[发明专利]一种结构化信息提取方法和电子设备

权利要求书

1.一种结构化信息提取方法，其特征在于，所述结构化信息包括多种类型的信息，所述方法包括：

获取用户输入的第一文本，所述第一文本包括多个字段；

所述第一文本和第一引导信息输入机器学习模型，所述机器学习模型输出第一信息；所述第一引导信息用于指示第一类型，所述第一信息包括所述第一类型对应的第一字段，所述第一字段为所述第一文本的多个字段中的一个；

所述第一文本和第二引导信息输入机器学习模型，所述机器学习模型输出第二信息；所述第二引导信息用于指示第二类型，所述第二信息包括所述第二类型对应的第二字段，所述第二字段为所述第一文本的多个字段中的一个；

所述第一信息和所述第二信息具有相同的编码结构。

2.一种结构化信息提取方法，其特征在于，所述结构化信息包括多种类型的信息，所述方法包括：

获取用户输入的第一文本；所述第一文本包括多个字段；

所述第一文本、第一引导信息和第二引导信息输入机器学习模型，所述机器学习模型输出第一信息和第二信息；

所述第一引导信息用于指示第一类型，所述第一信息包括所述第一类型对应的第一字段，所述第一字段为所述第一文本的多个字段中的一个；

所述第二引导信息用于指示第二类型，所述第二信息包括所述第二类型对应的第二字段，所述第二字段为所述第一文本的多个字段中的一个；

所述第一信息和所述第二信息具有相同的编码结构。

3.根据权利要求1或2所述的方法，其特征在于，所述类型包括：姓名，电话号码，邮编和地址中至少一项。

4.根据权利要求1-3中任一项所述的方法，其特征在于，

所述相同的编码结构包括：类型，字段内容，字段起始位置和字段结束位置。

5.根据权利要求1-3中任一项所述的方法，其特征在于，

所述机器学习模型包括编码器和解码器，所述编码器和解码器为Transformer自注意力神经网络。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

获取多组数据对D_pair，将多组数据对D_pair作为训练数据，对所述机器学习模型进行训练；所述数据对D_pair包括：用户输入的非结构化文本的分词序列x，和所述分词序列x对应的输出信息y；

获取基于预设编码结构的信息y的数据集合D_record，将数据集合D_record作为训练数据，对所述机器学习模型的解码器进行训练。

7.根据权利要求6所述的方法，其特征在于，所述机器学习模型的损失函数包括第一对数似然损失函数和第二对数似然损失函数，

所述第一对数似然损失函数为：

其中，Loss_pair为对所述机器学习模型进行训练的损失，θ_e为所述机器学习模型中编码器的网络参数；θ_d为所述机器学习模型中解码器的网络参数；

所述第二对数似然损失函数为：

其中，Loss_record为对所述机器学习模型的解码器进行训练的损失，θ_d为所述机器学习模型中解码器的网络参数。

8.根据权利要求3所述的方法，其特征在于，所述第一类型为地址，所述方法还包括：

对所述第一信息中的第一字段进行分词；

利用编辑距离，将分词后的结果与全国行政区划数据进行模糊匹配，获取所述第一字段中对应各级行政区的信息。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

如果将分词后的结果与全国行政区划数据进行模糊匹配，未获取到第n级行政区的信息，根据获取到的第n-1级行政区的信息和第n+1级行政区的信息补齐所述第n级行政区的信息。