[发明专利]一种结构化信息提取方法和电子设备

说明书

本申请公开了一种结构化信息提取方法和电子设备，涉及自然语言处理技术、机器学习领域。电子设备获取用户输入的一段非结构化文本，将非结构化文本和引导信息输入机器学习模型，机器学习模型输出具有预设编码结构的结构化信息。由于机器学习模型的输出基于统一的编码结构，并且在前缀输入引导信息，指示了输出信息的类型；降低了训练机器学习模型时对真实数据的依赖，在真实数据很少的情况下，可以显著提升机器学习模型提取结构化信息的准确性。

技术领域

本申请涉及自然语言处理技术领域，尤其涉及一种结构化信息提取方法和电子设备。

背景技术

日常生活中，经常需要从非结构化文本中提取出结构化信息。例如，用户填写的物流单通常是非结构化的文本。为了便于物流分拣等后续过程，需要从用户填写的非结构化文本中提取结构化的物流单信息。示例性的，如图1所示，手机显示物流单界面，该物流单界面包括用于接收用户输入的区域10；用户可以在区域10输入寄件人信息。示例性的，用户在区域10输入文字“张X11111111111广东省深圳市福田区福田街道XX大厦51800”。用户输入的文字为非结构化的。手机可以根据用户输入的文字生成结构化的物流单信息。例如，物流单界面还包括区域20，用于显示根据用户在区域10输入文字提取的结构化信息，包括姓名、电话号码、邮编、地址等。如图1所示，区域20显示姓名“张X”、电话号码“11111111111”、邮编“51800”和地址“广东省深圳市福田区福田街道XX大厦”。

从非结构化文本中提取出结构化信息的一种方法是，通过机器学习模型进行结构化信息的提取。在采用该方法时，如何提高机器学习模型获取的结构化信息的准确性，是需要解决的一个问题。

发明内容

本申请实施例提供一种结构化信息提取方法和电子设备，能够提取更准确的结构化信息，降低后续处理的人工成本，提升用户使用体验。

为达到上述目的，本申请的实施例采用如下技术方案：

第一方面，提供了一种结构化信息提取方法，该结构化信息包括多种类型的信息，该方法包括：获取用户输入的第一文本，该第一文本包括多个字段；将第一文本和第一引导信息输入机器学习模型，机器学习模型输出第一信息；将第一文本和第二引导信息输入机器学习模型，机器学习模型输出第二信息；其中，第一引导信息用于指示第一类型，第一信息包括第一类型对应的第一字段，第一字段为第一文本的多个字段中的一个；第二引导信息用于指示第二类型，第二信息包括第二类型对应的第二字段，第二字段为第一文本的多个字段中的一个；第一信息和第二信息具有相同的编码结构。

在该方法中，电子设备获取用户输入的一段非结构化文本，将非结构化文本和引导信息输入机器学习模型，机器学习模型每次输出一种类型的信息，该输出的信息具有预设编码结构。由于机器学习模型的输出基于统一的编码结构，并且在前缀输入引导信息，指示了输出信息的类型；降低了训练机器学习模型时对真实数据的依赖，在真实数据很少的情况下，可以显著提升机器学习模型提取结构化信息的准确性。

第二方面，提供了一种结构化信息提取方法，该结构化信息包括多种类型的信息，该方法包括：获取用户输入的第一文本，该第一文本包括多个字段；将第一文本、第一引导信息和第二引导信息输入机器学习模型，机器学习模型输出第一信息和第二信息；其中，第一引导信息用于指示第一类型，第一信息包括第一类型对应的第一字段，第一字段为第一文本的多个字段中的一个；第二引导信息用于指示第二类型，第二信息包括第二类型对应的第二字段，第二字段为第一文本的多个字段中的一个；第一信息和第二信息具有相同的编码结构。

在该方法中，电子设备获取用户输入的一段非结构化文本，将非结构化文本和引导信息输入机器学习模型，机器学习模型输出具有预设编码结构的结构化信息。由于机器学习模型的输出基于统一的编码结构，并且在前缀输入引导信息，指示了输出信息的类型；降低了训练机器学习模型时对真实数据的依赖，在真实数据很少的情况下，可以显著提升机器学习模型提取结构化信息的准确性。