CN108305050A - 报案信息及服务需求信息的提取方法、装置、设备及介质 - Google Patents
报案信息及服务需求信息的提取方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN108305050A CN108305050A CN201810128651.7A CN201810128651A CN108305050A CN 108305050 A CN108305050 A CN 108305050A CN 201810128651 A CN201810128651 A CN 201810128651A CN 108305050 A CN108305050 A CN 108305050A
- Authority
- CN
- China
- Prior art keywords
- information
- case
- security authorities
- reporting
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000000605 extraction Methods 0.000 claims abstract description 155
- 239000000284 extract Substances 0.000 claims abstract description 25
- 230000014509 gene expression Effects 0.000 claims description 67
- 238000012545 processing Methods 0.000 claims description 26
- 230000011218 segmentation Effects 0.000 claims description 22
- 238000005516 engineering process Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 235000013547 stew Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种报案信息及服务需求信息的提取方法、装置、设备及介质。包括：获取报案信息，报案信息中包括至少两种信息类型的案件关联信息；使用与信息类型匹配的信息提取技术，提取报案信息中包括的至少两种信息类型的案件关联信息；根据提取的案件关联信息，生成与报案信息匹配的信息提取结果。本发明实施例的技术方案解决了无法实现智能从用户的描述中提取案件的基本属性，只能针对单个内容进行录入，不可连续录入所有内容，用户体验较差的问题，达到了自动提取报案信息，避免用户在报案时分别填写不同类型的报案信息的繁琐操作，降低用户学习使用报案软件的成本，提高用户体验，节省录入案件的复杂度，提高报案及服务效率的效果。
Description
技术领域
本发明实施例涉及信息处理技术，尤其涉及一种报案信息及服务需求信息的提取方法、装置、设备及介质。
背景技术
随着互联网技术的发展，各行政部门以及服务行业设立了各种各样的便民网络平台，用户通过移动终端访问平台，输入相关信息，即可便捷地进行相关事务的办理。例如，用户可以通过移动终端访问行政部门设立的报案平台，进行报案。用户可以通过移动终端访问服务行业设立的服务平台，进行打车和订餐。
现有技术中，用户通过移动终端进行报案时，手动填写地址、时间、事件等报案信息。当用户通过移动终端使用服务平台时，手动填写服务需求信息。例如，在打车软件上输入地址，以及在订餐软件上输入菜名等。
现有技术存在以下缺陷：无法实现智能从用户的描述中提取案件的基本属性或服务需求信息，只能针对单个内容进行录入，不可连续录入所有内容，用户体验较差。
发明内容
有鉴于此，本发明提供一种报案信息及服务需求信息的提取方法、装置、设备及介质，以实现自动提取报案信息及服务需求信息，提高报案及服务效率，提高用户体验。
第一方面，本发明实施例提供了一种报案信息的提取方法，包括：
获取报案信息，所述报案信息中包括至少两种信息类型的案件关联信息；
使用与信息类型匹配的信息提取技术，提取所述报案信息中包括的所述至少两种信息类型的案件关联信息；
根据提取的所述至少两种信息类型的案件关联信息，生成与所述报案信息匹配的信息提取结果。
第二方面，本发明实施例还提供了一种服务需求信息的提取方法，包括：
获取服务需求信息，其中，所述服务需求信息包括至少两种信息类型的需求关联信息；
使用与信息类型匹配的信息提取技术，提取所述服务需求信息中包括的所述至少两种信息类型的需求关联信息；
根据提取的所述至少两种信息类型的需求关联信息，生成与所述服务需求信息匹配的信息提取结果。
第三方面，本发明实施例还提供了一种报案信息的提取装置，包括：
报案信息获取模块，用于获取报案信息，所述报案信息中包括至少两种信息类型的案件关联信息；
关联信息提取模块，用于使用与信息类型匹配的信息提取技术，提取所述报案信息中包括的所述至少两种信息类型的案件关联信息；
提取结果生成模块，用于根据提取的所述至少两种信息类型的案件关联信息，生成与所述报案信息匹配的信息提取结果。
第四方面，本发明实施例还提供了一种服务需求信息的提取装置，包括：
服务信息获取模块，用于获取服务需求信息，其中，所述服务需求信息包括至少两种信息类型的需求关联信息；
需求信息提取模块，用于使用与信息类型匹配的信息提取技术，提取所述服务需求信息中包括的所述至少两种信息类型的需求关联信息；
需求结果生成模块，用于根据提取的所述至少两种信息类型的需求关联信息，生成与所述服务需求信息匹配的信息提取结果。
第五方面，本发明实施例还提供了一种设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例提供的报案信息的提取方法。
第六方面，本发明实施例还提供了一种设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例提供的服务需求信息的提取方法。
第七方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例提供的报案信息的提取方法。
第八方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例提供的服务需求信息的提取方法。
本发明实施例提供的一种报案信息及服务需求信息的提取方法、装置、设备及介质，通过获取报案信息，使用与信息类型匹配的信息提取技术，提取报案信息中包括的至少两种信息类型的案件关联信息，根据提取的至少两种信息类型的案件关联信息，生成与报案信息匹配的信息提取结果，解决了现有技术无法实现智能从用户的描述中提取案件的基本属性，只能针对单个内容进行录入，不可连续录入所有内容，用户体验较差的问题，达到了自动提取报案信息，避免用户在报案时分别填写不同类型的报案信息的繁琐操作，降低用户学习使用报案软件的成本，提高用户体验，节省录入案件的复杂度，提高报案及服务效率的效果。
附图说明
图1为本发明实施例一提供的一种报案信息的提取方法的流程图；
图2为本发明实施例二提供的一种报案信息的提取方法的流程图；
图3为本发明实施例三提供的一种报案信息的提取方法的流程图；
图4为本发明实施例四提供的一种服务需求信息的提取方法的流程图；
图5为本发明实施例五提供的一种报案信息的提取方法的流程图；
图6为本发明实施例五所适用的地址识别模型的生成方法的流程图；
图7为本发明实施例五所适用的模型文件的示意图；
图8为基于本发明实施例五所适用的地址识别模型的信息提取方法的流程图；
图9为本发明实施例六提供的一种报案信息的提取装置的结构框图；
图10为本发明实施例七提供的一种服务需求信息的提取装置的结构框图；
图11为本发明实施例八提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种报案信息的提取方法的流程图，本实施例可适用于当户通过电子设备(例如，移动终端或者台式机等)进行报案时，自动提取报案信息的情况，该方法可以由报案信息的提取装置来执行，所述装置由软件和/或硬件来执行，并一般可集成在报案信息的提取设备中。报案信息的提取设备包括但不限定于计算机等。具体包括如下步骤：
步骤110、获取报案信息，所述报案信息中包括至少两种信息类型的案件关联信息。
其中，报案平台一般设置有报案信息输入接口，报案平台通过报案信息输入接口获取用户输入的报案信息。用户可通过电子设备，典型的，移动终端，访问报案信息输入接口，在报案平台中输入报案信息。
可选的，获取报案信息，可以包括：根据用户在报案平台中输入的报案语音，使用语音转文字技术，生成与所述报案语音匹配的所述报案信息。
其中，报案平台的报案信息输入接口可以获取用户在报案平台中输入的报案语音。用户通过语音进行报案，按照用户自身的语言习惯输入报案信息时，通过报案信息输入接口获取用户输入的报案语音，并使用语音转文字技术将报案语音转化为报案文本。报案文本即为与报案语音匹配的报案信息。
