[發(fā)明專利]一種信息提取方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201610108274.1
• 申請(qǐng)日: 2016-02-26
• 公開(kāi)（公告）號(hào): CN107133207A
• 公開(kāi)（公告）日: 2017-09-05
• 發(fā)明（設(shè)計(jì)）人: 景藝亮;代斌;隋豌辰;趙科科;王曉光;楊旭;蔡寧;張凱
• 申請(qǐng)（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號(hào): G06F17/27
• 分類號(hào): G06F17/27
• 代理公司: 北京國(guó)昊天誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司11315
• 代理人: 黃熊

1.一種信息提取方法，其特征在于，所述方法包括：

獲取原始信息；

對(duì)所述原始信息進(jìn)行分詞處理，得到所述原始信息中的各分詞；

按各分詞在所述原始信息中的排序，確定由各分詞構(gòu)成的分詞序列；

根據(jù)所述分詞序列，確定所述每個(gè)分詞各自對(duì)應(yīng)的觀察特征序列；

根據(jù)所述每個(gè)分詞各自對(duì)應(yīng)的觀察特征序列，通過(guò)預(yù)先建立的條件隨機(jī)場(chǎng)模型，確定出使各觀察特征序列的聯(lián)合概率最大的每個(gè)分詞的分類標(biāo)簽；

根據(jù)確定的各分詞的分類標(biāo)簽，從所述原始信息中提取所需信息。

2.如權(quán)利要求1所述的方法，其特征在于，在確定所述每個(gè)分詞各自對(duì)應(yīng)的觀察特征序列之前，所述方法還包括：

確定所述分詞序列中每個(gè)分詞的詞性；

根據(jù)所述分詞序列，確定所述每個(gè)分詞各自對(duì)應(yīng)的觀察特征序列，具體包括：

根據(jù)所述分詞序列中的分詞內(nèi)容、分詞詞序以及分詞詞性，確定所述每個(gè)分詞各自對(duì)應(yīng)的觀察特征序列。

3.如權(quán)利要求1所述的方法，其特征在于，預(yù)先建立條件隨機(jī)場(chǎng)模型，具體包括：

預(yù)先獲取樣本信息；

對(duì)所述樣本信息進(jìn)行分詞，得到所述樣本信息中的各分詞；

按各分詞在所述樣本信息中的排序，確定由各分詞構(gòu)成的樣本序列；

確定所述樣本序列中各分詞的詞性；

根據(jù)所述樣本序列中各分詞的排序、各分詞的詞性以及已知的各分詞的分類標(biāo)簽，訓(xùn)練得到條件隨機(jī)場(chǎng)模型。

4.如權(quán)利要求1所述的方法，其特征在于，確定出使各觀察特征序列的聯(lián)合概率最大的每個(gè)分詞的分類標(biāo)簽，具體包括：

根據(jù)公式P(y|x,λ)=1z(x)exp(Σi=1nΣjλjfj(yi-1,yi,x,i)),]]>確定出使P(y|x，λ)最大的每個(gè)分詞的分類標(biāo)簽分類標(biāo)簽，其中，Z(x)表示為歸一化函數(shù)，λj表示第j個(gè)特征函數(shù)對(duì)應(yīng)的權(quán)重，fj表示所述條件隨機(jī)場(chǎng)模型中的第j個(gè)特征函數(shù)，yi-1表示所述分詞序列中第i-1個(gè)分詞對(duì)應(yīng)的分類標(biāo)簽，yi表示所述分詞序列中第i個(gè)分詞對(duì)應(yīng)的分類標(biāo)簽，x表示每個(gè)分詞各自對(duì)應(yīng)的觀察特征序列。

5.如權(quán)利要求1所述的方法，其特征在于，根據(jù)確定的各分詞的分類標(biāo)簽，從所述原始信息中提取所需信息，具體包括：

確定所需信息對(duì)應(yīng)的分類標(biāo)簽，作為指定標(biāo)簽；

從所述原始信息中提取所述指定標(biāo)簽對(duì)應(yīng)的信息。