[發明專利]信息識別方法和裝置、設備、介質和程序

在審

• 申請號: 202110098533.8
• 申請日: 2021-01-25
• 公開（公告）號: CN112784015A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 散騰飛
• 申請（專利權）人: 北京金堤科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/295
• 代理公司: 北京思源智匯知識產權代理有限公司 11657
• 代理人: 毛麗琴

1.一種信息識別方法，其特征在于，包括：

獲取待識別信息；

利用識別模型對所述待識別信息進行實體識別，得到所述待識別信息中的位置信息、組織形式信息、以及所述位置信息和所述組織形式信息以外的其他信息；

其中，所述識別模型預先基于訓練集訓練得到，所述訓練集包括多個公司名稱訓練語料，所述訓練語料標注有位置標注信息、組織形式標注信息和其他標注信息；所述位置標注信息基于地址集標注得到，所述地址集包括多個預先采集的地址；所述組織形式標注信息基于組織形式集標注得到，所述組織形式集包括多個預先采集的組織形式。

2.根據權利要求1所述的方法，其特征在于，所述待識別信息包括：待識別的公司名稱。

3.根據權利要求2所述的方法，其特征在于，所述其他信息包括以下至少一項：字號，行業。

4.根據權利要求1-3任一所述的方法，其特征在于，還包括：

從公司信息數據庫中采集預設區域范圍內的多個第一公司名稱；

分別對所述多個第一公司名稱中的每個第一公司名稱按照預設處理方式進行處理，得到第一處理結果，所述第一處理結果中包括每個所述第一公司名稱中的地址和組織形式；

從所述第一處理結果中采集各級地址和各種組織形式；

分別基于所述各級地址中的至少一個地址從所述公司信息數據庫中采集至少一個第二公司名稱，所述至少一個第二公司名稱包括所述多個第一公司名稱以外的至少一個公司名稱；

分別對所述至少一個第二公司名稱中的每個第二公司名稱按照預設處理方式進行處理，得到第二處理結果，所述第二處理結果中包括每個所述第二公司名稱中的地址和組織形式；

從所述第二處理結果中采集各級地址和各種組織形式；

基于從所述第一處理結果中采集的各級地址和從所述第二處理結果中采集的各級地址構成所述地址集，基于從所述第一處理結果中采集的各種組織形式和從所述第二處理結果中采集的各種組織形式構成所述組織形式集。

5.根據權利要求1-4任一所述的方法，其特征在于，還包括：

采集多個公司名稱樣本；

采用預設確定方式，基于所述地址集和所述組織形式集，分別針對所述多個公司名稱樣本中的每個公司名稱樣本，確定每個所述公司名稱樣本中的位置信息、組織形式信息、以及所述位置信息和所述組織形式信息以外的其他信息；

采用預設序列標注方法，對每個所述公司名稱樣本中的位置信息、組織形式信息和其他信息進行標注，得到所述公司名稱訓練語料，所述多個公司名稱樣本對應的多個所述公司名稱訓練語料構成標注數據集，所述標注數據集包括所述訓練集。

6.根據權利要求5所述的方法，其特征在于，所述采用預設確定方式，基于所述地址集和所述組織形式集，分別針對所述至少一個公司名稱樣本中的每個公司名稱樣本，確定每個所述公司名稱樣本中的位置信息、組織形式信息、以及所述位置信息和所述組織形式信息以外的其他信息，包括：

采用正則匹配方式，基于所述地址集和所述組織形式集，確定每個所述公司名稱樣本中的位置信息、組織形式信息和其他信息，得到確定結果；

采用預設詞性增強方式，對所述確定結果進行修正，得到修正結果；

所述采用預設序列標注方法，對每個所述公司名稱樣本中的位置信息、組織形式信息和其他信息進行標注，得到所述公司名稱訓練語料，包括：

采用預設序列標注方法，根據所述修正結果，對每個所述公司名稱樣本中的位置信息、組織形式信息和其他信息進行標注，得到所述公司名稱訓練語料。

7.根據權利要求6所述的方法，其特征在于，所述采用正則匹配方式，基于所述地址集和所述組織形式集，確定每個所述公司名稱樣本中的位置信息、組織形式信息和其他信息，包括：

分別以所述地址集中的各級地址和所述組織形式集中的各種組織形式作為正則匹配條件，匹配出每個所述公司名稱樣本中的位置信息和組織形式信息，以未匹配出的信息作為其他信息。