[发明专利]提取实体内容的方法、装置、电子设备及存储介质

说明书

本申请涉及人工智能技术领域，公开了一种提取实体内容的方法、装置、电子设备及存储介质，该方法包括：获取N个实体的分组信息；根据分组信息，确定各分组对应的提取顺序；将目标文本与N个实体中各实体对应的标识文本进行拼接，得到输入文本；对输入文本进行编码处理，得到输入文本对应的编码隐状态序列；基于掩码注意力机制，对输入文本对应的编码隐状态序列按照提取顺序进行M路并行解码，得到M路输出文本；掩码注意力机制用于对待解码字对应的非相关文本相对于待解码字的注意力分数进行掩码处理；本方案通过串并行方式提取多个实体的实体内容，提高了实体内容的提取效率。

技术领域

本申请涉及人工智能技术领域，更具体地，涉及一种提取实体内容的方法、装置、电子设备及存储介质。

背景技术

对图像中的文字进行OCR(Optical Character Recognition，光学字符识别)所得到的OCR文本中可能存在错误或顺序混乱信息的文本，因此，为了便于后续的处理，需要将OCR文本进行结构化，即将OCR文本转换为具有结构信息的文本，例如转换为Key-value键值对的形式，将OCR文本进行结构化的过程即为各实体进行实体内容提取的过程，其中，key可以视为实体，value为实体对应的实体内容。图1上侧示出了OCR文本的示意图，为了将OCR文本转换为Key-value键值对的形式，相关技术技术中是单字解码的方式，即一个时间步解码获得一个字，图1的下侧中，“：”前的部分表示Key，例如“姓名”等；“：”后的部分表示Value。

由于相关技术中在实体内容提取的过程中一个时间步解码一个字，相当于串行解码，当需要提取多个实体的实体内容时，该种方式提取实体内容所花费的时间较长，实体内容提取的效率较低。

发明内容

鉴于上述问题，本申请实施例提出了一种提取实体内容的方法、装置、电子设备及存储介质，以改善上述问题。

根据本申请实施例的一个方面，提供了一种实体提取方法，该方法包括：获取N个实体的分组信息，所述分组信息指示了将所述N个实体划分为M个分组和各分组中包括的实体，其中，M和N为正整数，2≤M＜N；属于同一分组的实体所对应的文本长度阈值之和不大于目标长度阈值；根据所述分组信息确定M路解码中各路解码对应的提取顺序，其中，一路解码用于提取一个分组中所包括实体对应的实体内容；将目标文本与所述N个实体中各实体对应的标识文本进行拼接，得到输入文本；对输入文本进行编码处理，得到所述输入文本对应的编码隐状态序列；基于掩码注意力机制，对输入文本对应的编码隐状态序列按照所述提取顺序进行并行解码，得到M路输出文本，其中，一路输出文本包括属于一个分组的全部实体在所述目标文本中对应的实体内容，各所述实体对应的实体内容的文本长度不超过所述实体对应的文本长度阈值。

根据本申请实施例的一个方面，提供了一种提取实体内容的装置，包括：获取模块，用于获取N个实体的分组信息，所述分组信息指示了将所述N个实体划分为M个分组和各分组中包括的实体，其中，M和N为正整数，2≤M＜N；属于同一分组的实体所对应的文本长度阈值之和不大于目标长度阈值；顺序确定模块，用于根据所述分组信息确定M路解码中各路解码对应的提取顺序，其中，一路解码用于提取一个分组中所包括实体对应的实体内容；拼接模块，用于将目标文本与所述N个实体中各实体对应的标识文本进行拼接，得到输入文本；编码模块，用于对输入文本进行编码处理，得到所述输入文本对应的编码隐状态序列；并行解码模块，用于基于掩码注意力机制，对输入文本对应的编码隐状态序列按照所述提取顺序进行并行解码，得到M路输出文本，其中，一路输出文本包括属于一个分组的全部实体在所述目标文本中对应的实体内容，各所述实体对应的实体内容的文本长度不超过所述实体对应的文本长度阈值。

根据本申请实施例的一个方面，提供了一种电子设备，包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上所述提取实体内容的方法。

根据本申请实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被处理器执行时，实现如上所述提取实体内容的方法。