[发明专利]会话信息提取方法、系统、设备及存储介质

说明书

本发明提供了一种会话信息提取方法、系统、设备及存储介质，该方法包括：采集待处理的会话文本，基于文本分类模型判断所述会话文本中是否存在时间实体；如果所述会话文本中存在时间实体，则基于预设的时间提取规则从所述时间实体中提取得到至少一个候选时间信息；基于预设的候选时间信息排序规则，对所述候选时间信息进行排序；根据所述候选时间信息的排序结果选择至少一候选时间信息作为记录的时间信息。本发明实现了从会话中快速、准确地提取到时间信息。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种会话信息提取方法、系统、设备及存储介质。

背景技术

对于细粒度实体识别，主要思想是识别实体上下文表达，之前的方法大多采用序列标注模型，对文本分词后，依次判断每个词是否为实体组成的部分，每一个词都对应一个分类类别，例如“我/0半个/1小时/1之内/0给您/0回复/0”，其中1表示该词语为实体组成词汇，0表示非实体词汇，将连续标为1的词汇拼接在一起变得到实体表达片段“半个小时”，常用的序列标注模型为LSTM(Long Short-Term Memory，长短期记忆网络)、LSTM-CRF(Conditional Random Field，条件随机场)等。但该方法不能实现提取具体时间的功能。因此需要基于规则的方法，提取出具体的时间数值。此外序列标注法存在标注耗时，标注不一致等问题。

发明内容

针对现有技术中的问题，本发明的目的在于提供一种会话信息提取方法、系统、设备及存储介质，实现从会话中快速、准确地提取到时间信息。

本发明实施例提供一种会话信息提取方法，包括如下步骤：

采集待处理的会话文本，基于文本分类模型判断所述会话文本中是否存在时间实体；

如果所述会话文本中存在时间实体，则基于预设的时间提取规则从所述时间实体中提取得到至少一个候选时间信息；

基于预设的候选时间信息排序规则，对所述候选时间信息进行排序；

根据所述候选时间信息的排序结果选择至少一候选时间信息作为记录的时间信息。

在一些实施例中，所述文本分类模型为预训练的二分类模型；

基于文本分类模型判断所述会话文本中是否存在时间实体之后，还包括如下步骤：

如果所述会话文本中不存在时间实体，则结束当前待处理的会话文本的时间信息提取流程；

如果所述会话文本中存在时间实体，获取所述文本分类模型识别到的时间实体在会话文本中的位置。

在一些实施例中，如果所述会话文本中存在时间实体，在基于预设的时间提取规则从所述时间实体中提取得到至少一个候选时间信息之前，还包括如下步骤：

基于预设的数据预处理规则对所述会话文本进行预处理，得到预处理后的会话文本。

在一些实施例中，所述基于预设的数据预处理规则对所述会话文本进行预处理，包括如下步骤：

获取所述文本分类模型识别到的时间实体在会话文本中的位置；

判断所述会话文本中是否存在连续的多个时间实体；

如果存在连续的多个时间实体，则识别连续的多个时间信息中的时间表达边界，得到多个分离的时间实体；

判断多个分离的时间实体之间的关系为连续表达关系还是重复表达关系；

如果是连续表达关系，则在连续表达关系的多个分离的时间实体之间增加预设的连接词；

如果是重复表达关系，则在重复表达关系的多个分离的时间实体之中选择一个时间实体，将未被选择的时间实体删除。