[發明專利]信息提取方法、裝置、計算機設備、存儲介質

在審

• 申請號: 202211404727.7
• 申請日: 2022-11-10
• 公開（公告）號: CN115934926A
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 楊小峰;張佳博
• 申請（專利權）人: 上海工物高技術產業發展有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/35;G06F40/289;G06F40/295;G06F40/284
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 唐敏

本公開涉及一種信息提取方法、裝置、計算機設備、存儲介質。所述方法包括：接收待解析文檔；對所述待解析文檔進行解析，獲取所述待解析文檔中文本數據信息；對所述文本數據信息進行分詞處理，得到分詞文本信息；利用預先設置的關鍵字段和關鍵詞邏輯表達式對所述分詞文本信息進行關鍵詞抽取，輸出所述待解析文檔的關鍵詞信息，將每個所述待解析文檔的關鍵信息與預設的關鍵信息進行比較，確定每個所述待解析文檔的關鍵信息匹配度，響應于所述關鍵信息匹配度小于預設的匹配度閾值，將對應的所述待解析文檔進行過濾。采用本方法能夠能夠快速的在大量文檔中快速的找到匹配度較高的需求文檔或者需求文檔中的關鍵結果。

技術領域

本公開涉及數據處理技術領域，特別是涉及一種信息提取方法、裝置、計算設備、存儲介質。

背景技術

隨著信息技術的發展，人們越來越注重信息的交互。通常使用計算機或者各種終端設備來對文本信息進行存儲以及閱讀。當用戶需要在某類文檔或者文件中查詢關鍵信息時，需要依靠人工對該類文檔進行閱讀，進而提取中其中需要獲取的關鍵信息。

然而，該種方式在需要閱讀大量的文檔時，通過人工閱讀的方式不僅費時費力、效率低下、同時，還會由于時間緊迫性可能會遺漏文檔中的關鍵信息或者提取錯誤的關鍵信息。因此，通過這種方法很難在有限的時間內以及大量的文檔中快速的找到匹配度較高的需求文檔或者需求文檔中的關鍵結果，會對后續業務結果產生不利的影響。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠快速的在大量文檔中快速的找到匹配度較高的需求文檔或者需求文檔中的關鍵結果的信息提取方法、裝置、計算設備、存儲介質。

第一方面，本公開提供了一種信息提取方法。所述方法包括：

接收至少一個待解析文檔；

對每個所述待解析文檔進行解析，獲取每個所述待解析文檔中文本數據信息；

對所述文本數據信息進行分詞處理，得到分詞文本信息；

利用預先設置的關鍵字段和關鍵詞邏輯表達式對所述分詞文本信息進行關鍵詞抽取，輸出每個所述待解析文檔的關鍵詞信息。

在其中一個實施例中，所述對所述文本數據信息進行分詞處理，得到分詞文本信息，包括：

利用文本分類算法對所述文本數據信息進行文本分類，確定所述文本數據信息的分類結果，所述文本分類算法包括：Fast?Text模型；

利用自然語言處理對所述文本數據信息進行分詞、詞性標記、命名實體識別，得到分詞文本信息。

在其中一個實施例中，所述待解析文檔的格式至少包括：PPTX格式、DOCX格式、DOC格式和XLXS格式，所述對所述帶解析文檔進行解析，包括：將所述待解析文檔的格式轉換為可攜帶文檔格式，對所述可攜帶文檔格式進行解析。

在其中一個實施例中，所述對所述可攜帶文檔格式進行解析，包括：

對轉換為可攜帶文檔格式的待解析文檔進行解析，獲取所述待解析文檔中文本數據信息，所述文本數據信息至少包括：字符信息、矩陣信息和行列信息。

在其中一個實施例中，所述方法還包括：對所述字符信息、矩陣信息和行列信息進行預處理，所述預處理包括：分句、大小寫轉換和統一字符和符號。

在其中一個實施例中，所述方法還包括：將每個所述待解析文檔的關鍵信息與預設的關鍵信息進行比較，確定每個所述待解析文檔的關鍵信息匹配度，響應于所述關鍵信息匹配度小于預設的匹配度閾值，將對應的所述待解析文檔進行過濾。

第二方面，本公開還提供了一種信息提取裝置。所述裝置包括：

信息接收模塊，用于接收至少一個待解析文檔并存儲；