或者，获取报案信息，可以包括：根据用户在报案平台中输入的报案文本，将获取的所述报案文本作为所述报案信息。
其中，报案平台的报案信息输入接口可以获取用户在报案平台中输入的报案文本。用户按照用户自身的文字输入习惯输入报案文本时，通过报案信息输入接口获取用户输入的报案文本，将报案文本作为报案信息。
进一步的，报案平台的报案信息输入接口可以同时获取用户在报案平台中输入的报案语音和报案文本。用户可根据自身的需求对报案方式进行选择。例如，当识别到用户通过语音或文字向报案平台输入“我要报案”的信息时，报案平台进入报案场景，向用户提供报案方式选项：1、语音报案；2、文字报案。用户通过语音输入“语音报案”或“文字报案”即可选择对应的报案方式。
当用户选择通过语音进行报案，按照用户自身的语言习惯输入报案信息时，通过报案信息输入接口获取用户输入的报案语音，并使用语音转文字技术将报案语音转化为报案文本。报案文本即为与报案语音匹配的报案信息。例如，用户的报案语音为“2017年12月11日下午3点有人在观山湖区长岭北路张贴小广告”，使用语音转文字技术将报案语音转化为报案文本后，得到报案文本“2017年12月11日下午3点有人在观山湖区长岭北路张贴小广告”。
其中，语音转文字技术的原理是：不同的发音有不同的频谱线(也称为声纹)，预先记录声音频谱线和文字的关系，在捕捉到新的声音频谱线后与的记录的声音频谱线进行比对，根据声音频谱线和文字的关系即可查出与新的声音频谱线对应的文字，从而实现将语音转化为文字。
当用户选择通过文字进行报案，按照用户自身的文字输入习惯输入报案文本时，通过报案信息输入接口获取用户输入的报案文本，将报案文本作为报案信息。例如，用户的报案文本为“2017年12月11日下午3点有人在观山湖区长岭北路张贴小广告”。
可选的，所述报案信息中可以具体包括下述至少两项：地址类型的信息、以及时间类型的信息以及案件描述类型的信息。
其中，为了进行有效的报案，用户需要提供与案件相关的地址、时间、事件等信息。用户输入的报案信息中具体包括下述至少两项：地址类型的信息、以及时间类型的信息以及案件描述类型的信息。例如，用户输入的报案信息为“2017年12月11日下午3点有人在观山湖区长岭北路张贴小广告”，其中，地址类型的信息为“观山湖区长岭北路”，时间类型的信息为“2017年12月11日下午3点”，案件描述类型的信息为“有人在张贴小广告”。
步骤120、使用与信息类型匹配的信息提取技术，提取所述报案信息中包括的所述至少两种信息类型的案件关联信息。
其中，使用与信息类型匹配的信息提取技术，提取报案信息中包括的不同信息类型的案件关联信息。信息类型可以包括：地址类型、时间类型以及案件描述类型。
具体的，在获取报案信息后，将报案信息输入至预先训练的地址识别模型中，并将地址识别模型的输出结果，作为地址类型的案件关联信息，例如，“观山湖区长岭北路”；将报案信息与预先设定的正则表达式进行匹配，得到时间类型的案件关联信息，例如，“2017年12月11日，下午，03:00”；从报案信息中去除地址类型的案件关联信息以及时间类型的案件关联信息，得到剩余信息，按照设定句法模板对剩余信息进行规整处理，得到案件描述类型的案件关联信息，例如，“有人张贴小广告”。
步骤130、根据提取的所述至少两种信息类型的案件关联信息，生成与所述报案信息匹配的信息提取结果。
其中，提取报案信息中包括的不同信息类型的案件关联信息后，分别将时间类型的案件关联信息、地址类型的案件关联信息以及案件描述类型的案件关联信息与对应的名称条目进行组合，根据组合结果，生成与报案信息匹配的信息提取结果。例如，信息提取结果为“时间：2017年11月8日，下午，03:00；地址：观山湖区长岭北路；描述：有人张贴小广告”。
本实施例提供的一种报案信息的提取方法，通过获取报案信息，使用与信息类型匹配的信息提取技术，提取报案信息中包括的至少两种信息类型的案件关联信息，根据提取的至少两种信息类型的案件关联信息，生成与报案信息匹配的信息提取结果，解决了现有技术无法实现智能从用户的描述中提取案件的基本属性，只能针对单个内容进行录入，不可连续录入所有内容，用户体验较差的问题，达到了自动提取报案信息，避免用户在报案时分别填写不同类型的报案信息的繁琐操作，降低用户学习使用报案软件的成本，提高用户体验，节省录入案件的复杂度，提高报案及服务效率的效果。
实施例二
图2为本发明实施例二提供的一种报案信息的提取方法的流程图，本实施例在上述实施例的基础上进行优化。如图2所示，该方法包括：
步骤201、获取与所述报案信息匹配的设定数量范围的历史报案信息，其中，在所述历史报案信息中对地址类型的信息进行了预先标注。
其中，在获取报案信息之前，报案平台获取设定数量范围的历史报案信息。可选的，设定数量范围可以为20万。报案平台预先采用条件随机场算法对历史报案信息中的地址类型的信息进行逐字的词性标注。“条件随机场”被用于中文分词和词性标注等词法分析工作。条件随机场使用一种概率图模型，具有表达长距离依赖性和交叠性特征的能力，能够较好地解决标注(分类)偏置等问题的优点，而且所有特征可以进行全局归一化，能够求得全局的最优解。
可选的，词性标注采用4-tag标注法。字标注法是依据汉字在词中的位置，对每个汉字标注一个符号。4-tag标注法将单字标注为S，词的第一个字标注为B，词的最后一个字标注为E，词中间的字标注为M。即B表示Beginning起始字，M表示Middle中间字，E表示End结尾字，S表示Single单个字。
步骤202、将所述设定数量范围的历史报案信息输入至设定机器模型中，对所述机器模型进行训练，得到所述地址识别模型。
其中，将设定数量范围的已经进行预先标注的历史报案信息输入至设定机器模型中，采用设定算法对历史报案信息中的地址类型的信息进行训练，生成地址识别模型。地址识别模型用于对用户输入的报案信息中的地址词进行识别，并输出识别结果。
可选的，机器模型可以具体包括：条件随机场模型。
其中，条件随机场模型是一个条件概率模型，即在X组随机变量给定情况下的随机变量组Y的条件概率分布的模型问题。X为要解决问题中的己知信息，而Y表示希望待解决的“答案”。条件随机场常常用于预测、标注、识别问题。条件随机场模型的核心在于针对具体的任务选择合适的特征。选定特征后，通过样本训练参数就可以生成具体的条件随机场模型。条件随机场的特征是由特征模板匹配训练语料产生的。
其中，将设定数量范围的已经进行预先标注的历史报案信息作为训练语料，输入至条件随机场模型中，采用条件随机场算法对历史报案信息中的地址类型的信息进行训练，生成用于对用户输入的报案信息中的地址词进行识别的具体的条件随机场模型，即地址识别模型。
可选的，历史报案信息可以包括：将报案平台在设定时间区间内接收的历史报案语音，和/或历史报案文字经过处理后得到的样本数据。
其中，通过设置设定时间区间，对历史报案信息进行管理，可以根据需求获取不同时间区间的历史报案信息。
其中，获取报案平台在设定时间区间内接收的历史报案语音，和/或历史报案文本。将获取历史报案语音，并使用语音转文字技术将报案语音转化为报案文本。采用条件随机场算法对与历史报案语音对应的报案文本以及历史报案文本中的地址类型的信息进行逐字的词性标注，作为样本数据。
步骤203、获取报案信息，所述报案信息中包括至少两种信息类型的案件关联信息。
步骤204、将所述报案信息输入至预先训练的地址识别模型中，并将所述地址识别模型的输出结果，作为地址类型的案件关联信息。
其中，将报案信息输入至预先训练的地址识别模型中，地址识别模型对报案信息中的地址进行识别，将识别到的地址信息作为结果输出。例如，用户输入的报案信息为“昨天下午有人在观山湖区长岭北路张贴小广告”，识别到的地址信息为“观山湖区长岭北路”。将地址识别模型的输出结果作为与报案信息对应的地址类型的案件关联信息。
步骤205、将所述报案信息与预先设定的正则表达式进行匹配，得到时间类型的案件关联信息。
其中，正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。给定一个正则表达式和另一个字符串，可以判断给定的字符串是否符合正则表达式的过滤逻辑(称作“匹配”)，可以通过正则表达式，从字符串中获取特定部分。
其中，根据时间信息的格式设定正则表达式，获取报案信息后，将报案信息与预先设定的正则表达式进行匹配，将报案信息中符合时间信息的格式的部分提取出来，从而得到时间类型的案件关联信息。
可选的，将所述报案信息与预先设定的正则表达式进行匹配，得到时间类型的案件关联信息，可以包括：
将所述报案信息与预先设定的正则表达式进行匹配，生成时间类型的待验证信息；
如果确定所述待验证信息中不包括模糊表达关键词，则将所述待验证信息作为所述时间类型的案件关联信息。
其中，获取报案信息后，将报案信息与预先设定的正则表达式进行匹配，将报案信息中符合时间信息的格式的部分提取出来，作为时间类型的待验证信息。
