CN110597959A - 文本信息抽取方法、装置以及电子设备 - Google Patents
文本信息抽取方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN110597959A CN110597959A CN201910877380.XA CN201910877380A CN110597959A CN 110597959 A CN110597959 A CN 110597959A CN 201910877380 A CN201910877380 A CN 201910877380A CN 110597959 A CN110597959 A CN 110597959A
- Authority
- CN
- China
- Prior art keywords
- rule
- expression
- extraction
- attribute
- text
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了一种文本信息抽取方法、装置以及电子设备,涉及信息抽取领域。具体实现方案为:对待抽取文本进行文本处理,得到词序列;对抽取规则表达式进行词法分析,得到多个第一实体词;对多个第一实体词进行语法结构分析,得到语法结构树;根据语法结构树和词序列,得到信息抽取结果。任何用户都能够通过抽取规则表达式,对待抽取文本中的信息进行抽取。简化了文本信息抽取过程中的规则定义流程,使得用户方便快捷的进行更多的抽取任务。而且还提高了文本信息的抽取效率,降低成本。
Description
技术领域
本申请涉及一种自然语言处理领域,尤其涉及一种文本信息抽取领域。
背景技术
信息抽取的场景中,除了使用机器学习模型来进行抽取外,还需要大量的定制规则来提高抽取的准确率。基于模型的抽取方法需要通过大量语料作为训练样本来进行模型训练。然而,语料需要大量的人工标注,不同领域的人工标注均需要不同的专业领域知识,人工标注生成训练样本的方式不仅导致信息抽取成本高,而且还效率低。基于规则的抽取方法是通过将抽取模式写成规则,直接应用在信息抽取上。然而,原始的规则就是编程语言的条件判断过程,编程语言定制规则并不适合任何对编程不了解的用户。所以,目前的基于规则的抽取方法面向用户群体较少。
发明内容
本申请实施例提供一种文本信息抽取方法、装置以及电子设备,以解决现有技术中的一个或多个技术问题。
第一方面,本申请实施例提供了一种文本信息抽取方法,包括:
对待抽取文本进行文本处理,得到词序列;
对抽取规则表达式进行词法分析,得到多个第一实体词;
对多个第一实体词进行语法结构分析,得到语法结构树;
根据语法结构树和词序列,得到信息抽取结果。
在本实施方式中,对任意用户输入的抽取规则表达式均能够进行词法和语法结构分析,并且根据语法结构树和待抽取文本得到的词序列,得到信息抽取结果。任何用户都能够通过抽取规则表达式,对待抽取文本中的信息进行抽取。简化了文本信息抽取过程中的规则定义流程,使得用户方便快捷的进行更多的抽取任务。而且还提高了文本信息的抽取效率,降低成本。
在一种实施方式中,还包括:
在规则设置界面中,响应于规则类型选择操作,生成规则选择指令;
根据规则选择指令,确定在规则类型选择框中显示的规则类型,规则类型包括关系规则和/或属性规则。
在本实施方式中,通过在客户端的规则设置界面中,设置规则类型选择控件,使得用户在输入抽取规则表达式之前,明确规则类型,提高抽取规则表达式的编写效率。
在一种实施方式中,还包括:
在规则设置界面中,响应于规则表达式输入操作,生成规则输入指令;
根据规则输入指令,确定在规则表达式输入框中显示的抽取规则表达式;
其中,抽取规则表达式包括关系规则表达式和/或属性规则表达式。
