[发明专利]信息提取方法、装置、计算机设备及可读存储介质

说明书

本发明公开了信息提取方法、装置、计算机设备及可读存储介质，涉及人工智能领域，包括：获取待处理文本，对所述待处理文本进行解析，获得待处理数据；提供一预设数据库，所述数据库中包含多个关键词；根据所述待处理文本在所述数据库中匹配，获得与所述待处理文本对应的关键词作为待提取信息点；基于所述待提取信息点采用预训练的信息提取模型对所述待处理数据进行关键信息提取，获得目标信息，基于机器学习的信息提取模型实现对待处理文本中关键信息的提取，解决现有对信息中关键内容进行提取时，需要人工来写大量的正则表达式，且后期维护使用费时费力的问题。同时，本发明还涉及区块链技术，本发明可适用于科技金融领域。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种信息提取方法、装置、计算机设备及可读存储介质。

背景技术

在金融领域存在大量的非结构化文档数据，比如债券的募集说明书，股票的募集说明书，招股说明书等，由于大多篇幅较长且信息种类较多，提取过程很容易出错，现有技术常用对信息中的关键内容进行提取时一般采用正则表达式处理，其通过针对不同范式的信息写不同的正则表达式来提取信息中的关键内容，由于正则表达式是根据特定范式的信息来撰写的，因此对于少量的、特殊范式的信息，能够用专门定制的正则表达式来较为快速且准确地提取所需的信息内容。

但是正则表达式无法穷尽信息的各种特殊情况且当面对大量的不同范式的信息文本时，需要人工来写大量的正则表达式，具有一定的专业门槛，耗时耗力，同时正则规则在添加新规则后，会破坏之前好用的规则，在后期维护使用时费时费力。

发明内容

本发明的目的是提供一种信息提取方法、装置、计算机设备及可读存储介质，用于解决现有对信息中关键内容进行提取时，需要人工来写大量的正则表达式，且后期维护使用费时费力的问题。

为实现上述目的，本发明提供一种信息提取方法，包括：

获取待处理文本，对所述待处理文本进行解析，获得待处理数据；

将所述待处理数据与预设数据库中的关键词进行匹配，将匹配得到的与所述待处理文本对应的关键词作为待提取信息点，其中，所述数据库中预存有多个关键词；

基于所述待提取信息点采用预训练好的信息提取模型对所述待处理数据进行关键信息提取，获得目标信息。

进一步的，对所述待处理文本进行解析，获得待处理数据，还包括：

对所述待处理文本进行归一化处理，获得第一处理文本；

根据所述待处理文本的类型匹配对应的解析规则，采用所述解析规则对所述第一处理文本进行处理，获得至少一条第一处理数据。

进一步的，对所述待处理文本进行归一化处理，获得第一处理文本；

根据所述待处理文本的类型匹配对应的解析规则，采用所述解析规则对所述第一处理文本进行处理，获得待处理数据。

进一步的，在所述基于所述待提取信息点、采用预训练好的信息提取模型对所述待处理数据进行关键信息提取前，所述方法还，包括：

获取训练样本，所述训练样本包括待提取信息的训练数据集合、待提取样本信息点以及样本提取信息；

将所述待提取样本信息与各个训练数据进行拼接，获得各个训练数据对应的第一样本数据；

对各个所述第一样本数据进行编码，并采用第一神经网络对所述编码后的第一样本数据进行分类处理，获得第一样本数据的分类结果，并基于所述分类结果获得包含样本提取信息的第二样本数据；

采用待提取样本信息点以及样本数据拼接后编码获得处理向量；

基于所述处理向量采用分类器确定所述待提取样本信息点对应的目标样本数据；