其中，判断待验证信息中是否包括模糊表达关键词，例如“昨天下午”。如果确定待验证信息中包括至少一项模糊表达关键词，则自动获取当前时间，并通过当前时间的时间戳推断待验证信息中的模糊表达关键词所代表的精确时间，获取对应的精确时间表达信息，并将模糊表达关键词替换为对应的精确时间表达信息。例如，将模糊表达关键词“昨天下午”替换为对应的精确时间表达信息“2017年11月8日，16:00”。将完成替换后的待验证信息作为与报案信息对应的时间类型的案件关联信息。
可选的，如果确定所述待验证信息中包括至少一项模糊表达关键词，则将所述至少一项模糊表达关键词替换为对应的精确时间表达信息，得到所述时间类型的案件关联信息，可以包括：
如果确定所述待验证信息中包括与日期对应的第一模糊表达关键词，则根据当前系统时间得到与所述第一模糊表达关键词对应的标准日期信息，并使用所述标准日期信息替换所述待验证信息中的所述第一模糊表达关键词；
如果确定所述待验证信息中包括与时间段对应的第二模糊表达关键词，则使用与所述第二模糊表达关键词对应的时间段替换所述待验证信息中的所述第二模糊表达关键词。
其中，判断待验证信息中是否包括与日期对应的第一模糊表达关键词，例如“昨天”。如果确定待验证信息中包括与日期对应的第一模糊表达关键词，则自动获取当前系统时间，并通过当前时间的时间戳推断与第一模糊表达关键词对应的标准日期信息，并使用标准日期信息替换所述待验证信息中的第一模糊表达关键词。例如，根据当前系统时间为“2017年11月9日”,将第一模糊表达关键词“昨天”替换为对应的标准日期信息“2017年11月8日”。
其中，判断待验证信息中是否包括与时间段对应的第二模糊表达关键词，例如“下午”。
如果确定待验证信息中包括与时间段对应的第二模糊表达关键词，则使用与第二模糊表达关键词对应的时间段替换待验证信息中的第二模糊表达关键词。例如，将第二模糊表达关键词“下午”替换为对应的时间段“14:00-16:00”。
步骤206、从所述报案信息中去除所述地址类型的案件关联信息以及所述时间类型的案件关联信息，得到剩余信息。
其中，获取与报案信息对应的地址类型的案件关联信息以及所述时间类型的案件关联信息后，从报案信息中去除地址类型的案件关联信息以及所述时间类型的案件关联信息，得到剩余信息。例如，用户输入的报案信息为“昨天下午有人在观山湖区长岭北路张贴小广告”，与报案信息对应的地址类型的案件关联信息为“观山湖区长岭北路”，与报案信息对应的时间类型的案件关联信息为“2017年11月8日，14:00-16:00”。从报案信息中去除地址类型的案件关联信息以及所述时间类型的案件关联信息，得到剩余信息“有人在张贴小广告”。
步骤207、按照设定句法模板对所述剩余信息进行规整处理，得到案件描述类型的所述案件关联信息。
其中，由于用户自身语言习惯的限制，去除地址类型的案件关联信息以及所述时间类型的案件关联信息后得到剩余信息可能是不符合常规的语言表达习惯的。例如，剩余信息中可能会包含多余的介词(例如，在)或者结构助词(例如，的、地、以及得等)，造成句法结构不规范。针对这种情况，按照设定句法模板对剩余信息进行规整处理，得到案件描述类型的所述案件关联信息，保证案件描述类型的所述案件关联信息的语句是规整且通顺的。
例如，报案信息为“昨天下午有人在位于观山湖区长岭北路的墙壁上张贴小广告”。其中，“位于”是依附于地址类型的案件关联信息为“观山湖区长岭北路”的介词，“的”是为了连接地址类型的案件关联信息以及案件描述类型的案件关联信息的一个结构助词。针对这句话，如果直接去除所述地址类型的案件关联信息以及所述时间类型的案件关联信息，则得到的剩余信息为：“有人在位于的墙壁上张贴小广告”。这样的剩余信息就有些晦涩难懂了。
通过使用设定句法模板对所述剩余信息进行规整处理，可以去掉句子中多余的介词“位于”以及结构助词“的”，得到一个符合实际句法规则的案件描述类型的案件关联信息“有人张贴小广告”，以符合用户实际的阅读习惯。
步骤208、分别将时间类型的案件关联信息、地址类型的案件关联信息以及案件描述类型的案件关联信息与对应的名称条目进行组合。
其中，提取报案信息中包括的不同信息类型的案件关联信息后，分别将时间类型的案件关联信息、地址类型的案件关联信息以及案件描述类型的案件关联信息与对应的名称条目进行组合。名称条目可以包括：时间、地址和描述。
步骤209、根据组合结果，生成与所述报案信息匹配的信息提取结果。
其中，根据组合结果，生成与报案信息匹配的信息提取结果。例如，信息提取结果为“时间：2017年11月8日，16:00；地址：观山湖区长岭北路；描述：有人张贴小广告”。
步骤210、将所述信息提取结果提供给用户，并向所述用户提供结果验证请求。
其中，生成与报案信息匹配的信息提取结果后，将信息提取结果提供给用户。例如，将信息提取结果发送至用户所使用的移动终端，通过移动终端的显示装置显示给用户，并提供结果验证请求。同时，向用户提供结果验证请求。可选的，向用户提供结果验证选项。例如，通过移动终端的显示装置显示“确认无误请回复【是】，重新输入请回复【否】”。
步骤211、如果接收到所述用户反馈的与所述结果验证请求对应的重新输入响应，则根据所述用户的重新输入信息，更新所述信息提取结果。
其中，报案平台可以获取用户输入的反馈语音和/或反馈文本。用户可根据自身的需求对报案方式进行选择。如果接收到用户反馈的与结果验证请求对应的重新输入响应，则根据用户的重新输入信息，更新信息提取结果。例如，当识别到用户通过语音或文字向报案平台输入“否”的信息时，报案平台提示用户进行重新输入，并根据用户的重新输入信息，更新信息提取结果。
可选的，所述重新输入信息可以包括：
与所述报案信息匹配的整句替换输入信息，或者与所述信息提取结果中至少一个名称条目匹配的局部替换输入信息。
其中，如果信息提取结果中的时间类型的案件关联信息、地址类型的案件关联信息以及案件描述类型的案件关联信息皆与用户自身输入的报案信息中对应的信息不一致，则用户可以选择重新输入与报案信息匹配的整句替换输入信息。如果仅是时间类型的案件关联信息、地址类型的案件关联信息以及案件描述类型的案件关联信息中的某个名称条目的案件关联信息不一致，用户可以选择，重新输入与信息提取结果中对应的名称条目匹配的局部替换输入信息，对案件关联信息中的某个不一致的案件关联信息进行替换，以进一步减少用户的报案工作量，提高报案效率。
本实施例提供的一种报案信息的提取方法，通过在获取报案信息后，将报案信息输入至预先训练的地址识别模型中，得到地址类型的案件关联信息；将报案信息与预先设定的正则表达式进行匹配，得到时间类型的案件关联信息；从报案信息中去除地址类型的案件关联信息以及时间类型的案件关联信息，得到剩余信息，按照设定句法模板对剩余信息进行规整处理，得到案件描述类型的案件关联信息，生成信息提取结果，并在接收到用户反馈的重新输入响应后，更新信息提取结果，解决了现有技术无法实现智能从用户的描述中提取案件的基本属性，只能针对单个内容进行录入，不可连续录入所有内容，用户体验较差的问题，达到了自动提取报案信息，避免用户在报案时分别填写不同类型的报案信息的繁琐操作，降低用户学习使用报案软件的成本，提高用户体验，节省录入案件的复杂度，提高报案及服务效率，进一步提高报案信息准确率的效果。
在本实施例中，得到案件描述类型的案件关联信息的方式是：从所述报案信息中去除所述地址类型的案件关联信息以及所述时间类型的案件关联信息，得到剩余信息，按照设定句法模板对所述剩余信息进行规整处理，得到案件描述类型的所述案件关联信息。进一步的，为了在简化案件描述类型的案件关联信息获取方式的同时，保证用户实际报案信息的完整性，可以将获取的所述报案信息全部作为所述案件描述类型的案件关联信息。
实施例三
图3为本发明实施例三提供的一种报案信息的提取方法的流程图。各行政部门对受理的报案信息，将按统一受理、分类处理、单位承办、跟踪监督、限时办结、回访检查、发回重办、审结归档等工作流程进行处理。对于报案信息，通常以派发电子工单的形式，转交相关职能部门办理和答复。通常在转交报案信息时，需要人工判断用户的报案信息属于什么案件类型、对应的处理单位是哪里。为此，需要制定了大量繁琐的培训资料、详细的处置流程和规则，这些内容都需要相关工作人员花很长的时间去学习和熟练。往往需要耗费很长的时间，才能培训出一名合格的工作人员，而且案件处理效率以及分派准确率难以得到保证。因此，本实施例在上述实施例的基础上进行优化，适用于对报案信息进行整合和智能校对，判断案件类型，并推送出结果，以提高案件处理效率以及分派准确率的情况。如图3所示，该方法包括：
步骤301、获取历史案件集的各个案件的案件分类信息。
其中，在获取报案信息之前，报案平台获取设定数量范围的历史案件信息作为历史案件集。
步骤302、对历史案件集中的各个案件的报案信息执行分词处理。
其中，对历史案件中的各个案件的报案信息执行分词处理使本来半结构化的报案信息成为可以利用的结构化数据。例如，对案件报案信息进行分词后，可用的结构化数据为“云岩区中华中路科技眼镜店面门口举报人有人散发野广告”。上述所执行的分词过程包括但不限于对原始的报案信息进行去除杂词的操作，以及较优的，上述的分词可采用Python中的Jieba分词模块实现。更优地，上述的分词化处理还包括对每个案件的分词结果中的每个单独词执行向量化，并且经过逆向文本词频处理，以及将历史案件集中每个案件的所有单独词的向量相加以获得表征每个案件的特征向量。
