[發明專利]提取摘要信息的方法、裝置、語言處理引擎和介質有效

申請號：	201811150949.4	申請日：	2018-09-29
公開（公告）號：	CN110162617B	公開（公告）日：	2022-11-04
發明（設計）人：	侯皓文	申請（專利權）人：	騰訊科技(深圳)有限公司
主分類號：	G06F16/34	分類號：	G06F16/34;G06F40/232;G06F40/295
代理公司：	深圳市聯鼎知識產權代理有限公司 44232	代理人：	劉抗美
地址：	518000 廣東省深圳***	國省代碼：	廣東;44
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	提取摘要信息方法裝置語言處理引擎介質
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本公開提供了一種提取摘要信息的方法、裝置、語言處理引擎和介質。該方法包括：獲取目標文本；在所述目標文本之前和之后分別設置指針和結束符；將指針的當前位置和所述目標文本輸入機器學習模型，由機器學習模型預測所述目標文本中所述指針的當前位置之后指向的下一個位置，直到指向結束符；將指針指向結束符之前在目標文本中指向的所有位置的字符順序取出，作為所述摘要信息。本公開實施例提高了從目標文本中提取摘要信息的準確率。

技術領域

本公開涉及信息技術領域，具體涉及一種從目標文本中提取摘要信息的方法、裝置、語言處理引擎和計算機程序介質。

背景技術

目前，在信息技術領域，經常需要從目標文本中提取摘要信息。例如，從實體全稱中提取實體簡稱，從會議中用戶的語音識別的文本中識別出會議紀要，從網頁文本中識別出網頁文本的摘要。這種摘要信息的提取的特點是，提取的摘要信息的每個字符都在目標文本中，需要從中提取出來，不需要在目標文本之外尋找其他字符。例如，實體簡稱的每個字符都在實體全稱中，只不過需要從中提取出來。

現有技術中，從目標文本中提取摘要信息一般通過以下方式實現：按照預定規則的集合，從目標文本中提取候選摘要信息；然后，判斷候選摘要信息是否在目標文本的上下文中出現，如出現，則認為該候選摘要信息是要提取的摘要信息。例如，從實體全稱中提取實體簡稱可以按照如下預定規則的集合進行：

規則1.取實體全稱中每個詞的首字如：云南天然氣化工廠——云天化；

規則2.若實體全稱中出現專有名詞，取該專有名詞，如：美國耐克公司——耐克

規則3.若實體全稱以地點開始，取地點+其他詞的首字，如：上海交通大學——上海交大

規則4.取實體全稱中除地點和機構稱謂的所有詞的首字，如：中國南方航空公司——南方航空

規則5.取實體全稱中除地點和機構稱謂的所有詞的首字，如：中國南方航空公司——南航

規則6.取除機構稱謂之外的其他詞的首字+機構稱謂，如：交通銀行總部——交行總部

基于以上規則的集合，從目標文本中可以提取若干候選摘要信息，例如從實體全稱中提取若干候選實體簡稱，如：

根據規則3，從“云南天然氣化工廠”提取“云南天化”；

根據規則1，從“云南天然氣化工廠”提取“云天化”。

然后，判斷候選摘要信息是否在目標文本的上下文中出現，如出現，則認為該候選摘要信息是要提取的摘要信息。例如，“云南天化”、“云天化”都是候選摘要信息，其中“云南天化”在“云南天然氣化工廠”的上下文中未出現，“云天化”在“云南天然氣化工廠”的上下文中出現，因此，可以認為“云天化”是要提取的實體簡稱。

由于現有技術的從目標文本中提取摘要信息的方法依賴于預定規則的集合，預定規則的集合很難做到窮舉，因此，現有技術的方法準確率低。