在本实施方式中,通过在客户端的规则设置界面中,设置规则表达式输入控件,通过可视化界面的操作,使得用户只需在界面上进行操作就能够完成规则表达式的编写,提高了抽取规则表达式的编写效率。
在一种实施方式中,根据语法结构树和词序列,得到信息抽取结果,包括:
在词序列与语法结构树匹配的情况下,输出关系抽取结果,关系抽取结果包括关系表达和多个第二实体词。
在本实施方式中,判断词序列是否符合语法结构树,如果符合,则输出关系抽取结果,关系抽取结果不仅包括关系表达,还包括符合关系表达的多个第二实体词,第二实体词是从待抽取文本中抽取得到的。不仅提高了抽取效率,还通过关系表达明确了抽取到的第二实体词之间的关系。
在一种实施方式中,根据语法结构树和词序列,得到信息抽取结果,包括:
在词序列与语法结构树匹配的情况下,输出属性抽取结果,
属性抽取结果包括属性表达和多个第三实体词。
在本实施方式中,判断词序列是否符合语法结构树,如果符合,则输出属性抽取结果,属性抽取结果不仅包括属性表达,还包括符合属性表达的多个第三实体词,第三实体词是从待抽取文本中抽取得到的。不仅提高了抽取效率,还通过属性表达明确了抽取到的第三实体词之间的关系。
第二方面,本申请还提供了一种文本信息抽取装置,包括:
词序列获取模块,用于对待抽取文本进行文本处理,得到词序列;
词法分析模块,用于对抽取规则表达式进行词法分析,得到多个第一实体词;
语法分析模块,用于对多个第一实体词进行语法结构分析,得到语法结构树;
信息抽取模块,用于根据语法结构树和词序列,得到信息抽取结果。
在一种实施方式中,还包括:
规则选择指令生成模块,用于在规则设置界面中,响应于规则类型选择操作,生成规则选择指令;
规则类型确定模块,用于根据规则选择指令,确定在规则类型选择框中显示的规则类型,规则类型包括关系规则和/或属性规则。
在一种实施方式中,还包括:
规则输入指令生成模块,用于在规则设置界面中,响应于规则表达式输入操作,生成规则输入指令;
规则表达式确定模块,用于根据规则输入指令,确定在规则表达式输入框中显示的抽取规则表达式;
其中,抽取规则表达式包括关系规则表达式和/或属性规则表达式。
在一种实施方式中,所述信息抽取模块包括:
关系抽取结果生成单元,用于在词序列与语法结构树匹配的情况下,输出关系抽取结果,关系抽取结果包括关系表达和多个第二实体词。
在一种实施方式中,所述信息抽取模块包括:
属性抽取结果生成单元,用于在词序列与语法结构树匹配的情况下,输出属性抽取结果,属性抽取结果包括属性表达和多个第三实体词。
上述申请中的一个实施例具有如下优点或有益效果:因为采用了对任意用户输入的抽取规则表达式均能够进行词法和语法结构分析,并且根据语法结构树和待抽取文本得到的词序列,得到信息抽取结果的技术手段,所以克服了规则编写难以适应任何用户,抽取成本高,效率低的技术问题,进而达到简化文本信息抽取过程中的规则定义流程,使得用户方便快捷的进行更多的抽取任务,提高文本信息的抽取效率,降低成本的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请的实施方式的一种文本信息抽取方法流程示意图;
图2是可以实现本申请实施例一的文本信息抽取场景图;
图3是可以实现本申请实施例一的规则设置界面场景图;
图4是可以实现本申请实施例一的规则引擎处理和文本处理场景图;
图5是根据本申请的实施方式的另一种文本信息抽取方法流程示意图;
图6是可以实现本申请实施例一的抽取结果界面场景图;
图7是根据本申请的一种文本信息抽取装置的结构框图;
图8是根据本申请的另一种文本信息抽取装置的结构框图;
图9是用来实现本申请实施例的文本信息抽取方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例一…
在一种具体实施方式中,如图1所示,提供了一种文本信息抽取方法,包括:
