[發明專利]文本結構化方法、裝置、系統和非易失性存儲介質

有效

• 申請號: 201710852183.3
• 申請日: 2017-09-19
• 公開（公告）號: CN107729392B
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 梁會營;鄭永升;戎術
• 申請（專利權）人: 廣州市婦女兒童醫療中心;杭州依圖醫療技術有限公司
• 主分類號: G06F16/25
• 分類號: G06F16/25;G06F40/103
• 代理公司: 上海華誠知識產權代理有限公司 31300
• 代理人: 徐穎聰

1.一種文本結構化方法，其特征在于，該方法包括：

獲取非結構化文本，對所述非結構化文本進行預處理，并將預處理后的所述非結構化文本分解成多個分句；

獲取結構化文本中的結構化條目與對應所述結構化條目的問答數據庫；

根據所述問答數據庫中的問題提問，將所述分句的內容分別匹配至對應的所述結構化條目，以得到分句結構化結果，包括：

對所述分句進行分詞處理，并將得到的分句分詞結果輸入至第一LSTM網絡，所述第一LSTM網絡對所述分句分詞結果進行第一解碼處理，以得到分句解碼結果；

基于所述問答數據庫生成對應所述分句的問題，并對所述問題進行分詞處理，將得到的問題分詞結果輸入至第二LSTM網絡，所述第二LSTM網絡對所述問題分詞結果進行第二解碼處理，以得到問題解碼結果；

將所述第一LSTM網絡與所述第二LSTM網絡依據所述分句解碼結果和所述問題解碼結果進行組合配對、建模，從而得到所述分句結構化結果；根據所述分句結構化結果，得到所述結構化文本。

2.根據權利要求1所述的文本結構化方法，其特征在于，所述預處理包括：將所述非結構化文本中的數字和特殊符號替換成統一符號。

3.根據權利要求1所述的文本結構化方法，其特征在于，獲取所述結構化文本中的結構化條目與對應所述結構化條目的所述問答數據庫，包括：

對所述結構化條目進行分類處理，得到分類結果；

針對所述分類結果分別設定問題模板，并根據所述問題模板形成對應所述結構化條目的所述問答數據庫。

4.根據權利要求1所述的文本結構化方法，其特征在于，根據所述分句結構化結果，得到所述結構化文本，包括：

合并多個所述分句結構化結果，得到段落結構化結果；

對所述段落結構化結果進行后處理，得到所述結構化文本。

5.根據權利要求1所述的文本結構化方法，其特征在于，根據所述分句結構化結果，得到所述結構化文本之后，還包括：

將所述結構化文本轉化成向量存儲于結果數據庫，并將所述結構化文本的所述向量與所述結果數據庫中存儲的其他向量進行相似性比較，以獲得所述結構化文本的相似性文本；

計算所述結構化文本與所述相似性文本之間的相似度。

6.一種文本結構化裝置，其特征在于，所述文本結構化裝置包括：

預處理模塊，用于獲取非結構化文本，對所述非結構化文本進行預處理，并將預處理后的所述非結構化文本分解成多個分句；

條目獲取模塊，用于獲取結構化文本中的結構化條目與對應所述結構化條目的問答數據庫；

分句結構化模塊，用于根據所述問答數據庫中的問題提問，將所述分句的內容分別匹配至對應的所述結構化條目，以得到分句結構化結果，包括：

分句處理單元，用于對所述分句進行分詞處理，并將得到的分句分詞結果輸入至第一LSTM網絡，所述第一LSTM網絡對所述分句分詞結果進行第一解碼處理，以得到分句解碼結果；

問題處理單元，用于基于所述問答數據庫生成對應所述分句的問題，并對所述問題進行分詞處理，將得到的問題分詞結果輸入至第二LSTM網絡，所述第二LSTM網絡對所述問題分詞結果進行第二解碼處理，以得到問題解碼結果；

組合配對單元，用于將所述第一LSTM網絡與所述第二LSTM網絡依據所述分句解碼結果和所述問題解碼結果進行組合配對、建模，得到所述分句結構化結果；文本形成模塊，用于根據所述分句結構化結果，得到所述結構化文本。

7.根據權利要求6所述的文本結構化裝置，其特征在于，所述預處理模塊還用于將所述非結構化文本中的數字和特殊符號替換成統一符號。

8.根據權利要求6所述的文本結構化裝置，其特征在于，所述條目獲取模塊包括：

分類單元，用于對所述結構化條目進行分類處理，得到分類結果；

形成單元，針對所述分類結果設定問題模板，并根據所述問題模板形成對應所述結構化條目的所述問答數據庫。