[發(fā)明專利]簽名信息提取方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201811268593.4
• 申請(qǐng)日: 2018-10-29
• 公開（公告）號(hào): CN109460551B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設(shè)計(jì)）人: 鄒晶;岳永鵬
• 申請(qǐng)（專利權(quán)）人: 北京知道創(chuàng)宇信息技術(shù)股份有限公司
• 主分類號(hào): G06F40/216
• 分類號(hào): G06F40/216;G06F40/295;G06F18/243
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 徐麗

1.一種簽名信息提取方法，其特征在于，應(yīng)用于電子設(shè)備，所述電子設(shè)備中配置有簽名信息提取模型，所述簽名信息提取模型包括結(jié)構(gòu)化信息抽取模型和非結(jié)構(gòu)化信息抽取模型，所述方法包括：

獲取待抽取簽名信息的文本數(shù)據(jù)，并對(duì)所述文本數(shù)據(jù)進(jìn)行分句，得到多條語句；

依次將每條語句輸入到所述結(jié)構(gòu)化信息抽取模型中，通過所述結(jié)構(gòu)化信息抽取模型中的各個(gè)正則表達(dá)式分別提取每條語句中的結(jié)構(gòu)化信息；

分別提取每條語句的TF-IDF詞頻特征和標(biāo)注序列特征，并將提取得到的TF-IDF詞頻特征和標(biāo)注序列特征分別輸入到所述非結(jié)構(gòu)化信息抽取模型中的地址二分類模型和字符粒度序列標(biāo)注模型中，得到每條語句中的非結(jié)構(gòu)化信息，其中，所述非結(jié)構(gòu)化信息包括人名信息和地址信息；

根據(jù)所述結(jié)構(gòu)化信息和所述非結(jié)構(gòu)化信息生成簽名信息提取結(jié)果。

2.根據(jù)權(quán)利要求1所述的簽名信息提取方法，其特征在于，所述分別提取每條語句的TF-IDF詞頻特征和標(biāo)注序列特征的步驟，包括：

對(duì)所述文本數(shù)據(jù)中的每條語句進(jìn)行完全分詞，得到每條語句的完全分詞結(jié)果，并提取所述完全分詞結(jié)果的TF-IDF詞頻特征；

同時(shí)對(duì)所述文本數(shù)據(jù)中的每條語句進(jìn)行字符粒度拆分，得到拆分后的每條語句對(duì)應(yīng)的各個(gè)詞語；

分別提取每個(gè)詞語的序列標(biāo)注特征，以得到每條語句的標(biāo)注序列特征。

3.根據(jù)權(quán)利要求1或2所述的簽名信息提取方法，其特征在于，所述將提取得到的TF-IDF詞頻特征和標(biāo)注序列特征分別輸入到所述非結(jié)構(gòu)化信息抽取模型中的地址二分類模型和字符粒度序列標(biāo)注模型中，得到每條語句中的非結(jié)構(gòu)化信息的步驟，包括：

將所述TF-IDF詞頻特征輸入到所述地址二分類模型中，得到對(duì)應(yīng)的地址信息；

將所述標(biāo)注序列特征輸入到所述字符粒度序列標(biāo)注模型中，得到對(duì)應(yīng)的實(shí)體標(biāo)注序列，并對(duì)所述實(shí)體標(biāo)注序列中各個(gè)實(shí)體標(biāo)簽進(jìn)行識(shí)別，根據(jù)識(shí)別結(jié)果輸出對(duì)應(yīng)的人名信息。

4.根據(jù)權(quán)利要求3所述的簽名信息提取方法，其特征在于，所述獲取待抽取簽名信息的文本數(shù)據(jù)的步驟之前，所述方法還包括：

訓(xùn)練所述地址二分類模型；以及

訓(xùn)練字符粒度序列標(biāo)注模型。

5.根據(jù)權(quán)利要求4所述的簽名信息提取方法，其特征在于，所述訓(xùn)練所述地址二分類模型的步驟，包括：

獲取多個(gè)地址二分類正例和多個(gè)地址二分類例；

將所述多個(gè)地址二分類正例和所述多個(gè)地址二分類例進(jìn)行亂序處理，得到訓(xùn)練樣本；

對(duì)所述訓(xùn)練樣本進(jìn)行完全分詞，得到完全分詞結(jié)果，并提取所述完全分詞結(jié)果的TF-IDF詞頻特征；

根據(jù)提取的TF-IDF詞頻特征，選取在線主動(dòng)攻擊型分類器訓(xùn)練得到地址二分類模型。

6.根據(jù)權(quán)利要求4所述的簽名信息提取方法，其特征在于，所述訓(xùn)練字符粒度序列標(biāo)注模型的步驟，包括：

獲取預(yù)訓(xùn)練數(shù)據(jù)集；

根據(jù)預(yù)設(shè)規(guī)則將所述預(yù)訓(xùn)練數(shù)據(jù)集轉(zhuǎn)換為目標(biāo)數(shù)據(jù)集，其中，所述目標(biāo)數(shù)據(jù)集包括多條語句以及每條語句中各個(gè)詞語對(duì)應(yīng)的實(shí)體類別標(biāo)簽；

按照字符粒度對(duì)所述目標(biāo)數(shù)據(jù)集中每條語句和對(duì)應(yīng)的各個(gè)詞語對(duì)應(yīng)的實(shí)體類別標(biāo)簽進(jìn)行拆分，得到拆分結(jié)果，其中，所述拆分結(jié)果包括拆分后的各個(gè)詞語和各個(gè)詞語對(duì)應(yīng)的實(shí)體類別標(biāo)簽；

對(duì)所述拆分結(jié)果進(jìn)行序列標(biāo)注，得到每條語句的實(shí)體標(biāo)注序列，同時(shí)提取拆分后的各個(gè)詞語的標(biāo)注序列特征，得到每條語句的標(biāo)注序列特征，其中，每條語句中的第一個(gè)實(shí)體詞語采用第一實(shí)體符號(hào)標(biāo)注、其它實(shí)體詞語采用第二實(shí)體符號(hào)標(biāo)注、非實(shí)體詞語采用非實(shí)體符號(hào)標(biāo)注；

通過CRF條件隨機(jī)場對(duì)每條語句的標(biāo)注序列特征與對(duì)應(yīng)的實(shí)體標(biāo)注序列進(jìn)行訓(xùn)練，得到字符粒度序列標(biāo)注模型。

7.根據(jù)權(quán)利要求6所述的簽名信息提取方法，其特征在于，所述根據(jù)預(yù)設(shè)規(guī)則將所述預(yù)訓(xùn)練數(shù)據(jù)集轉(zhuǎn)換為目標(biāo)數(shù)據(jù)集的步驟，包括：

查找所述預(yù)訓(xùn)練數(shù)據(jù)集中各個(gè)需要合并的詞語，并將查找到的各個(gè)需要合并的詞語進(jìn)行合并，得到合并詞語后的預(yù)訓(xùn)練數(shù)據(jù)集；

將所述合并詞語后的預(yù)訓(xùn)練數(shù)據(jù)集中的各個(gè)詞語的詞性標(biāo)簽轉(zhuǎn)換為對(duì)應(yīng)的實(shí)體類別標(biāo)簽，以得到轉(zhuǎn)換后的目標(biāo)數(shù)據(jù)集。