[發明專利]文本處理方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110948029.2
• 申請日: 2021-08-18
• 公開（公告）號: CN113626600A
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 陶予祺;孫勤;柴玉倩
• 申請（專利權）人: 企查查科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/284;G06F40/242
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 姜曉云

本申請涉及一種文本處理方法、裝置、計算機設備和存儲介質。所述方法包括：對待處理文本進行句子提取，得到初始句子集合；通過預先訓練得到的第一關鍵詞分類模型，從所述初始句子集合中篩選出包含至少一個第一關鍵詞的第一句子集合；通過預先訓練得到的第一信息提取模型，從所述第一句子集合中提取所述第一關鍵詞對應的至少一個第一信息。采用本方法能夠從第一句子集合中提取所述第一關鍵詞對應的至少一個第一信息，而第一句子集合中的句子又可以是待處理文本中的任意位置處的句子，因此本申請中所提取的第一信息可以是全文任意位置的信息，克服了傳統技術中只能提取對應區塊的單一數據的問題。

技術領域

本申請涉及文本處理技術領域，特別是涉及一種文本處理方法、裝置、計算機設備和存儲介質。

背景技術

在企業或政務部門中，隨著其服務社會的時長和所開展業務種類的增加，隨之產生的之相關文本數量和種類也會成幾何倍數的增長。從相應的文本中提取目標數據，以滿足新的或與之相關聯的業務需求，則變成了一種常用的獲取數據的方式。

傳統方法中，數據提取人員，將種類繁多的文本分類，將同一類的文本分塊，以提取對應塊中的單一種類數據。然而，傳統的方法，僅能提取對應區塊的單一數據。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠可以在全文中提取多種數據的文本處理方法、裝置、計算機設備和存儲介質。

一種文本處理方法，所述方法包括：

對待處理文本進行句子提取，得到初始句子集合；

通過預先訓練得到的第一關鍵詞分類模型，從所述初始句子集合中篩選出包含至少一個第一關鍵詞的第一句子集合；

通過預先訓練得到的第一信息提取模型，從所述第一句子集合中提取所述第一關鍵詞對應的至少一個第一信息。

一種文本處理裝置，所述裝置包括：

第一提取模塊，用于對待處理文本進行句子提取，得到初始句子集合；

第一篩選模塊，用于通過預先訓練得到的第一關鍵詞分類模型，從所述初始句子集合中篩選出包含至少一個第一關鍵詞的第一句子集合；

第一提取信息模塊，用于通過預先訓練得到的第一信息提取模型，從所述第一句子集合中提取所述第一關鍵詞對應的至少一個第一信息。

在其中一個實施例中，還包括：

第二提取模塊，用于從所述初始句子集合中提取出包括所述第一信息的第二句子集合；

第二篩選模塊，用于通過預先訓練得到的第二關鍵詞分類模型，從所述第二句子集合中篩選出包含至少一個第二關鍵詞對應的第三句子集合；

第二提取信息模塊，用于通過預先訓練得到的第二信息提取模型，從所述第三句子集合中提取所述第二關鍵詞對應的至少一個第二信息。

一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現上述的方法的步驟。

一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現上述的方法的步驟。

上述文本處理方法、裝置、計算機設備和存儲介質，從所述初始句子集合中篩選出包含至少一個第一關鍵詞的第一句子集合可知，第一關鍵詞至少一個；通過預先訓練得到的第一信息提取模型，從所述第一句子集合中提取所述第一關鍵詞對應的至少一個第一信息可知，本實施例中的文本處理方法可以從第一句子集合中提取所述第一關鍵詞對應的至少一個第一信息，而第一句子集合中的句子又可以是待處理文本中的任意位置處的句子，因此本申請中所提取的第一信息可以是全文任意位置的信息，克服了傳統技術中只能提取對應區塊的單一數據的問題。

附圖說明