步骤303、采用支持向量机模型将每条报案信息的分词结果作为自变量以及将每个案件的案件分类信息作为因变量，训练生成所述案件类型分类模型。
其中，采用支持向量机SVM(Support Vector Machine)，以每条报案信息的分词结果作为自变量，将每个案件的案件类型作为因变量训练案件类型分类模型。可选的，采用支持向量机SVM将每条报案信息的特征向量作为自变量训练案件类型分类模型。
步骤304、获取报案信息，所述报案信息中包括至少两种信息类型的案件关联信息。
步骤305、使用与信息类型匹配的信息提取技术，提取所述报案信息中包括的所述至少两种信息类型的案件关联信息。
步骤306、根据提取的所述至少两种信息类型的案件关联信息，生成与所述报案信息匹配的信息提取结果。
步骤307、根据所述报案信息的信息内容，生成与所述报案信息对应的案件类型。
可选的，根据所述报案信息的信息内容，生成与所述报案信息对应的案件类型，可以包括：
将所述报案信息进行分词；
将分词结果输入至预先训练的案件类型分类模型中，并将所述案件类型分类模型的输出结果，作为与所述报案信息对应的案件类型。
其中，获取新案件的报案信息并且对上述报案信息执行分词处理后，将新案件的分词结果作为自变量，通过上述案件类型分类模型得到新案件的案件类型信息。可选的，还包括对分词结果中的每个单独词执行向量化，并且对新案件的所有单独词的向量相加以获得表征新案件的特征向量，并且将上述特征向量作为自变量，经过训练后的案件类型分类模型得到新案件的案件类型信息。
步骤308、将所述案件类型和所述信息提取结果和提供给用户。
其中，提取报案信息中包括的不同信息类型的案件关联信息后，分别将时间类型的案件关联信息、地址类型的案件关联信息、案件描述类型的案件关联信息以及案件类型信息与对应的名称条目进行组合。名称条目包括：类型、时间、地址和描述。根据组合结果，生成与报案信息匹配的信息提取结果。例如，信息提取结果为“类型：城市管理；时间：2017年11月8日，16:00；地址：观山湖区长岭北路；描述：有人张贴小广告”。
其中，生成与报案信息匹配的信息提取结果后，将信息提取结果提供给用户。例如，将信息提取结果发送至用户所使用的移动终端，通过移动终端的显示装置显示给用户。
本实施例提供的一种报案信息的提取方法，通过对历史案件集的案件类型信息进行整合以及对应的报案信息的分词处理，采用SVM模型训练案件类型分类模型，使得在有新案件的案件报案信息录入时，通过对报案信息进行分词并且通过上述案件类型分类模型得到新案件的案件类型，解决了现有技术无法实现智能从用户的描述中提取案件的基本属性，只能针对单个内容进行录入，不可连续录入所有内容，用户体验较差的问题，达到了自动提取报案信息，避免用户在报案时分别填写不同类型的报案信息的繁琐操作，提高用户体验，在最终确定案件所要委派的职能部门时具有更准确的命中率，提高了效率的效果。
实施例四
图4为本发明实施例四提供的一种服务需求信息的提取方法的流程图，本实施例可适用于当用户通过电子设备(例如，移动终端或者台式机等)使用服务平台时，自动提取服务需求信息的情况，该方法可以由服务需求信息的提取装置来执行，所述装置由软件和/或硬件来执行，并一般可集成在服务需求信息的提取设备中。服务需求信息的提取设备包括但不限定于计算机等。具体包括如下步骤：
步骤410、获取服务需求信息，其中，所述服务需求信息包括至少两种信息类型的需求关联信息。
其中，服务平台设置有服务需求信息输入接口，服务平台通过服务需求信息输入接口获取用户输入的服务需求信息。用户可通过电子设备，典型的，移动终端，访问服务需求信息输入接口，在服务平台中输入服务需求信息。
可选的，获取服务需求信息，可以包括：
获取用户在服务平台中输入的服务需求语音，使用语音转文字技术，生成与所述服务需求语音匹配的所述服务需求信息，以及获取用户在服务平台中输入的服务需求文本，并将获取的所述服务需求文本作为所述服务需求信息。
其中，服务平台的服务需求信息输入接口可以获取用户在服务平台中输入的服务需求语音和服务需求文本。用户可根据自身的需求对服务需求信息输入方式进行选择。例如，服务平台进入服务场景，向用户提供服务需求信息输入方式选项：1、语音输入；2、文字输入。用户通过语音输入“语音输入”或“文字输入”即可选择对应的服务需求信息输入方式。
当用户选择通过语音进行服务需求信息输入，按照用户自身的语言习惯输入服务需求信息时，通过服务需求信息输入接口获取用户输入的服务需求语音，并使用语音转文字技术将服务需求语音转化为服务需求文本。服务需求文本报即为与服务需求语音匹配的服务需求信息。
当用户选择通过文字进行服务需求信息输入，按照用户自身的文字输入习惯输入服务需求文本时，通过服务需求信息输入接口获取用户输入的服务需求文本，将服务需求文本作为报案信息。
可选的，获取服务需求信息，可以包括：
获取用户在服务平台中输入的服务需求语音，使用语音转文字技术，生成与所述服务需求语音匹配的所述服务需求信息，或者获取用户在服务平台中输入的服务需求文本，并将获取的所述服务需求文本作为所述服务需求信息。
其中，服务平台的服务需求信息输入接口可以获取用户在服务平台中输入的服务需求语音。用户按照用户自身的语言习惯输入服务需求信息时，通过服务需求信息输入接口获取用户输入的服务需求语音，并使用语音转文字技术将服务需求语音转化为服务需求文本。服务需求文本即为与服务需求语音匹配的报案信息。
其中，服务平台的服务需求信息输入接口可以获取用户在服务平台中输入的服务需求文本。用户按照用户自身的文字输入习惯输入服务需求文本时，通过服务需求信息输入接口获取用户输入的服务需求文本，将服务需求文本作为报案信息。
可选的，服务平台可以包括：订餐平台；
服务需求信息中可以具体包括：地址类型的信息、以及菜名类型的信息。
其中，用户可以通过在订餐平台上输入地址类型的信息、以及菜名类型的信息，指定菜品和送餐地址，进行订餐。
可选的，服务平台还可以包括：约车平台；
服务需求信息中可以具体包括：地址类型的信息、以及时间类型的信息。
其中，用户可以通过在约车平台上输入地址类型的信息、以及时间类型的信息，指定上车地点和乘车时间，进行约车。
当然，可以理解的是，上述服务平台还可以包括各种需要用户同时输入两种或者两种以上信息类型的服务需求信息的平台，例如：票务系统平台、售后平台或者在线购物平台等，本实施例对此并不进行限制。
步骤420、使用与信息类型匹配的信息提取技术，提取所述服务需求信息中包括的所述至少两种信息类型的需求关联信息。
其中，使用与信息类型匹配的信息提取技术，提取服务需求信息中包括的不同信息类型的需求关联信息。
可选的，使用与信息类型匹配的信息提取技术，提取所述服务需求信息中包括的所述至少两种信息类型的需求关联信息，可以包括：
将所述服务需求信息输入至预先训练的地址识别模型中，并将所述地址识别模型的输出结果，作为地址类型的需求关联信息；
将所述服务需求信息输入至预先训练的菜名识别模型中，并将所述菜名识别模型的输出结果，作为菜名类型的需求关联信息。
其中，订餐平台的信息类型包括：地址类型以及菜名类型。具体的，获取服务需求信息后，将服务需求信息输入至预先训练的地址识别模型中，并将地址识别模型的输出结果，作为地址类型的需求关联信息，例如，“观山湖区长岭北路5号”；将服务需求信息输入至预先训练的菜名识别模型中，并将菜名识别模型的输出结果，作为菜名类型的需求关联信息，例如，“煲仔饭”。
可选的，使用与信息类型匹配的信息提取技术，提取所述服务需求信息中包括的所述至少两种信息类型的需求关联信息，可以包括：
将所述服务需求信息输入至预先训练的地址识别模型中，并将所述地址识别模型的输出结果，作为地址类型的需求关联信息；
将所述服务需求信息与预先设定的正则表达式进行匹配，得到时间类型的需求关联信息。
其中，约车平台的信息类型包括：地址类型以及时间类型。具体的，获取服务需求信息后，将服务需求信息输入至预先训练的地址识别模型中，并将地址识别模型的输出结果，作为地址类型的需求关联信息，例如，“观山湖区长岭北路5号”；将服务需求信息与预先设定的正则表达式进行匹配，得到时间类型的需求关联信息，例如，“2017年12月11日，下午，03:00”。
步骤430、根据提取的所述至少两种信息类型的需求关联信息，生成与所述服务需求信息匹配的信息提取结果。
其中，提取服务需求信息中包括的不同信息类型的需求关联信息后，分别将不同类型的案件关联信息与对应的名称条目进行组合，根据组合结果，生成与报案信息匹配的信息提取结果。例如，订餐平台的信息提取结果为“地址：观山湖区长岭北路5号；菜名：煲仔饭”。约车平台的信息提取结果为“时间：2017年11月8日，下午，03:00；地址：观山湖区长岭北路5号”。
本实施例提供的一种服务需求信息的提取方法，通过获取服务需求信息，使用与信息类型匹配的信息提取技术，提取服务需求信息中包括的至少两种信息类型的需求关联信息，生成与所述服务需求信息匹配的信息提取结果，解决了现有技术无法实现智能从用户的描述中提取服务需求信息，只能针对单个内容进行录入，不可连续录入所有内容，用户体验较差的问题，达到了自动提取服务需求信息，提高服务效率，提高用户体验的效果。
