[發明專利]信息抽取方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110057358.8
• 申請日: 2021-01-15
• 公開（公告）號: CN112732894A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 林靜瓊;張曉敏
• 申請（專利權）人: 深圳市歡太科技有限公司;OPPO廣東移動通信有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/383;G06F16/33;G06F16/31;G06F40/284;G06F40/44
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 劉暉銘;張穎玲

1.一種信息抽取方法，其特征在于，包括：

從第一文本中提取至少一個第一詞語組合；所述第一詞語組合由第一詞語與第二詞語組成；所述第一詞語表征所述第一文本中的評價對象；所述第二詞語表征評價所述第一詞語的評價詞語；

根據設定數據庫確定所述至少一個第一詞語組合中每個第一詞語組合對應的第一概率；所述設定數據庫用于存儲評價對象與評價詞語的匹配概率；所述第一概率表征第一詞語與第二詞語的匹配概率；

將所述至少一個第一詞語組合中第一概率大于或等于設定閾值的第一詞語組合提取為所述第一文本的信息抽取結果；所述信息抽取結果表征所述第一文本的評價觀點。

2.根據權利要求1所述的信息抽取方法，其特征在于，通過以下方式生成設定數據庫：

基于至少一個第二文本，確定第一集合；所述第二文本為文本樣本；所述第一集合為由所述至少一個第二文本中的所有評價對象和所有評價詞語組成的集合；

對所述第一集合中的每個詞語添加第一信息；所述第一信息用于表征詞語的詞語類型；所述詞語類型包括評價對象或評價詞語；

基于第一集合中每個詞語的第一信息，確定第一集合中每個第二詞語組合對應的匹配概率；所述第二詞語組合由所述第一集合中的一個評價對象和一個評價詞語組成。

3.根據權利要求1所述的信息抽取方法，其特征在于，所述設定數據庫以哈希存儲的方式將評價對象與評價詞語的匹配概率進行存儲。

4.根據權利要求1所述的信息抽取方法，其特征在于，所述從第一文本中提取第一詞語組合，包括：

確定所述第一文本中的所述第一詞語；

基于所述第一詞語在所述第一文本中的位置，在設定長度的滑動窗口內確定與所述第一詞語對應的第二詞語。

5.根據權利要求4所述的信息抽取方法，其特征在于，所述確定所述第一文本中的所述第一詞語，包括：

根據所述設定數據庫存儲的評價對象，將所述第一文本中詞語類型為評價對象的詞語確定為所述第一詞語；

所述在設定的滑動窗口內確定與所述第一詞語對應的第二詞語，包括：

根據所述設定數據庫存儲的評價詞語，將所述設定的滑動窗口內詞語類型為評價詞語的詞語確定為所述第二詞語。

6.根據權利要求1所述的信息抽取方法，其特征在于，所述設定數據庫還包括評價對象的第二信息與評價詞語的第二信息，所述第二信息用于表征對應的詞語能否獨立表達評價觀點；所述方法還包括：

在所述至少一個第一詞語組合中不存在第一詞語組合對應的第一概率大于或等于設定閾值時，根據所述設定數據庫的第二信息，將所述至少一個第一詞語組合中符合設定條件的第一詞語或第二詞語確定為所述第一文本的信息抽取結果；所述第一設定條件表征詞語能獨立表達評價觀點。

7.根據權利要求6所述的信息抽取方法，其特征在于，所述方法還包括：

在所述至少一個第一詞語組合中每個第一詞語組合的第一詞語或第二詞語均不符合所述設定條件的情況下，根據所述設定數據庫存儲的評價詞語，將所述第一文本中詞語類型為評價詞語的詞語確定為第三詞語；

根據所述設定數據庫的第二信息，將符合所述設定條件的第三詞語確定為所述第一文本的信息抽取結果。

8.一種信息抽取裝置，其特征在于，包括：

第一提取單元，從第一文本中提取至少一個第一詞語組合；所述第一詞語組合由第一詞語與第二詞語組成；所述第一詞語表征所述第一文本中的評價對象；所述第二詞語表征評價所述第一詞語的評價詞語；

第一確定單元，用于根據設定數據庫確定所述至少一個第一詞語組合中每個第一詞語組合對應的第一概率；所述設定數據庫用于存儲評價對象與評價詞語的匹配概率；所述第一概率表征第一詞語與第二詞語的匹配概率；

第二提取單元，用于將所述至少一個第一詞語組合中第一概率大于或等于設定閾值的第一詞語組合提取為所述第一文本的信息抽取結果；所述信息抽取結果表征所述第一文本的評價觀點。