一種文本要素提取方法

基本信息

申請?zhí)?/td> CN202110164189.8 申請日 -
公開（公告）號 CN112989787A 公開（公告）日 2021-06-18
申請公布號 CN112989787A 申請公布日 2021-06-18
分類號 G06F40/205;G06F40/284;G06F40/295;G06K9/62 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 朱宇 申請（專利權(quán)）人 杭州云嘉云計(jì)算有限公司
代理機(jī)構(gòu) 杭州杭誠專利事務(wù)所有限公司 代理人 尉偉敏
地址 311100 浙江省杭州市余杭區(qū)五常街道聯(lián)創(chuàng)街188號5號樓401室
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種文本要素提取方法，包括以下步驟：將文本分割，并轉(zhuǎn)換為字符序列；賦予字符若干種表征方式，合并后得到向量集合；將向量集合分為多個(gè)子集并進(jìn)行若干次要素提取模型訓(xùn)練得到最終模型；利用最終模型根據(jù)匹配規(guī)則進(jìn)行文本要素提取。每種字符多種表征方式，使得向量集合的數(shù)據(jù)量龐大，同時(shí)通過拆分子集的形式，相互驗(yàn)證和優(yōu)化，充分利用數(shù)據(jù)資源，降低數(shù)據(jù)量要求，提高效率。本發(fā)明的實(shí)質(zhì)性效果包括：既能解決無規(guī)則模式的新增要素的數(shù)據(jù)獲取問題，減少人工標(biāo)注成本，又能解決直接在已有模型上增加具備規(guī)則模式的新增要素使其作為新優(yōu)化模型，縮短業(yè)務(wù)實(shí)施時(shí)間，增強(qiáng)識別效果。