文本要素提取方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114266238A(43)申请公布日2022.04.01(21)申请号202111530417.5(22)申请日2021.12.14(71)申请人科大讯飞（苏州）科技有限公司地址215021江苏省苏州市工业园区金鸡湖大道88号E4单元(72)发明人张逸伦李直旭郑新陈志刚李明洹陈耀玲支洪平(74)专利代理机构北京路浩知识产权代理有限公司11002代理人程琛(51)Int.Cl.G06F40/205(2020.01)G06F40/284(2020.01)G06F16/35(2019.01)G06F16/31(2019.01)权利要求书2页说明书13页附图6页(54)发明名称文本要素提取方法、装置、电子设备及存储介质(57)摘要本发明提供一种文本要素提取方法、装置、电子设备及存储介质，其中方法包括：确定待识别文本；对所述待识别文本中的每个子句进行要素粒度分类，得到所述每个子句的要素粒度类型，所述要素粒度类型为句粒度或词粒度；基于所述每个子句的要素粒度类型，对所述待识别文本进行要素提取，得到目标要素文本。本发明提供的方法、装置、电子设备及存储介质，能够通过对待识别文本中的每个子句进行词粒度和句粒度的分类，每个子句通过其对应的粒度类型进行要素提取，得到目标要素文本，实现了基于使用词粒度结合句粒度对文本进行非连续要素提取，在保证识别准确率的同时，还提高了识别的时效性，进而提高了要素提取的准确率和时效性。CN114266238ACN114266238A权利要求书1/2页1.一种文本要素提取方法，其特征在于，包括：确定待识别文本；对所述待识别文本中的每个子句进行要素粒度分类，得到所述每个子句的要素粒度类型，所述要素粒度类型为句粒度或词粒度；基于所述每个子句的要素粒度类型，对所述待识别文本进行要素提取，得到目标要素文本。2.根据权利要求1所述的文本要素提取方法，其特征在于，所述基于所述每个子句的要素粒度类型，对所述待识别文本进行要素提取，得到目标要素文本，包括：基于所述每个子句的要素粒度类型，对所述待识别文本进行分割，得到元素序列；对所述元素序列进行要素提取，得到目标要素文本。3.根据权利要求2所述的文本要素提取方法，其特征在于，所述基于所述每个子句的要素粒度类型，对所述待识别文本进行分割，得到元素序列，包括：若所述待识别文本中的当前子句的要素粒度类型为词粒度，则将所述当前子句的分词序列存入所述元素序列，否则将所述当前子句存入所述元素序列；将所述待识别文本中所述当前子句的下一子句更新为当前子句。4.根据权利要求1所述的文本要素提取方法，其特征在于，所述确定待识别文本包括：确定原始文本；对所述原始文本进行要素类别检测，在所述原始文本中存在任一要素类别的情况下，定位所述任一要素类别在所述原始文本中的候选起始索引和候选终点索引；基于所述任一要素类别在所述原始文本中的候选起始索引和候选终点索引的位置，从所述原始文本中确定出所述任一要素类别对应的待识别文本。5.根据权利要求4所述的文本要素提取方法，其特征在于，所述对所述原始文本进行要素类别检测，在所述原始文本中存在任一要素类别的情况下，定位所述任一要素类别在所述原始文本中的候选起始索引和候选终点索引，包括：对所述原始文本进行语义提取，得到所述原始文本的文本语义以及所述原始文本中每个字的上下文语义；基于所述原始文本的文本语义，对所述原始文本进行要素类别检测，并在所述原始文本中存在任一要素类别的情况下，基于所述原始文本中每个字的上下文语义，定位所述任一要素类别在所述原始文本中的所述候选起始索引和所述候选终点索引。6.根据权利要求4所述的文本要素提取方法，其特征在于，所述基于所述任一要素类别在所述原始文本中的候选起始索引和候选终点索引的位置，从所述原始文本中确定出所述任一要素类别对应的待识别文本，包括：以候选起始索引的位置在候选终点索引的位置之前，且候选起始索引与候选终点索引间距离最近为限制条件，对所述任一要素类别在所述原始文本中的候选起始索引和候选终点索引进行组合，得到所述任一要素类别的候选索引对；基于所述任一要素类别的各候选索引对中候选起始索引的置信度和候选终点索引的置信度，从所述任一要素类别的各候选索引对中选取始末索引对；基于所述始末索引对，从所述原始文本中确定出所述任一要素类别对应的待识别文本。2CN114266238A权利要求书2/2页7.根据权利要求6所述的文本要素提取方法，其特征在于，所述基于所述始末索引对，从所述原始文本中确定出所述任一要素类别对应的待识别文本，包括：从所述原始文本中确定出各个始末索引对的索引文本；基于每两个始末索引对的索引文本间的语义相似度和句法重复度，对所有索引文本进行去重，句法重复度是基于两个