[發明專利]文本摘要抽取方法及系統

有效

• 申請號: 202011416522.1
• 申請日: 2020-12-04
• 公開（公告）號: CN112507711B
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 鄭茂盛;杜向陽
• 申請（專利權）人: 南京擎盾信息科技有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/216;G06F40/30;G06F18/23213;G06Q50/18
• 代理公司: 北京知果之信知識產權代理有限公司 11541
• 代理人: 卜榮麗

本申請公開了一種文本摘要抽取方法及系統。所述方法包括：通過對待抽取裁判文書分割處理，得到若干個待處理句子；基于預訓練語言模型對各待處理句子進行向量表示處理，得到句子語義向量；對句子語義向量進行相似句過濾處理，得到過濾后句子；對各過濾后句子進行文書語義特征抽取，得到各文書語義特征，并基于預設文書語義特征權重原則，對各文書語義特征進行權重處理，得到各過濾后句子的權值；獲取權值達到權值閾值范圍的過濾后句子，得到各重要句子；對各重要句子進行通順度排序處理，得到文本摘要，實現自動抽取裁判文書(如民事案件裁判文書)的文本摘要，優化了摘要抽取過程，保證了摘要結果的關聯性，增強了文本摘要語義的通順性。

技術領域

本申請涉及文本摘要處理技術領域，具體而言，涉及一種文本摘要抽取方法及系統。

背景技術

文本摘要指用于盡可能簡明扼要地對文本進行概括總結，文本摘要在閱讀文本過程中發揮著重要的作用。隨著人工智能的發展，文本摘要也可以自動化形成，無需人工撰寫。然而，文本可根據不同的領域分為不同的種類，不同種類的文本具有不同的文本特征。例如，法律領域的文本包括法律判決文書；法律判決文書包括民事案件判決文書。判決文書的格式模塊等文本特征不同于其他文本。目前，尚未有完善易用的裁判文書摘要自動抽取方法，且傳統自動抽取文本摘要的方法，抽取的摘要存在部分內容相似或重復，且摘要語義上存在不通順的問題。

針對相關技術中傳統自動抽取文本摘要的方法，抽取的摘要存在部分內容相似或重復，且摘要語義上存在不通順的問題，目前尚未提出有效的解決方案。

發明內容

本申請的主要目的在于提供一種文本摘要抽取方法及系統，以解決傳統自動抽取文本摘要的方法，抽取的摘要存在部分內容相似或重復，且摘要語義上存在不通順的問題。

為了實現上述目的，第一方面，本申請提供了一種文本摘要抽取方法。

根據本申請的文本摘要抽取方法，包括以下步驟：

對待抽取裁判文書進行分割處理，得到若干個待處理句子；

基于預訓練語言模型對各待處理句子進行向量表示處理，得到句子語義向量；

對句子語義向量進行相似句過濾處理，得到過濾后句子；

對各過濾后句子進行文書語義特征抽取，得到各文書語義特征，并基于預設文書語義特征權重原則，對各文書語義特征進行權重處理，得到各對應過濾后句子的權值；

根據各過濾后句子的權值，獲取權值達到權值閾值范圍的過濾后句子，得到各重要句子；

對各重要句子進行通順度排序處理，根據處理的結果，得到對應待抽取裁判文書的文本摘要。

在其中一個實施例中，得到對應待抽取裁判文書的文本摘要的步驟之后包括：

基于預訓練語言模型，對文本摘要進行通順度檢測；

在文本摘要的通順度高于預設通順度閾值時，反饋對應待抽取裁判文書的文本摘要。

在其中一個實施例中，基于預訓練語言模型，對文本摘要進行通順度檢測的步驟之后包括：

在文本摘要的通順度低于預設通順度閾值時，獲取文本摘要的第一個句子作為當前句子；

在文本摘要除第一個句子之外的剩余句子中，獲取與當前句子之間的通順度最大的句子作為下一句子；

把當前句子與下一句子合并，并將合并后的句子作為新的當前句子，直至剩余句子為空時，將新的當前句子確認為文本摘要。

在其中一個實施例中，對待抽取裁判文書進行分割處理，得到若干個待處理句子的步驟包括：

基于裁判文書段落特征，對待抽取裁判文書進行分段處理，得到若干段待處理段落；