[發明專利]基于人工智能的文本處理方法、裝置、設備及介質

在審

• 申請號: 202111162204.1
• 申請日: 2021-09-30
• 公開（公告）號: CN113850081A
• 公開（公告）日: 2021-12-28
• 發明（設計）人: 曠雄;鄭越;曾偉
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/242;G06K9/20;G06N3/04;G06N3/08
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及人工智能技術領域，提供了一種基于人工智能的文本處理方法、裝置、設備及存儲介質。所述方法包括：查找并刪除待處理文本中預設類型的詞得到第一關鍵文本，查詢并刪除第一關鍵文本中的關鍵數值信息得到第二關鍵文本；將第二關鍵文本拆分為單字得到多個單字并執行分詞操作得到多個分詞，將多個單字及多個分詞拼接成序列數據后輸入名稱識別模型，得到名稱信息；刪除名稱信息后提取出文本的各級地址信息，將關鍵數值信息、名稱信息及各級地址信息填充至預設的編輯欄位置。本發明可以提高文本自動錄入的準確性。本發明還涉及區塊鏈技術領域，上述待處理文本可以存儲于一區塊鏈的節點中。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種基于人工智能的文本處理方法、裝置、設備及存儲介質。

背景技術

目前，文本信息的錄入大多依靠人工進行手動錄入，雖然現有技術中有出現自動錄入文本的相關技術方案，但這些方案大多僅是將文本信息進行簡單的分詞后進行填充，由于待錄入的文本信息大多是人工手動編輯的，其格式繁多且不統一，利用該方案往往會出現分詞錯誤，導致錄入的相關欄位的文本出現錯誤。

發明內容

鑒于以上內容，本發明提供一種基于人工智能的文本處理方法、裝置、設備及存儲介質，其目的在于解決現有技術中由于文本格式不統一導致自動錄入文本時準確性較低的技術問題。

為實現上述目的，本發明提供一種基于人工智能的文本處理方法，該方法包括：

讀取用戶輸入的待處理文本，查找所述待處理文本中預設類型的詞，并從所述待處理文本中刪除所述預設類型的詞得到第一關鍵文本；

基于預先構建的正則表達式集判斷所述第一關鍵文本中是否存在關鍵數值信息，若是，從所述第一關鍵文本中刪除所述關鍵數值信息得到第二關鍵文本；

拆分所述第二關鍵文本得到多個單字，并對所述第二關鍵文本執行分詞操作得到多個分詞，將所述多個單字及所述多個分詞拼接成序列數據后輸入預先訓練好的名稱識別模型，判斷所述名稱識別模型是否識別出所述第二關鍵文本中的名稱信息；

當所述名稱識別模型識別出所述第二關鍵文本中的名稱信息時，從所述第二關鍵文本中刪除所述名稱信息得到第三關鍵文本，基于預先構建的地址詞詞典樹判斷所述第三關鍵文本中是否存在各級地址信息，若是，將所述關鍵數值信息、所述名稱信息及所述各級地址信息填充至預設的編輯欄位置。

優選的，所述基于預先構建的正則表達式集判斷所述第一關鍵文本中是否存在關鍵數值信息，包括：

將所述第一關鍵文本與所述正則表達式集進行匹配，判斷所述第一關鍵文本與所述正則表達式集是否匹配成功，當判斷所述第一關鍵文本與所述正則表達式集中任一正則表達式匹配成功時，則判斷所述第一關鍵文本中存在關鍵數值信息，并將匹配成功的正則表達式對應的匹配結果作為所述關鍵數值信息。

優選的，所述判斷所述第一關鍵文本與所述正則表達式集是否匹配成功，包括：

當判斷所述第一關鍵文本與所述正則表達式集中所有正則表達式均匹配失敗時，生成第一提示信息并將所述第一提示信息反饋至所述用戶。

優選的，所述名稱識別模型的訓練過程，包括：

獲取預設數量的樣本文本，為各樣本文本標注名稱標簽，將各樣本文本作為自變量、各樣本文本的名稱標簽作為因變量生成樣本集；

將所述樣本集中每個樣本輸入預先構建的模型，得到所述樣本集中每個樣本的預測名稱，所述預先構建的模型包括BiLSTM-CRF模型；

基于所述樣本集中每個樣本的名稱標簽讀取所述樣本集中每個樣本的真實名稱；

通過最小化所述預測名稱與所述真實名稱之間的損失值確定所述名稱識別模型的結構參數，得到訓練好的名稱識別模型。

優選的，所述方法還包括：