[發(fā)明專利]基于領(lǐng)域自適應(yīng)的文本信息提取方法、裝置、系統(tǒng)及介質(zhì)

有效

• 申請?zhí)枺?/td>: 201810431979.6
• 申請日: 2018-05-08
• 公開（公告）號: CN108664589B
• 公開（公告）日: 2022-03-15
• 發(fā)明（設(shè)計(jì)）人: 陳文亮;盧奇;張民
• 申請（專利權(quán)）人: 蘇州大學(xué)
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/33;G06F40/295
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 羅滿

1.一種基于領(lǐng)域自適應(yīng)的文本信息提取方法，其特征在于，包括：

對進(jìn)行領(lǐng)域模糊后的前一次提取的共有特征進(jìn)行領(lǐng)域分類；

根據(jù)分類結(jié)果以及領(lǐng)域信息對共有特征提取參數(shù)進(jìn)行分析修正；

根據(jù)前一次提取的私有特征對前一次處理得到的文本向量進(jìn)行相鄰詞語預(yù)測；

根據(jù)預(yù)測結(jié)果以及所述文本中的相鄰詞語對私有特征提取參數(shù)進(jìn)行分析修正；所述私有特征為輸入文件所屬領(lǐng)域所私有的特征信息；

對當(dāng)前輸入文本進(jìn)行預(yù)處理，得到文本向量；其中，所述當(dāng)前輸入文本屬于第一領(lǐng)域；所述第一領(lǐng)域?yàn)槟繕?biāo)領(lǐng)域；

根據(jù)第二領(lǐng)域與所述第一領(lǐng)域間的修正后的共有特征提取參數(shù)提取所述文本向量的共有特征，根據(jù)所述第一領(lǐng)域內(nèi)的修正后的私有特征提取參數(shù)提取所述文本向量的私有特征；所述第二領(lǐng)域?yàn)樵搭I(lǐng)域；

其中，所述根據(jù)第二領(lǐng)域與所述第一領(lǐng)域間的修正后的共有特征提取參數(shù)提取所述文本向量的共有特征為：采用共有雙向長短期記憶網(wǎng)絡(luò)以及私有雙向長短期記憶網(wǎng)絡(luò)，分別用于捕獲來自共有以及私有兩個(gè)方向的特征信息；所述共有雙向長短期記憶網(wǎng)絡(luò)用于學(xué)習(xí)領(lǐng)域之間的共有特征，所述私有雙向長短期記憶網(wǎng)絡(luò)用于學(xué)習(xí)目標(biāo)領(lǐng)域的私有特征。

2.如權(quán)利要求1所述的基于領(lǐng)域自適應(yīng)的文本信息提取方法，其特征在于，所述對當(dāng)前輸入文本進(jìn)行預(yù)處理包括：

提取所述當(dāng)前輸入文本的字符信息以及詞級信息，得到字符向量及詞級向量。

3.如權(quán)利要求2所述的基于領(lǐng)域自適應(yīng)的文本信息提取方法，其特征在于，所述提取所述當(dāng)前輸入文本的字符信息以及詞級信息前還包括：

篩選出所述當(dāng)前輸入文本中長度小于閾值的輸入文本；

則所述提取所述當(dāng)前輸入文本的字符信息以及詞級信息具體為：提取篩選后輸入文本的字符信息以及詞級信息。

4.如權(quán)利要求3所述的基于領(lǐng)域自適應(yīng)的文本信息提取方法，其特征在于，所述對進(jìn)行領(lǐng)域模糊后的前一次提取的共有特征進(jìn)行領(lǐng)域分類前還包括：

對所述前一次提取的共有特征進(jìn)行簡化處理，得到簡化共有特征；

則所述對進(jìn)行領(lǐng)域模糊后的前一次提取的共有特征進(jìn)行領(lǐng)域分類具體為：對進(jìn)行領(lǐng)域模糊后的簡化共有特征進(jìn)行領(lǐng)域分類。

5.一種基于領(lǐng)域自適應(yīng)的文本信息提取裝置，其特征在于，包括：

領(lǐng)域分類單元，用于對進(jìn)行領(lǐng)域模糊后的前一次提取的共有特征進(jìn)行領(lǐng)域分類；

第一修正單元，用于根據(jù)分類結(jié)果以及領(lǐng)域信息對共有特征提取參數(shù)進(jìn)行分析修正；

詞語預(yù)測單元，用于根據(jù)前一次提取的私有特征對前一次處理得到的文本向量進(jìn)行相鄰詞語預(yù)測；所述私有特征為輸入文件所屬領(lǐng)域所私有的特征信息；

第二修正單元，用于根據(jù)預(yù)測結(jié)果以及所述文本中的相鄰詞語對私有特征提取參數(shù)進(jìn)行分析修正；

預(yù)處理單元，用于對當(dāng)前輸入文本進(jìn)行預(yù)處理，得到文本向量；其中，所述當(dāng)前輸入文本屬于第一領(lǐng)域；所述第一領(lǐng)域?yàn)槟繕?biāo)領(lǐng)域；

共有特征提取單元，用于根據(jù)第二領(lǐng)域與所述第一領(lǐng)域間的修正后的共有特征提取參數(shù)提取所述文本向量的共有特征；所述第二領(lǐng)域?yàn)樵搭I(lǐng)域；

私有特征提取單元，用于根據(jù)所述第一領(lǐng)域內(nèi)的修正后的私有特征提取參數(shù)提取所述文本向量的私有特征；

其中，所述共有特征提取單元進(jìn)一步用于：采用共有雙向長短期記憶網(wǎng)絡(luò)以及私有雙向長短期記憶網(wǎng)絡(luò)，分別用于捕獲來自共有以及私有兩個(gè)方向的特征信息；所述共有雙向長短期記憶網(wǎng)絡(luò)用于學(xué)習(xí)領(lǐng)域之間的共有特征，所述私有雙向長短期記憶網(wǎng)絡(luò)用于學(xué)習(xí)目標(biāo)領(lǐng)域的私有特征。

6.如權(quán)利要求5所述的基于領(lǐng)域自適應(yīng)的文本信息提取裝置，其特征在于，所述預(yù)處理單元包括：

字符信息提取子單元，用于提取所述當(dāng)前輸入文本的字符信息，得到字符向量；

詞級信息提取子單元，用于提取所述當(dāng)前輸入文本的詞級信息，得到詞級向量。