[发明专利]信息抽取方法、用于信息抽取的模型训练方法和装置

权利要求书

1.一种信息抽取方法，包括：

获取检索词，以及获取待抽取文档中的多页影像图；

对多页所述影像图进行分类，以确定任一所述影像图所属的类别；

根据所述检索词关联的目标类别，从所述多页影像图中选取具有所述目标类别的目标影像图；

基于所述检索词，对所述目标影像图中识别出的文本进行关键词抽取，以得到与所述检索词相关的目标词。

2.根据权利要求1所述的方法，其中，所述基于所述检索词，对所述目标影像图中识别出的文本进行关键词抽取，以得到与所述检索词相关的目标词，包括：

对所述检索词进行编码得到第一编码序列；

对所述目标影像图中识别出的文本进行编码，得到第二编码序列；

对所述第一编码序列头部和尾部增加设定字符，并与所述第二编码序列拼接得到输入编码序列；

将所述输入编码序列输入抽取模型，以得到所述抽取模型输出的抽取位置；

从所述目标影像图所识别出的文本中，抽取位于所述抽取位置上的文本，以得到与所述检索词相关的目标词。

3.根据权利要求2所述的方法，其中，所述抽取模型的输出还包括所述抽取位置的置信度；

所述方法还包括：

在所述目标词为多个的情况下，根据所述抽取位置的置信度对所述多个目标词进行排序；

基于所述排序，从所述多个目标词中选取至少一目标词作为属性值，将所述检索词作为对应的属性项。

4.根据权利要求2所述的方法，其中，所述方法还包括：

在所述目标词为多个的情况下，将多个所述目标词分别作为属性值，将所述检索词作为对应的属性项。

5.根据权利要求3所述的方法，其中，所述抽取位置包括起始位置和结尾位置；

所述在所述目标词为多个的情况下，根据所述抽取位置的置信度对所述多个目标词进行排序，包括：

在所述目标词为多个的情况下，针对任一所述目标词，基于所述起始位置的置信度和所述结尾位置的置信度之间的乘积进行排序。

6.根据权利要求2所述的方法，其中，所述方法还包括：

查询所述检索词关联的校验规则；

基于所述校验规则，对所述检索词相关的目标词进行校验。

7.根据权利要求1-6任一项所述的方法，其中，所述对多页所述影像图进行分类，以确定任一所述影像图所属的类别，包括：

对多页所述影像图进行文本识别，以确定任一所述影像图中识别出的文本；

根据所述多页影像图中识别出的文本，对所述多页影像图进行分类，以确定任一所述影像图所属的类别。

8.根据权利要求1-6任一项所述的方法，其中，所述对多页所述影像图进行分类，以确定任一所述影像图所属的类别，包括：

根据所述多页影像图的文本分布位置进行特征提取，以得到所述多页影像图的图像特征；

根据所述多页影像图提取的图像特征，对所述多页影像图进行分类，以确定任一所述影像图所属的类别。

9.一种用于信息抽取的模型训练方法，包括：

获取样本检索词，以及获取对样本文档中多页的影像图进行文本识别所得到的训练文本，其中，所述训练文本中标注有与所述样本检索词相关的目标词；

基于多页所述影像图所属的类别，从所述多页影像图中选取具有目标类别的目标影像图，其中，所述目标类别是所述样本检索词所关联的类别；

将所述检索词和所述目标影像图中识别出的训练文本输入抽取模型进行关键词抽取，以得到与所述检索词相关的预测词；

基于所述预测词与所述目标词之间的差异，对所述抽取模型进行训练。

10.根据权利要求9所述的方法，所述方法还包括：

查询所述检索词关联的校验规则；

基于所述校验规则，对所述训练文本中标注的目标词进行校验，以保留校验通过的目标词。