实施例五
图5为本发明实施例五提供的一种报案信息的提取方法的流程图。本实施例为一个优选实例。如图5所示，其步骤如下：
步骤510、数据读取。
其中，读取的数据包括通过历史报案信息与新报案信息。
步骤520、数据分割。
其中，可以按照案发地址、案发时间、案件描述三个模块对新报案信息进行分割。
步骤530、文件输出。
其中，对新报案信息进行分割后，根据分割结果，生成与报案信息匹配的信息提取结果。例如，信息提取结果为“案发时间：2017年11月8日，下午，03:00；案件地址：观山湖区长岭北路；案件描述：有人张贴小广告”。
图6为本发明实施例五所适用的地址识别模型的生成方法的流程图。其步骤如下：
步骤610、数据读取。
其中，根据提取出的案件地址读取历史报案信息。
步骤620、采用条件随机场算法进行训练。
步骤630、生成地址识别模型。
其中，地址识别模型包括模型文件。模型文件是用于对报案信息中的地址进行识别的信息。
图7为本发明实施例五所适用的模型文件的示意图。其中，B表示Beginning起始字，M表示Middle中间字，E表示End结尾字。
图8为基于本发明实施例五所适用的地址识别模型的信息提取方法的流程图。其步骤如下：
步骤810、案件描述。
步骤820、通过语音报案接口获取报案语音。获取报案语音后，同时执行步骤830和步骤840。
步骤830、案发时间提取。完成提取后，跳转至步骤870。
其中，通过时间戳正则表达式穷举，提取案发时间。
步骤840、条件随机场算法对当前案件进行标注。
步骤850、地址条件随机场训练模型调用。
步骤860、预测当前案件地址。
步骤870、案件地址、案发时间、案件描述分割。
步骤880、接口返回。
其中，通过时间戳正则表达式穷举，提取案发时间，通过调用地址条件随机场训练模型，提取案件地址。根据分割结果，生成与报案信息匹配的信息提取结果。例如，信息提取结果为“案发时间：2017年11月8日，下午，03:00；案件地址：观山湖区长岭北路；案件描述：有人张贴小广告”。
本实施例提供的一种报案信息的提取方法，通过读取历史报案信息与新报案信息，按照案发地址、案发时间、案件描述三个模块对新报案信息进行分割，根据分割结果，生成与报案信息匹配的信息提取结果，解决了无法实现智能从用户的描述中提取案件的基本属性，只能针对单个内容进行录入，不可连续录入所有内容，用户体验较差的问题，达到了自动提取报案信息，避免用户在报案时分别填写不同类型的报案信息的繁琐操作，降低用户学习使用报案软件的成本，提高用户体验，节省录入案件的复杂度，提高报案及服务效率的效果。
实施例六
图9为本发明实施例六提供的一种报案信息的提取装置的结构框图。如图9所示，所述装置包括：
报案信息获取模块910、关联信息提取模块920和提取结果生成模块930。
其中，报案信息获取模块910，用于获取报案信息，所述报案信息中包括至少两种信息类型的案件关联信息；关联信息提取模块920，用于使用与信息类型匹配的信息提取技术，提取所述报案信息中包括的所述至少两种信息类型的案件关联信息；提取结果生成模块930，用于根据提取的所述至少两种信息类型的案件关联信息，生成与所述报案信息匹配的信息提取结果。
本实施例提供的一种报案信息的提取装置，通过获取报案信息，使用与信息类型匹配的信息提取技术，提取报案信息中包括的至少两种信息类型的案件关联信息，根据提取的至少两种信息类型的案件关联信息，生成与报案信息匹配的信息提取结果，解决了现有技术无法实现智能从用户的描述中提取案件的基本属性，只能针对单个内容进行录入，不可连续录入所有内容，用户体验较差的问题，达到了自动提取报案信息，避免用户在报案时分别填写不同类型的报案信息的繁琐操作，降低用户学习使用报案软件的成本，提高用户体验，节省录入案件的复杂度，提高报案及服务效率的效果。
在上述各实施例的基础上，报案信息获取模块910可以包括：
语音处理子模块，用于根据用户在报案平台中输入的报案语音，使用语音转文字技术，生成与所述报案语音匹配的所述报案信息；和/或
文本处理子模块，用于根据用户在报案平台中输入的报案文本，将获取的所述报案文本作为所述报案信息。
在上述各实施例的基础上，报案信息中具体可以包括下述至少两项：地址类型的信息、以及时间类型的信息以及案件描述类型的信息。
在上述各实施例的基础上，关联信息提取模块920可以包括：
信息输入子模块，用于将所述报案信息输入至预先训练的地址识别模型中，并将所述地址识别模型的输出结果，作为地址类型的案件关联信息；
信息匹配子模块，用于将所述报案信息与预先设定的正则表达式进行匹配，得到时间类型的案件关联信息。
在上述各实施例的基础上，关联信息提取模块920可以还包括：
信息去除子模块，用于从所述报案信息中去除所述地址类型的案件关联信息以及所述时间类型的案件关联信息，得到剩余信息；
信息规整子模块，用于按照设定句法模板对所述剩余信息进行规整处理，得到案件描述类型的所述案件关联信息。
在上述各实施例的基础上，本实施例提供的报案信息的提取装置可以还包括：
历史信息获取模块，用于获取与所述报案信息匹配的设定数量范围的历史报案信息，其中，在所述历史报案信息中对地址类型的信息进行了预先标注；
模型训练模块，用于将所述设定数量范围的历史报案信息输入至设定机器模型中，对所述机器模型进行训练，得到所述地址识别模型。
在上述各实施例的基础上，机器模型可以具体包括：条件随机场模型；
历史报案信息可以包括：将报案平台在设定时间区间内接收的历史报案语音，和/或历史报案文字经过处理后得到的样本数据。
在上述各实施例的基础上，信息匹配子模块可以包括：
验证信息生成单元，用于将所述报案信息与预先设定的正则表达式进行匹配，生成时间类型的待验证信息；
第一信息处理单元，用于如果确定所述待验证信息中不包括模糊表达关键词，则将所述待验证信息作为所述时间类型的案件关联信息；
第二信息处理单元，用于如果确定所述待验证信息中包括至少一项模糊表达关键词，则将所述至少一项模糊表达关键词替换为对应的精确时间表达信息，得到所述时间类型的案件关联信息。
在上述各实施例的基础上，第二信息处理单元可以包括：
日期替换子单元，用于如果确定所述待验证信息中包括与日期对应的第一模糊表达关键词，则根据当前系统时间得到与所述第一模糊表达关键词对应的标准日期信息，并使用所述标准日期信息替换所述待验证信息中的所述第一模糊表达关键词；
时间段替换子单元，用于如果确定所述待验证信息中包括与时间段对应的第二模糊表达关键词，则使用与所述第二模糊表达关键词对应的时间段替换所述待验证信息中的所述第二模糊表达关键词。
在上述各实施例的基础上，提取结果生成模块930可以包括：
信息组合子模块，用于分别将时间类型的案件关联信息、地址类型的案件关联信息以及案件描述类型的案件关联信息与对应的名称条目进行组合；
结果生成子模块，用于根据组合结果，生成与所述报案信息匹配的信息提取结果。
在上述各实施例的基础上，本实施例提供的报案信息的提取装置可以还包括：
结果验证模块，用于将所述信息提取结果提供给用户，并向所述用户提供结果验证请求；
结果更新模块，用于如果接收到所述用户反馈的与所述结果验证请求对应的重新输入响应，则根据所述用户的重新输入信息，更新所述信息提取结果。
在上述各实施例的基础上，重新输入信息包括：
与所述报案信息匹配的整句替换输入信息，或者与所述信息提取结果中至少一个名称条目匹配的局部替换输入信息。
在上述各实施例的基础上，本实施例提供的报案信息的提取装置可以还包括：
案件类型生成模块，用于根据所述报案信息的信息内容，生成与所述报案信息对应的案件类型。
在上述各实施例的基础上，案件类型生成模块可以包括：
信息分词子模块，用于将所述报案信息进行分词；
结果处理子模块，用于将分词结果输入至预先训练的案件类型分类模型中，并将所述案件类型分类模型的输出结果，作为与所述报案信息对应的案件类型。
在上述各实施例的基础上，本实施例提供的报案信息的提取装置可以还包括：
分类信息获取模块，用于获取历史案件集的各个案件的案件分类信息；
分词处理模块，用于对历史案件集中的各个案件的报案信息执行分词处理；
模型训练模块，用于采用支持向量机模型将每条报案信息的分词结果作为自变量以及将每个案件的案件分类信息作为因变量，训练生成所述案件类型分类模型。
在上述各实施例的基础上，本实施例提供的报案信息的提取装置可以还包括：
案件类型提供模块，用于将所述案件类型提供给用户。
本发明实施例所提供的报案信息的提取装置可执行本发明任意实施例所提供的报案信息的提取方法，具备执行方法相应的功能模块和有益效果。
实施例七
图10为本发明实施例七提供的一种服务需求信息的提取装置的结构框图。如图10所示，所述装置包括：
服务信息获取模块1001、需求信息提取模块1002和需求结果生成模块1003。
其中，服务信息获取模块1001，用于获取服务需求信息，其中，所述服务需求信息包括至少两种信息类型的需求关联信息；需求信息提取模块1002，用于使用与信息类型匹配的信息提取技术，提取所述服务需求信息中包括的所述至少两种信息类型的需求关联信息；需求结果生成模块1003，用于根据提取的所述至少两种信息类型的需求关联信息，生成与所述服务需求信息匹配的信息提取结果。
