[发明专利]业务命名实体的抽取方法、装置、设备及可读存储介质

说明书

本发明提供了业务命名实体的抽取方法、装置、设备及可读存储介质，所述方法包括：获取图像集合；基于所述图像集合中的每张所述图像得到每张图像对应的命名实体，将命名实体进行集合得到命名实体集合；基于聚类算法对命名实体集合进行处理，得到命名实体聚类簇划分结果；基于投票法对命名实体聚类簇划分结果进行处理，得到标准命名实体集合；对所述标准命名实体集合进行去噪处理，得到所述业务的命名实体抽取结果。本发明可以将一笔业务中的多张图像作为输入，同笔业务中的影像信息相互之间可以验证抽取到的命名实体信息的可靠性，而单张影像的内容容易受到噪声干扰，因此通过本发明中的方法可以提高最终得到的业务的命名实体抽取结果的准确性。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及业务命名实体的抽取方法、装置、设备及可读存储介质。

背景技术

随着AI技术的发展，原先不能有效利用的信息开始被逐渐重视，比如语音、图像这类非结构化数据。从非结构数据中获取有效结构化信息的主要方式之一就是命名实体抽取。而从这些特殊来源的文本中抽取到的实体包含噪声且存在冗余，数据质量较低。

发明内容

本发明的目的在于提供业务命名实体的抽取方法、装置、设备及可读存储介质，以改善上述问题。

为了实现上述目的，本申请实施例提供了如下技术方案：

一方面，本申请实施例提供了业务命名实体的抽取方法，所述方法包括：

获取图像集合，所述图像集合为处理所述业务时产生的包含有业务信息的图像的集合；

基于所述图像集合中的每张所述图像得到每张图像对应的命名实体，将所述命名实体进行集合得到命名实体集合；

基于聚类算法对所述命名实体集合进行处理，得到命名实体聚类簇划分结果；

基于投票法对所述命名实体聚类簇划分结果进行处理，得到标准命名实体集合；

对所述标准命名实体集合进行去噪处理，得到所述业务的命名实体抽取结果。

可选的，所述基于所述图像集合中的每张所述图像得到每张图像对应的命名实体，将所述命名实体进行集合得到命名实体集合，包括：

基于每张所述图像得到每张图像的OCR文本；

对所述每张图像的OCR文本进行命名实体抽取，将抽取出来的命名实体进行集合，得到所述命名实体集合。

可选的，所述基于投票法对所述命名实体聚类簇划分结果进行处理，得到标准命名实体集合，包括:

基于所述命名实体聚类簇划分结果，利用投票法对每一簇进行去重处理，得到每一簇对应的标准命名实体；

将每一簇对应的标准命名实体进行集合，得到第一标准命名实体集合；

对所述第一标准命名实体集合进行分析，其中，若所述第一标准命名实体集合中一所述标准命名实体为另一所述标准命名实体的子串，则将所述一所述标准命名实体从所述第一标准命名实体集合剔除，得到所述标准命名实体集合。

可选的，所述基于所述命名实体聚类簇划分结果，利用投票法对每一簇进行去重处理，得到每一簇对应的标准命名实体，包括:

基于所述命名实体聚类簇划分结果，遍历计算每个所述命名实体与该簇中其他所述命名实体的相似度之和，得到每一簇中每个所述命名实体的相似度之和；

将每一簇中每个所述命名实体的相似度之和进行降序排列，取所述相似度之和排名第一的所述命名实体作为每一簇的标准命名实体。

可选的，所述基于所述命名实体聚类簇划分结果，遍历计算每个所述命名实体与该簇中其他所述命名实体的相似度之和，得到每一簇中每个所述命名实体的相似度之和，包括：