用以下技术方案：文书信息抽取方法，包括：

获取需要进行信息抽取的文本，以得到文本信息；

对文本信息进行切割和格式转换，以得到初始数据；

将所述初始数据输入信息抽取模型内进行文书抽取，以得到抽取结果；

更新迭代次数；

判断所述抽取结果是否为空；

若所述抽取结果为空，则进入结束步骤；

若所述抽取结果不为空，则判断更新后的迭代次数是否达到最大迭代次数；

若更新后的迭代次数未达到最大迭代次数，则将所述抽取结果从初始数据内进行掩码处理，以更新初始数据，并执行所述将所述初始数据输入信息抽取模型内进行文书抽取，以得到抽取结果。

其进一步技术方案为：所述判断更新后的迭代次数是否达到最大迭代次数之后，还包括：

若更新后的迭代次数已达到最大迭代次数，则输出所述抽取结果。

其进一步技术方案为：所述对文本信息进行切割和格式转换，以得到初始数据，包括：

使用滑窗将文本信息切割成若干个分段；

将分段按照特定字符进行拼接，以得到初始数据。

其进一步技术方案为：所述信息抽取模型是通过采用带有文书信息标签的样本数据训练阅读理解模型所得的。

其进一步技术方案为：所述信息抽取模型是通过采用带有文书信息标签的样本数据训练阅读理解模型所得的，包括：

获取用于训练阅读理解模型的文本数据，并根据文本数据构建目标字段名以及文书内容，对所述文书内容标注文本信息标签；

将目标字段名以及文书内容用特殊字符进行拼接，以得到样本数据；