本实施例提供的一种服务需求信息的提取装置，通过获取服务需求信息，使用与信息类型匹配的信息提取技术，提取服务需求信息中包括的至少两种信息类型的需求关联信息，生成与所述服务需求信息匹配的信息提取结果，解决了无法实现智能从用户的描述中提取服务需求信息，只能针对单个内容进行录入，不可连续录入所有内容，用户体验较差的问题，达到了自动提取服务需求信息，提高服务效率，提高用户体验的效果。
在上述各实施例的基础上，服务信息获取模块1003可以包括：
语音获取子模块，用于获取用户在服务平台中输入的服务需求语音，使用语音转文字技术，生成与所述服务需求语音匹配的所述服务需求信息；和/或
文本获取子模块，用于获取用户在服务平台中输入的服务需求文本，并将获取的所述服务需求文本作为所述服务需求信息。
在上述各实施例的基础上，服务平台包括：订餐平台；
服务需求信息中具体包括：地址类型的信息、以及菜名类型的信息。
在上述各实施例的基础上，需求信息提取模块1002可以包括：
地址获取子模块，用于将所述服务需求信息输入至预先训练的地址识别模型中，并将所述地址识别模型的输出结果，作为地址类型的需求关联信息；
菜名获取子模块，用于将所述服务需求信息输入至预先训练的菜名识别模型中，并将所述菜名识别模型的输出结果，作为菜名类型的需求关联信息。
在上述各实施例的基础上，服务平台包括：约车平台；
服务需求信息中具体包括：地址类型的信息、以及时间类型的信息。
在上述各实施例的基础上，需求信息提取模块1002可以包括：
地址获取子模块，用于将所述服务需求信息输入至预先训练的地址识别模型中，并将所述地址识别模型的输出结果，作为地址类型的需求关联信息；
时间获取子模块，用于将所述服务需求信息与预先设定的正则表达式进行匹配，得到时间类型的需求关联信息。
本发明实施例所提供的服务需求信息的提取装置可执行本发明任意实施例所提供的服务需求信息的提取方法，具备执行方法相应的功能模块和有益效果。
实施例八
图11为本发明实施例八提供的一种设备的结构示意图。图11示出了适于用来实现本发明实施方式的示例性设备1112的框图。图11显示的设备1112仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图11所示，设备1112以通用计算设备的形式表现。设备1112的组件可以包括但不限于：一个或者多个处理器或者处理单元1116，系统存储器1128，连接不同系统组件(包括系统存储器1128和处理单元1116)的总线1118。
总线1118表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备1112典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备1112访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器1128可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)1130和/或高速缓存存储器1132。设备1112可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统1134可以用于读写不可移动的、非易失性磁介质(图11未显示，通常称为“硬盘驱动器”)。尽管图11中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线1118相连。存储器1128可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块1142的程序/实用工具1140，可以存储在例如存储器1128中，这样的程序模块1142包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块1142通常执行本发明所描述的实施例中的功能和/或方法。
设备1112也可以与一个或多个外部设备1114(例如键盘、指向设备、显示器1124等)通信，还可与一个或者多个使得用户能与该设备1112交互的设备通信，和/或与使得该设备1112能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1122进行。并且，设备1112还可以通过网络适配器1120与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1120通过总线1118与设备1112的其它模块通信。应当明白，尽管图中未示出，可以结合设备1112使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元1116通过运行存储在系统存储器1128中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的报案信息的提取方法和/或服务需求信息的提取方法。
实施例九
本发明实施例九还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例提供的报案信息的提取方法和/或服务需求信息的提取方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (28)
1.一种报案信息的提取方法，其特征在于，包括：
获取报案信息，所述报案信息中包括至少两种信息类型的案件关联信息；
使用与信息类型匹配的信息提取技术，提取所述报案信息中包括的所述至少两种信息类型的案件关联信息；
根据提取的所述至少两种信息类型的案件关联信息，生成与所述报案信息匹配的信息提取结果。
2.根据权利要求1所述的方法，其特征在于，获取报案信息，包括：
根据用户在报案平台中输入的报案语音，使用语音转文字技术，生成与所述报案语音匹配的所述报案信息；和/或
根据用户在报案平台中输入的报案文本，将获取的所述报案文本作为所述报案信息。
3.根据权利要求1所述的方法，其特征在于，所述报案信息中具体包括下述至少两项：地址类型的信息、以及时间类型的信息以及案件描述类型的信息。
4.根据权利要求3所述的方法，其特征在于，使用与信息类型匹配的信息提取技术，提取所述报案信息中包括的所述至少两种信息类型的案件关联信息包括：
将所述报案信息输入至预先训练的地址识别模型中，并将所述地址识别模型的输出结果，作为地址类型的案件关联信息；
将所述报案信息与预先设定的正则表达式进行匹配，得到时间类型的案件关联信息。
5.根据权利要求4所述的方法，其特征在于，在将所述报案信息与预先设定的正则表达式进行匹配，得到所述时间类型的案件关联信息之后，还包括：
从所述报案信息中去除所述地址类型的案件关联信息以及所述时间类型的案件关联信息，得到剩余信息；
按照设定句法模板对所述剩余信息进行规整处理，得到案件描述类型的所述案件关联信息。
6.根据权利要求4或5所述的方法，其特征在于，在获取报案信息之前，还包括：
获取与所述报案信息匹配的设定数量范围的历史报案信息，其中，在所述历史报案信息中对地址类型的信息进行了预先标注；
将所述设定数量范围的历史报案信息输入至设定机器模型中，对所述机器模型进行训练，得到所述地址识别模型。
7.根据权利要求6所述的方法，其特征在于，所述机器模型具体包括：条件随机场模型；
所述历史报案信息包括：将所述报案平台在设定时间区间内接收的历史报案语音，和/或历史报案文本经过处理后得到的样本数据。
8.根据权利要求4或5所述的方法，其特征在于，将所述报案信息与预先设定的正则表达式进行匹配，得到时间类型的案件关联信息，包括：
将所述报案信息与预先设定的正则表达式进行匹配，生成时间类型的待验证信息；
如果确定所述待验证信息中不包括模糊表达关键词，则将所述待验证信息作为所述时间类型的案件关联信息；
如果确定所述待验证信息中包括至少一项模糊表达关键词，则将所述至少一项模糊表达关键词替换为对应的精确时间表达信息，得到所述时间类型的案件关联信息。
9.根据权利要求8所述的方法，其特征在于，如果确定所述待验证信息中包括至少一项模糊表达关键词，则将所述至少一项模糊表达关键词替换为对应的精确时间表达信息，得到所述时间类型的案件关联信息，包括：
如果确定所述待验证信息中包括与日期对应的第一模糊表达关键词，则根据当前系统时间得到与所述第一模糊表达关键词对应的标准日期信息，并使用所述标准日期信息替换所述待验证信息中的所述第一模糊表达关键词；
如果确定所述待验证信息中包括与时间段对应的第二模糊表达关键词，则使用与所述第二模糊表达关键词对应的时间段替换所述待验证信息中的所述第二模糊表达关键词。
10.根据权利要求4所述的方法，其特征在于，根据提取的所述至少两种信息类型的案件关联信息，生成与所述报案信息匹配的信息提取结果，包括：
分别将时间类型的案件关联信息、地址类型的案件关联信息以及案件描述类型的案件关联信息与对应的名称条目进行组合；
根据组合结果，生成与所述报案信息匹配的信息提取结果。
