[发明专利]一种标的物信息提取方法、装置、计算机设备及存储介质

权利要求书

1.一种标的物信息提取方法，其特征在于，包括：

获取待提取标的物信息的当前招标文档；

对所述当前招标文档的文本内容进行数据清洗，得到初始数据；

基于正则匹配方式从所述初始数据中定位到疑似存在标的物信息的关键句集，并获得所述关键句集对应的目标短语集；

基于命名实体识别方式对所述目标短语集进行数据分类标注，并基于标注结果提取到结构化的标的物信息。

2.根据权利要求1所述的标的物信息提取方法，其特征在于，所述对所述当前招标文档的文本内容进行数据清洗，包括：

将HTML格式的当前招标文档转换成目标格式的文本内容；

对文本内容进行数据清洗并去除无用信息，得到初始数据。

3.根据权利要求1所述的标的物信息提取方法，其特征在于，所述基于正则匹配的方式从所述初始数据中定位到疑似存在标的物信息的关键句集，包括：

利用预先建立的规则集与字段词典对所述初始数据中疑似存在标的物信息的关键句集进行定位。

4.根据权利要求3所述的标的物信息提取方法，其特征在于，按照如下方式建立规则集与字段词典，包括：

将历史招标文档中标的物信息的关联内容作为初始信息；其中，所述标的物信息的关联内容至少包括所述历史招标文档的文档名称；

从所述初始信息中去除预设符号，得到有效数据；

检测所述有效数据中是否包含预设的针对于每种项目类型的高频词；

若包含，则以检测到的高频词为分割点去除分割点后面的文本内容，得到有效数据的主体内容；

去除所述有效数据的主体内容中的非关键数据；

对去除非关键数据后的所述有效数据的主体内容进行冗余及兼容处理，建立规则集与字段词典。

5.根据权利要求1所述的标的物信息提取方法，其特征在于，所述基于命名实体识别方式对所述目标短语集进行数据分类标注，并基于标注结果提取到结构化的标的物信息，包括：

利用循环神经网络识别模型对所述目标短语集中的短语进行命名实体标注；

从标注的目标短语集中剔除非结构化短语，得到结构化的标的物信息。

6.根据权利要求5所述的标的物信息提取方法，其特征在于，所述利用循环神经网络识别模型对所述目标短语集中的短语进行命名实体标注，包括：

将所述目标短语集中的各短语输入至所述循环神经网络识别模型的输入层，并转换为对应的词向量；

将各个词向量输入至所述循环神经网络识别模型的卷积层，所述卷积层利用最大下采样算法对所述各个词向量进行特征向量提取，得到最优局部特征向量；

将所述最优局部特征向量依次输入所述循环神经网络模型中的线性连接层和非线性激活层，并提取到高层抽象特征向量；

将所述高层抽象特征向量输入至所述循环神经网络识别模型的输出层，通过计算隶属于各个预设分类标签的概率确定各个高层抽象特征向量所对应的短语的命名实体标注的标注结果。

7.根据权利要求1所述的标的物信息提取方法，其特征在于，所述基于标注结果提取到结构化的标的物信息之后，还包括：

对所提取的标的物信息与标准化数据进行信息整合；其中，所述标准化数据至少包括：项目名称、委托单位。

8.一种标的物信息提取装置，其特征在于，包括：

文档获取模块，用于获取待提取标的物信息的当前招标文档；

预处理模块，用于对所述当前招标文档的文本内容进行数据清洗，得到初始数据；

定位模块，用于基于正则匹配方式从所述初始数据中定位到疑似存在标的物信息的关键句集，并获得所述关键句集对应的目标短语集；

标的物信息提取模块，用于基于命名实体识别方式对所述目标短语集进行数据分类标注，并基于标注结果提取到结构化的标的物信息。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述的方法。