[發(fā)明專利]基于少量樣本的信息提取方法、裝置和計(jì)算機(jī)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201811535440.1
• 申請(qǐng)日: 2018-12-14
• 公開(kāi)（公告）號(hào): CN109783604A
• 公開(kāi)（公告）日: 2019-05-21
• 發(fā)明（設(shè)計(jì)）人: 鄭子歐;劉媛源;張翔;于修銘;汪偉;肖京
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F17/27
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 王寧

本申請(qǐng)涉及大數(shù)據(jù)領(lǐng)域,提供了一種基于少量樣本的信息提取方法、裝置和計(jì)算機(jī)設(shè)備，方法包括：通過(guò)輸入少量的樣本對(duì)通用文本提取模型進(jìn)行訓(xùn)練，提取出訓(xùn)練標(biāo)注字段，并根據(jù)訓(xùn)練標(biāo)注字段和目標(biāo)標(biāo)注字段對(duì)通用文本提取模型進(jìn)行參數(shù)調(diào)整得到目標(biāo)文本提取模型，當(dāng)將待提取的文本輸入目標(biāo)文本提取模型時(shí)，不用預(yù)定義待提取文本中所需要提取的字段，就能得到與目標(biāo)標(biāo)注字段同一類型的字段信息，提高了文本提取的高效性和準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別是涉及一種基于少量樣本的信息提取方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，我們往往需要面對(duì)海量的數(shù)據(jù)，并在海量的數(shù)據(jù)中篩選提取出有用的信息。目前，傳統(tǒng)的文本信息提取是針對(duì)某一特定領(lǐng)域的文本進(jìn)行建模，需要在建模前確定文本信息提取的字段，并且需要獲得大量相關(guān)標(biāo)注數(shù)據(jù)集進(jìn)行建模，才能從文本中提取特定的信息。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問(wèn)題，提供一種基于少量樣本的信息提取方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

一種基于少量樣本的信息提取方法，所述方法包括：

獲取通用文本提取模型，所述通用文本提取模型用于提取標(biāo)注字段；

獲取少量訓(xùn)練樣本，所述訓(xùn)練樣本攜帶有目標(biāo)標(biāo)注字段；

將所述訓(xùn)練樣本輸入所述通用文本提取模型中進(jìn)行訓(xùn)練，得到所述通用文本提取模型對(duì)所述訓(xùn)練樣本提取得到的訓(xùn)練標(biāo)注字段；

根據(jù)所述訓(xùn)練標(biāo)注字段和所述目標(biāo)標(biāo)注字段對(duì)所述通用文本提取模型的參數(shù)進(jìn)行調(diào)整，直到滿足收斂條件，得到目標(biāo)文本提取模型；

獲取待提取文本，將所述待提取文本輸入所述目標(biāo)文本提取模型中，通過(guò)所述目標(biāo)文本提取模型從所述待提取文本中得到目標(biāo)文本信息，所述目標(biāo)文本信息與所述目標(biāo)標(biāo)注字段為同一類型的字段信息。

在其中一個(gè)實(shí)施例中，所述通用文本提取模型的建立步驟包括：

構(gòu)建數(shù)據(jù)集，所述數(shù)據(jù)集包含多個(gè)任務(wù)樣本，各個(gè)任務(wù)樣本的文本類型不重合；

獲取訓(xùn)練集和驗(yàn)證集；

通過(guò)所述訓(xùn)練集中的任務(wù)訓(xùn)練數(shù)據(jù)對(duì)所述各個(gè)任務(wù)樣本進(jìn)行訓(xùn)練，得到每個(gè)任務(wù)樣本對(duì)應(yīng)的多個(gè)候選任務(wù)樣本子模型，所述候選任務(wù)樣本模型用于提取標(biāo)注字段；

將驗(yàn)證集中的驗(yàn)證數(shù)據(jù)輸入所述候選任務(wù)樣本模型中進(jìn)行驗(yàn)證，得到各個(gè)候選任務(wù)樣本子模型對(duì)應(yīng)的準(zhǔn)確率；

將準(zhǔn)確率最高的候選任務(wù)樣本子模型作為任務(wù)樣本對(duì)應(yīng)的目標(biāo)任務(wù)樣本子模型，將各個(gè)任務(wù)樣本對(duì)應(yīng)的目標(biāo)任務(wù)樣本子模型組成所述通用文本提取模型。

在其中一個(gè)實(shí)施例中，將所述準(zhǔn)確率最高的候選任務(wù)樣本子模型作為任務(wù)樣本對(duì)應(yīng)的目標(biāo)任務(wù)樣本子模型的步驟，還包括：

獲取所述準(zhǔn)確率最高的候選任務(wù)樣本子模型對(duì)應(yīng)的第一參數(shù)；

根據(jù)所述第一參數(shù)對(duì)各任務(wù)樣本的參數(shù)進(jìn)行第一次梯度下降，得到所述各任務(wù)樣本的共性參數(shù)；

根據(jù)所述第一參數(shù)對(duì)所述共性參數(shù)進(jìn)行第二次梯度下降，得到目標(biāo)共性參數(shù)，根據(jù)所述目標(biāo)共性參數(shù)得到各個(gè)任務(wù)樣本對(duì)應(yīng)的目標(biāo)共性模型，將目標(biāo)共性模型作為目標(biāo)任務(wù)樣本子模型。

在其中一個(gè)實(shí)施例中，將各個(gè)任務(wù)樣本對(duì)應(yīng)的目標(biāo)任務(wù)樣本子模型組成所述通用文本提取模型的步驟之后，還包括：

獲取所述任務(wù)訓(xùn)練數(shù)據(jù)，所述任務(wù)訓(xùn)練數(shù)據(jù)攜帶有標(biāo)記數(shù)據(jù)；

將所述任務(wù)訓(xùn)練數(shù)據(jù)輸入所述通用文本提取模型中進(jìn)行測(cè)試，得到任務(wù)測(cè)試數(shù)據(jù)；