11.根据权利要求10所述的方法，其特征在于，在根据提取的所述至少两种信息类型的案件关联信息，生成与所述报案信息匹配的信息提取结果之后，还包括：
将所述信息提取结果提供给用户，并向所述用户提供结果验证请求；
如果接收到所述用户反馈的与所述结果验证请求对应的重新输入响应，则根据所述用户的重新输入信息，更新所述信息提取结果。
12.根据权利要求11所述的方法，其特征在于，所述重新输入信息包括：
与所述报案信息匹配的整句替换输入信息，或者与所述信息提取结果中至少一个名称条目匹配的局部替换输入信息。
13.根据权利要求1所述的方法，其特征在于，在获取报案信息之后，还包括：
根据所述报案信息的信息内容，生成与所述报案信息对应的案件类型。
14.根据权利要求13所述的方法，其特征在于，根据所述报案信息的信息内容，生成与所述报案信息对应的案件类型，包括：
将所述报案信息进行分词；
将分词结果输入至预先训练的案件类型分类模型中，并将所述案件类型分类模型的输出结果，作为与所述报案信息对应的案件类型。
15.根据权利要求14所述的方法，其特征在于，在根据所述报案信息中的信息内容，生成与所述报案信息对应的案件类型之前，还包括：
获取历史案件集的各个案件的案件分类信息；
对历史案件集中的各个案件的报案信息执行分词处理；
采用支持向量机模型将每条报案信息的分词结果作为自变量以及将每个案件的案件分类信息作为因变量，训练生成所述案件类型分类模型。
16.根据权利要求13-15任一项所述的方法，其特征在于，在根据所述报案信息中的信息内容，生成与所述报案信息对应的案件类型之后，还包括：
将所述案件类型提供给用户。
17.一种服务需求信息的提取方法，其特征在于，包括：
获取服务需求信息，其中，所述服务需求信息包括至少两种信息类型的需求关联信息；
使用与信息类型匹配的信息提取技术，提取所述服务需求信息中包括的所述至少两种信息类型的需求关联信息；
根据提取的所述至少两种信息类型的需求关联信息，生成与所述服务需求信息匹配的信息提取结果。
18.根据权利要求17所述的方法，其特征在于，获取服务需求信息，包括：
获取用户在服务平台中输入的服务需求语音，使用语音转文字技术，生成与所述服务需求语音匹配的所述服务需求信息；和/或
获取用户在服务平台中输入的服务需求文本，并将获取的所述服务需求文本作为所述服务需求信息。
19.根据权利要求18所述的方法，其特征在于，所述服务平台包括：订餐平台；
所述服务需求信息中具体包括：地址类型的信息、以及菜名类型的信息。
20.根据权利要求19所述的方法，其特征在于，使用与信息类型匹配的信息提取技术，提取所述服务需求信息中包括的所述至少两种信息类型的需求关联信息，包括：
将所述服务需求信息输入至预先训练的地址识别模型中，并将所述地址识别模型的输出结果，作为地址类型的需求关联信息；
将所述服务需求信息输入至预先训练的菜名识别模型中，并将所述菜名识别模型的输出结果，作为菜名类型的需求关联信息。
21.根据权利要求18所述的方法，其特征在于，所述服务平台包括：约车平台；
所述服务需求信息中具体包括：地址类型的信息、以及时间类型的信息。
22.根据权利要求21所述的方法，其特征在于，使用与信息类型匹配的信息提取技术，提取所述服务需求信息中包括的所述至少两种信息类型的需求关联信息，包括：
将所述服务需求信息输入至预先训练的地址识别模型中，并将所述地址识别模型的输出结果，作为地址类型的需求关联信息；
将所述服务需求信息与预先设定的正则表达式进行匹配，得到时间类型的需求关联信息。
23.一种报案信息的提取装置，其特征在于，包括：
报案信息获取模块，用于获取报案信息，所述报案信息中包括至少两种信息类型的案件关联信息；
关联信息提取模块，用于使用与信息类型匹配的信息提取技术，提取所述报案信息中包括的所述至少两种信息类型的案件关联信息；
提取结果生成模块，用于根据提取的所述至少两种信息类型的案件关联信息，生成与所述报案信息匹配的信息提取结果。
24.一种服务需求信息的提取装置，其特征在于，包括：
服务信息获取模块，用于获取服务需求信息，其中，所述服务需求信息包括至少两种信息类型的需求关联信息；
需求信息提取模块，用于使用与信息类型匹配的信息提取技术，提取所述服务需求信息中包括的所述至少两种信息类型的需求关联信息；
需求结果生成模块，用于根据提取的所述至少两种信息类型的需求关联信息，生成与所述服务需求信息匹配的信息提取结果。
25.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-16中任一所述的报案信息的提取方法。
26.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求17-22中任一所述的服务需求信息的提取方法。
27.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-16中任一所述的报案信息的提取方法。
28.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求17-22中任一所述的服务需求信息的提取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810128651.7A CN108305050B (zh) | 2018-02-08 | 2018-02-08 | 报案信息及服务需求信息的提取方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810128651.7A CN108305050B (zh) | 2018-02-08 | 2018-02-08 | 报案信息及服务需求信息的提取方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108305050A true CN108305050A (zh) | 2018-07-20 |
| CN108305050B CN108305050B (zh) | 2023-04-07 |
Family
ID=62864964
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810128651.7A Active CN108305050B (zh) | 2018-02-08 | 2018-02-08 | 报案信息及服务需求信息的提取方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108305050B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109145305A (zh) * | 2018-09-10 | 2019-01-04 | 北京神州泰岳软件股份有限公司 | 一种信息提取方法、装置及服务器 |
| CN109190119A (zh) * | 2018-08-22 | 2019-01-11 | 腾讯科技（深圳）有限公司 | 时间提取方法和装置、存储介质及电子装置 |
| CN109389982A (zh) * | 2018-12-26 | 2019-02-26 | 江苏满运软件科技有限公司 | 发货信息语音识别方法、系统、设备及存储介质 |
| CN110826318A (zh) * | 2019-10-14 | 2020-02-21 | 浙江数链科技有限公司 | 物流信息识别的方法、设备、计算机设备和存储介质 |
| CN111309672A (zh) * | 2020-02-07 | 2020-06-19 | 重庆华谷科技有限公司 | 立案和预立案辅助管理系统及智慧法务辅助服务系统 |
| CN112541075A (zh) * | 2020-10-30 | 2021-03-23 | 中科曙光南京研究院有限公司 | 一种警情文本的标准案发时间提取方法及系统 |
| CN113111170A (zh) * | 2020-02-13 | 2021-07-13 | 北京明亿科技有限公司 | 基于深度学习模型接处警文本轨迹地信息提取方法和装置 |
| TWI811237B (zh) * | 2018-09-03 | 2023-08-11 | 維呈科技股份有限公司 | 待改善事件通報訊息的自動處理系統與方法 |
| CN118095794A (zh) * | 2024-04-23 | 2024-05-28 | 国网辽宁省电力有限公司丹东供电公司 | 基于正则算法的工单信息提取方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105023188A (zh) * | 2015-01-07 | 2015-11-04 | 泰华智慧产业集团股份有限公司 | 一种基于云数据的数字化城市管理数据共享系统 |
| EP3012746A1 (en) * | 2013-06-19 | 2016-04-27 | National Institute of Information and Communications Technology | Text matching device and method, and text classification device and method |
