[發明專利]信息提取方法、模型訓練方法及相關設備

有效

• 申請號: 202110753704.6
• 申請日: 2021-07-02
• 公開（公告）號: CN113343714B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 羅通;蔣寧;王洪斌;吳海英
• 申請（專利權）人: 馬上消費金融股份有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/242;G06F40/216;G06F40/211;G06N3/04;G06N3/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;黃健

1.一種信息提取方法，其特征在于，包括：

獲取待處理文本；

將所述待處理文本輸入至實體對象識別模型，輸出所述待處理文本中的N個實體詞，所述N為正整數；

分別將所述N個實體詞中的每個實體詞和所述待處理文本作為輸入量輸入至情感信息提取模型，輸出所述N個實體詞一一對應的N個情感信息；

將所述待處理文本中的每個實體詞輸入至實體詞典中進行匹配，將所述實體詞典中與所述每個實體詞匹配的目標實體詞和多個子實體詞作為所述待處理文本對應的有效實體詞；所述實體詞典包括至少一個實體的實體信息，所述實體信息包括目標實體詞和多個子實體詞，所述多個子實體詞分別為表示同一個實體的不同實體名稱，所述目標實體詞為所述多個子實體詞對應的統一名稱；

將情感詞典中與每個所述有效實體詞對應的情感信息作為有效情感信息；所述情感詞典包括至少一個實體詞對應的情感信息。

2.根據權利要求1所述的方法，其特征在于，所述實體對象識別模型包括：語言表示層、雙向長短記憶網絡層和條件隨機場層；

其中，所述語言表示層，用于將輸入的待處理文本轉換成第一句子向量，以及將所述第一句子向量輸入至所述雙向長短記憶網絡層；

所述雙向長短記憶網絡層，用于識別所述第一句子向量中的第一實體詞向量以及所述第一實體詞向量對應的概率值；

所述條件隨機場層，用于根據所述第一實體詞向量以及所述第一實體詞向量對應的概率值，確定所述待處理文本中的實體詞。

3.根據權利要求1所述的方法，其特征在于，所述情感信息提取模型包括：語言表示層、雙向長短記憶網絡層和條件隨機場層；

其中，所述語言表示層，用于將輸入的待處理文本轉換成第二句子向量，以及將輸入的實體詞轉換成第二實體詞向量，以及將所述第二句子向量和所述第二實體詞向量輸入至所述雙向長短記憶網絡層；

所述雙向長短記憶網絡層，用于在所述第二句子向量中識別所述第二實體詞向量對應的情感信息以及所述情感信息對應的概率值；

所述條件隨機場層，用于根據所述情感信息對應的概率值，確定所述待處理文本中的實體詞對應的情感信息。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述方法還包括：

確定實體識別訓練集和情感信息訓練集；所述實體識別訓練集包括多個實體識別訓練樣本，每個實體識別訓練樣本包括一個文本以及所述一個文本的P個實體詞，所述P為大于或等于1的整數；所述情感信息訓練集包括多個情感信息訓練樣本，每個情感信息訓練樣本包括一個文本、所述一個文本的一個實體詞以及所述一個實體詞對應的情感信息；

將所述實體識別訓練集輸入至第一神經網絡中進行訓練，得到所述實體對象識別模型，以及，將所述情感信息訓練集輸入至第二神經網絡進行訓練，得到所述情感信息提取模型。

5.根據權利要求4所述的方法，其特征在于，所述P大于1，所述確定情感信息訓練集，包括：

針對所述一個文本的P個實體詞中的每個實體詞分別構建一個情感信息訓練樣本，得到所述一個文本對應的P個情感信息訓練樣本。

6.根據權利要求4或5所述的方法，其特征在于，所述方法還包括：

根據所述實體識別訓練集生成所述實體詞典，以及，根據所述情感信息訓練集生成所述情感詞典。