[發明專利]一種文本信息生成方法及裝置

在審

• 申請號: 202010133941.8
• 申請日: 2020-02-28
• 公開（公告）號: CN111310423A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 任寧
• 申請（專利權）人: 中科鼎富（北京）科技發展有限公司
• 主分類號: G06F40/174
• 分類號: G06F40/174;G06Q10/10;G06Q30/06
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 李飛

本申請實施例提供一種文本信息生成方法及裝置，所述方法包括：從文本中定位錨定對象所在文本塊；從所述文本塊中，抽取所述錨定對象并獲取所述錨定對象所在的位置信息，抽取限定信息并獲取所述限定信息的位置信息；根據所述錨定對象所在的位置信息與所述限定信息的位置信息來生成至少一個條目，其中，所述一個條目中包括一個所述錨定對象與多個所述限定信息，且所述限定信息與所述錨定對象相關。本申請實施例用以協助企業工作人員完成感興趣信息自動提取，感興趣信息一致性檢查等工作，讓審核過程更高效，準確性更高。

技術領域

本申請涉及電源技術領域，具體而言，涉及一種文本信息生成方法及裝置。

背景技術

合同是當事人或當事雙方之間設立、變更、終止民事關系的協議。從法理角度講，所有的市場交易行為都是一種合同行為。在企業中，合同的重要性不言而喻，在生活中，合同與我們每個人都或多或少發生過關聯。合同審核就是對于合同的規范性、一致性，合同性質界定是否合理，主體是否適格等要素進行審核。在大、中型企業中，合同審核作為一項重要工作，耗費大量人力資源。而其中對于感興趣信息(例如，金額)的審核更是重中之重，同時由于數值信息自身的特點，容易發生審核遺漏或錯誤，而金額一旦出現問題，影響巨大。

發明內容

本申請實施例的目的在于提供一種文本信息生成方法及裝置，用以協助企業工作人員完成感興趣(例如，金額)信息自動提取，感興趣(例如，金額)信息一致性檢查等工作，讓審核過程更高效，準確性更高。

第一方面，本申請實施例提供一種文本信息生成方法，所述方法包括：從文本中定位錨定對象所在文本塊；從所述文本塊中，抽取所述錨定對象并獲取所述錨定對象所在的位置信息，抽取限定信息并獲取所述限定信息的位置信息；根據所述錨定對象所在的位置信息與所述限定信息的位置信息來生成至少一個條目，其中，一個所述條目中包括一個所述錨定對象以及多個所述限定信息。

本申請實施例通過錨定對象的位置信息以及限定信息的位置信息來生成多個條目，其中，每個條目包括一個金額和多個與這個金額相關的限定信息。本申請實施例可以從文本語料中抽取出感興趣的錨定對象以及針對該對象的描述限定信息，從而完成從合同或者年報等非結構性文本材料中提取相關信息，完成非結構性數據的結構化處理，方便后續對文本數據的檢索分析。

在一些實施例中，當所述錨定對象為金額時；所述從文本中定位錨定對象所在文本塊，包括：從文本中定位所述金額所在的文本塊；所述從所述文本塊中，抽取所述錨定對象并獲取所述錨定對象所在的位置信息，抽取限定信息并獲取所述限定信息的位置信息，包括：通過第一規則從所述文本塊抽取所述金額并獲取所述金額所在的位置信息，通過第二規則從所述文本塊抽取所述限定信息并獲取所述限定信息的位置信息，其中，所述金額包括：大寫金額或小寫金額；所述根據所述錨定對象所在的位置信息與所述限定信息的位置信息來生成至少一個條目，包括：根據所述金額所在的位置信息和所述限定信息的位置信息來提取與所述金額相關的所述限定信息，將所提取的所述限定信息與所述金額信息生成一個所述條目。

本申請實施例可以以金額為錨定對象，從文本中抽取金額相關的信息來生成結構化的條目，進而幫助企業或者相關工作人員快速從包含金額的非結構性文本文件中快速提取并生成結構化條目信息。

在一些實施例中，當所述文本為合同文本時，所述根據所述金額所在的位置信息和所述限定信息的位置信息來提取與所述金額相關的所述限定信息，將所提取的所述限定信息與所述金額信息生成一個所述條目，包括：從第二金額所在的位置，向前查找得到離所述第二金額最近的且出現在第一金額之后的第二金額限定信息，其中，所述第二金額限定信息包括時間單位、面積單位、時間序列、具體時間、是否含稅、款項名稱、重量單位和電費單位中的至少一個；根據所述第二金額以及所述第二金額限定信息生成第一條目。

本申請實施例通過前一個金額的位置來限定后一金額對應的條目組中的限定信息的提取范圍，可以提高與后一金額相關的限定信息的提取速度和準確度。