| CN105677782A (zh) * | 2015-12-30 | 2016-06-15 | 天维尔信息科技股份有限公司 | 搜索统计案件信息的方法及系统 |
| CN106649343A (zh) * | 2015-10-30 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 一种网络数据信息处理方法及设备 |
| CN106934592A (zh) * | 2017-02-16 | 2017-07-07 | 北京奇虎科技有限公司 | 一种举报信息的处理方法和装置 |
| CN107247792A (zh) * | 2017-06-16 | 2017-10-13 | 中国电子技术标准化研究院 | 匹配职能部门的方法、装置及计算机设备 |
-
2018
- 2018-02-08 CN CN201810128651.7A patent/CN108305050B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3012746A1 (en) * | 2013-06-19 | 2016-04-27 | National Institute of Information and Communications Technology | Text matching device and method, and text classification device and method |
| CN105023188A (zh) * | 2015-01-07 | 2015-11-04 | 泰华智慧产业集团股份有限公司 | 一种基于云数据的数字化城市管理数据共享系统 |
| CN106649343A (zh) * | 2015-10-30 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 一种网络数据信息处理方法及设备 |
| CN105677782A (zh) * | 2015-12-30 | 2016-06-15 | 天维尔信息科技股份有限公司 | 搜索统计案件信息的方法及系统 |
| CN106934592A (zh) * | 2017-02-16 | 2017-07-07 | 北京奇虎科技有限公司 | 一种举报信息的处理方法和装置 |
| CN107247792A (zh) * | 2017-06-16 | 2017-10-13 | 中国电子技术标准化研究院 | 匹配职能部门的方法、装置及计算机设备 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109190119A (zh) * | 2018-08-22 | 2019-01-11 | 腾讯科技（深圳）有限公司 | 时间提取方法和装置、存储介质及电子装置 |
| TWI811237B (zh) * | 2018-09-03 | 2023-08-11 | 維呈科技股份有限公司 | 待改善事件通報訊息的自動處理系統與方法 |
| CN109145305B (zh) * | 2018-09-10 | 2022-12-16 | 鼎富智能科技有限公司 | 一种信息提取方法、装置及服务器 |
| CN109145305A (zh) * | 2018-09-10 | 2019-01-04 | 北京神州泰岳软件股份有限公司 | 一种信息提取方法、装置及服务器 |
| CN109389982A (zh) * | 2018-12-26 | 2019-02-26 | 江苏满运软件科技有限公司 | 发货信息语音识别方法、系统、设备及存储介质 |
| CN110826318A (zh) * | 2019-10-14 | 2020-02-21 | 浙江数链科技有限公司 | 物流信息识别的方法、设备、计算机设备和存储介质 |
| CN111309672B (zh) * | 2020-02-07 | 2023-11-17 | 重庆华谷科技有限公司 | 立案和预立案辅助管理系统及智慧法务辅助服务系统 |
| CN111309672A (zh) * | 2020-02-07 | 2020-06-19 | 重庆华谷科技有限公司 | 立案和预立案辅助管理系统及智慧法务辅助服务系统 |
| CN113111170A (zh) * | 2020-02-13 | 2021-07-13 | 北京明亿科技有限公司 | 基于深度学习模型接处警文本轨迹地信息提取方法和装置 |
| CN112541075A (zh) * | 2020-10-30 | 2021-03-23 | 中科曙光南京研究院有限公司 | 一种警情文本的标准案发时间提取方法及系统 |
| CN112541075B (zh) * | 2020-10-30 | 2024-04-05 | 中科曙光南京研究院有限公司 | 一种警情文本的标准案发时间提取方法及系统 |
| CN118095794A (zh) * | 2024-04-23 | 2024-05-28 | 国网辽宁省电力有限公司丹东供电公司 | 基于正则算法的工单信息提取方法及系统 |
| CN118095794B (zh) * | 2024-04-23 | 2024-06-25 | 国网辽宁省电力有限公司丹东供电公司 | 基于正则算法的工单信息提取方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108305050B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108305050A (zh) | 报案信息及服务需求信息的提取方法、装置、设备及介质 | |
| US11030412B2 (en) | System and method for chatbot conversation construction and management | |
| CN107492379B (zh) | 一种声纹创建与注册方法及装置 | |
| JP6182272B2 (ja) | 自然表現の処理方法、処理及び応答方法、装置、及びシステム | |
| US10970334B2 (en) | Navigating video scenes using cognitive insights | |
| CN107481720B (zh) | 一种显式声纹识别方法及装置 | |
| US20230162051A1 (en) | Method, device and apparatus for execution of automated machine learning process | |
| CN108416003A (zh) | 一种图片分类方法和装置、终端、存储介质 | |
| CN107291828A (zh) | 基于人工智能的口语查询解析方法、装置及存储介质 | |
| CN107204184A (zh) | 语音识别方法及系统 | |
| CN108509569A (zh) | 企业画像的生成方法、装置、电子设备以及存储介质 | |
| CN109271493A (zh) | 一种语言文本处理方法、装置和存储介质 | |
| CN107945792A (zh) | 语音处理方法和装置 | |
| CN108319720A (zh) | 基于人工智能的人机交互方法、装置及计算机设备 | |
| CN108121697A (zh) | 一种文本改写的方法、装置、设备和计算机存储介质 | |
| CN114841128B (zh) | 基于人工智能的业务交互方法、装置、设备、介质及产品 | |
| CN108268602A (zh) | 分析文本话题点的方法、装置、设备和计算机存储介质 | |
| US20210357682A1 (en) | Artificial intelligence driven image retrieval | |
| KR20220130863A (ko) | 음성-텍스트 변환 영상 리소스 매칭 기반 멀티미디어 변환 콘텐츠 제작 서비스 제공 장치 | |
| CN107705849A (zh) | 远程会诊意见整合方法和装置 | |
| CN108055192A (zh) | 群组生成方法、装置及系统 | |
| CN109683727A (zh) | 一种数据处理方法及装置 | |
| CN116090450A (zh) | 一种文本处理方法及计算设备 | |
| CN107729499A (zh) | 信息处理方法、介质、系统和电子设备 | |
| EP3535664A1 (en) | Data collection for a new conversational dialogue system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |