[發明專利]一種物質名稱提取方法、裝置及存儲介質

在審

• 申請號: 202010892360.2
• 申請日: 2020-08-28
• 公開（公告）號: CN112183076A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 白芳;楊宇星;周杰龍
• 申請（專利權）人: 北京望石智慧科技有限公司
• 主分類號: G06F40/258
• 分類號: G06F40/258;G06F40/284;G06F40/205;G06N3/04
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 林韻英

1.一種物質名稱提取方法，其特征在于，包括如下步驟：

獲取待提取文本文件；

確定所述待提取文本文件是否包含預設標識；

當所述待提取文本文件包含所述預設標識，利用預先訓練好的物質名稱提取模型對所述預設標識對應的文本內容進行目標物質名稱提取。

2.根據權利要求1所述的方法，其特征在于，所述預先訓練好的物質名稱提取模型包括：CNN卷積模塊，LSTM神經網絡模塊，線性模塊和CRF條件隨機場模塊；當所述待提取文本文件包含所述預設標識，利用物質名稱提取模型對所述預設標識對應的文本內容進行目標物質名稱提取，包括：

利用所述卷積模塊對所述文本內容中每一個語句中單詞的字符向量進行卷積池化，得到每個單詞的字符級特征向量；

將所述每個單詞的字符級特征向量、第一預設詞向量以及第二預設詞向量進行拼接，將拼接結果輸入至所述LSTM神經網絡模塊，得到所述語句的特征信息，所述第一預設詞向量從與所述待提取文本文件不同類型的文本文件提取得到，所述第二預設詞向量從與所述待提取文本文件同一類型的歷史文本文件提取得到；

將所述語句的特征信息輸出至線性模塊進行計算，將計算結果輸出至CRF條件隨機場模塊進行目標物質名稱提取。

3.根據權利要求1所述的方法，其特征在于，所述預設標識為多個，當所述待提取文本文件包含所述預設標識，利用預先訓練好的物質名稱提取模型對所述預設標識對應的文本內容進行目標物質名稱提取，包括：

依次對識別出的每一個預設標識對應的目標位置的文本內容進行目標物質名稱提取，直至遍歷全部文本內容。

4.根據權利要求1所述的方法，其特征在于，所述獲取待提取文本文件，包括：當所述待提取文本文件為不可編輯文本文件，利用目標算法對所述不可編輯文本文件進行可編輯化處理。

5.根據權利要求1所述的方法，其特征在于，所述待提取文本文件為專利文本文件，所述目標物質名稱為化學物質名稱。

6.根據權利要求4所述的方法，其特征在于，還包括：將提取出的化學物質名稱轉化為目標形式。

7.一種物質名稱提取裝置，其特征在于，包括：

文本文件獲取模塊，用于獲取待提取文本文件；

預設標識確定模塊，用于確定所述待提取文本文件是否包含預設標識；

物質名稱提取模塊，用于當所述待提取文本文件包含所述預設標識，利用預先訓練好的物質名稱提取模型對所述預設標識對應的文本內容進行目標物質名稱提取。

8.根據權利要求7所述的物質名稱提取裝置，其特征在于，所述預先訓練好的物質名稱提取模型包括：CNN卷積模塊，LSTM神經網絡模塊，線性模塊和CRF條件隨機場模塊；所述物質名稱提取模塊，包括：

字符級特征向量獲取模塊，用于利用所述卷積模塊對所述文本內容中每一個語句中單詞的字符向量進行卷積池化，得到每個單詞的字符級特征向量；

語句特征信息獲取模塊，用于將所述每個單詞的字符級特征向量、第一預設詞向量以及第二預設詞向量進行拼接，將拼接結果輸入至所述LSTM神經網絡模塊，得到所述語句的特征信息，所述第一預設詞向量從與所述待提取文本文件不同類型的文本文件提取得到，所述第二預設詞向量從與所述待提取文本文件同一類型的歷史文本文件提取得到；

物質名稱提取子模塊，用于將所述語句的特征信息輸出至線性模塊進行計算，將計算結果輸出至CRF條件隨機場模塊進行目標物質名稱提取。

9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現權利要求1－6任一所述的物質名稱提取方法的步驟。

10.一種存儲介質，其上存儲有計算機指令，其特征在于，該指令被處理器執行時實現權利要求1－6任一所述的物質名稱提取方法的步驟。