步骤S10:对待抽取文本进行文本处理,得到词序列;
步骤S20:对抽取规则表达式进行词法分析,得到多个第一实体词;
步骤S30:对多个第一实体词进行语法结构分析,得到语法结构树;
步骤S40:根据语法结构树和词序列,得到信息抽取结果。
在一种实施方式中,如图2所示,首先,用户可以在客户端进行规则设置。例如,可以在手机中的应用程序中的前端界面中(如,规则设置界面)。创建专属的抽取规则集合,并对抽取规则集合进行命名。如图3所示,抽取规则集合创建之后,抽取规则集合中可包括多个规则列表,每个规则列表中可包括多条规则。每条规则可在界面中,将编辑好的规则内容输入至各个规则输入文本框中。或者用户可以在界面中创建每个规则中的各规则条件,选中各个已创建好的规则条件,并将规则条件在各个规则中进行拖拽,排列组合,无需重新输入规则条件,就可以完成规则建立。当规则定义完成后,将规则组织成文本形式,发送到服务器中对应的规则集合中存储。每个用户名下都有对应的规则数据库,每个规则数据库可以拥有多个自定义的规则集合,便于对大量规则进行管理。
如图2所示,在客户端的界面中,用户可以通过对文件上传控件的操作,将待抽取文本上传至服务器。如图4所示,在服务器中,对待抽取文本进行文本处理,得到词序列。具体过程包括:利用分词模型获取各个分词;利用标注模型对分词的词性进行标注,得到标注后的分词;利用实体识别模型对标注后的分词进行实体识别,得到实体词的词序列。利用规则引擎模型对用户输入的抽取规则表达式进行词法和语法结构分析,得到语法结构树。规则引擎通过编译器,将规则表达式编码为语法结构树。语法分析的作用是进行语法检查,并构建由输入的单词组成的数据结构,数据结构一般是语法结构树,语法结构树可以是语法分析树、抽象语法树(AST,Abstract Syntax Tree)等层次化的数据结构。需要指出的是,规则引擎模型可以是专家知识驱动的模型。规则引擎模型还可以对语法结构树和待抽取文本的词序列进行匹配,得到信息抽取结果,最终完成抽取过程。抽取的过程可以是判断词序列中哪些实体词是符合语法结构树的条件的,如果符合,则抽取出来作为输出结果。同时,还可以通过利用关系抽取模型和/或属性抽取模型对待抽取文本进行关系抽取和/或属性抽取。
例如,用户输入的抽取规则表达式为“【导演】《影视作品》是由*人物执导”。其中,*是通配任意个数的词。待抽取文本包括:《如果我爱你》是由海润影视与明道工作室联合出品,徐辅军执导。信息抽取结果是关系三元组(如果我爱你,影视作品/导演/人物,徐辅军),头实体词“如果我爱你”关系表达“影视作品/导演/人物”,后实体词“徐辅军”,“执导”、“是由”、“《”都是填充词,【导演】是待抽取的关系。用户输入的另一抽取规则表达式为“【上映时间】&影视作品*是|于Date*上映|播出”。其中,*是通配任意个数的词,|是或的意思。待抽取文本“《love双重奏》是2014年10月4日由江苏影视频道播出的一部偶像剧,由张毅导演,刘永隆编剧”以及“真人版电影《仰望半月的夜空》由深川荣洋执导,2010年4月在日本上映”。得到的抽取结果是关系三元组(love双重奏,影视作品/上映时间,2014年10月4日),头实体词“love双重奏”,关系表达“影视作品/上映时间”,后实体词“2014年10月4日”。以及关系三元组(仰望半月的夜空,影视作品/上映时间,2010年4月),头实体词“仰望半月的夜空”,关系表达“影视作品/上映时间”,后实体词“2010年4月”。
在本实施方式中,对任意用户输入的抽取规则表达式均能够进行词法和语法结构分析,并且根据语法结构树和待抽取文本得到的词序列,得到信息抽取结果。任何用户都能够通过抽取规则表达式,对待抽取文本中的信息进行抽取。简化了文本信息抽取过程中的规则定义流程,使得用户方便快捷的进行更多的抽取任务。而且还提高了文本信息的抽取效率,降低成本。
在一种实施方式中,如图5所示,还包括:
步骤S11:在规则设置界面中,响应于规则类型选择操作,生成规则选择指令;
步骤S12:根据规则选择指令,确定在规则类型选择框中显示的规则类型,规则类型包括关系规则和/或属性规则。
在一种示例中,在客户端的规则设置界面中,有规则类型选择控件,下拉按钮,并选中关系规则或属性规则,就可以确定规则类型。具体的过程包括:客户端响应了规则类型选择操作,生成规则选择指令,并且根据规则选择指令,确定规则类型。其中,关系规则表示实体词时间的逻辑关系,例如,“导演”、“影视作品”、“人物”符合关系规则,“姚明”、“2米2”符合属性关系规则。通过在客户端的规则设置界面中,设置规则类型选择控件,使得用户在输入抽取规则表达式之前,明确规则类型,提高抽取规则表达式的编写效率。
在一种实施方式中,如图5所示,还包括:
步骤S13:在规则设置界面中,响应于规则表达式输入操作,生成规则输入指令;
步骤S14:根据规则输入指令,确定在规则表达式输入框中显示的抽取规则表达式;
其中,抽取规则表达式包括关系规则表达式和/或属性规则表达式。
在一种示例中,关系规则表达式可以是“【导演】《影视作品》是由*人物执导”、“【上映时间】&影视作品*是|于Date*上映|播出”等。属性规则表达式可以是“【姚明】火箭队打篮球的人物姚明*身高2米2*年龄|出生*1970年”等。通过在客户端的规则设置界面中,设置规则表达式输入控件,通过可视化界面的操作,使得用户只需在界面上进行操作就能够完成规则表达式的编写,提高了抽取规则表达式的编写效率。
在一种实施方式中,如图5所示,步骤S40包括:
步骤S401:在词序列与语法结构树匹配的情况下,输出关系抽取结果,关系抽取结果包括关系表达和多个第二实体词。
在一种示例中,判断词序列是否符合语法结构树,如果符合,则输出关系抽取结果,关系抽取结果不仅包括关系表达,还包括符合关系表达的多个第二实体词,第二实体词是从待抽取文本中抽取得到的。不仅提高了抽取效率,还通过关系表达明确了抽取到的第二实体词之间的关系。例如,抽取句子“1972年中国加入了联合国,开启了新的路程”,抽取结果关系三元组(联合国,联合国/成员,中国)。“联合国”、“中国”是第二实体词,“联合国/成员”是关系表达。
在一种实施方式中,如图5所示,步骤S40,包括:
步骤S402:在词序列与语法结构树匹配的情况下,输出属性抽取结果,属性抽取结果包括属性表达和多个第三实体词。
在一种示例中,判断词序列是否符合语法结构树,如果符合,则输出属性抽取结果,属性抽取结果不仅包括属性表达,还包括符合属性表达的多个第三实体词,第三实体词是从待抽取文本中抽取得到的。不仅提高了抽取效率,还通过属性表达明确了抽取到的第三实体词之间的关系。例如,抽取句子“姚明生于1980年”或者“在1980年,姚明出生了”,抽取结果属性三元组(姚明,人物/生日,1980)。“姚明”是第三实体词,“1980”是属性值,“人物/生日”是属性表达。如图6所示,抽取句子“51岁的黎明终于升级当爸爸了……早产一个月诞下一女儿”,抽取结果属性三元组(黎明,人物/年龄,51)。“黎明”是第三实体词,“51”是属性值,“人物/年龄”是属性表达。
实施例二
在另一种具体实施方式中,如图7所示,提供了一种文本信息抽取装置100,包括:
词序列获取模块101,用于对待抽取文本进行文本处理,得到词序列;
词法分析模块102,用于对抽取规则表达式进行词法分析,得到多个第一实体词;
语法分析模块103,用于对多个第一实体词进行语法结构分析,得到语法结构树;
信息抽取模块104,用于根据语法结构树和词序列,得到信息抽取结果。
在一种实施方式中,如图8所示,在文本信息抽取装置100基础上得到另一文本信息抽取装置200,还包括:
规则选择指令生成模块110,用于在规则设置界面中,响应于规则类型选择操作,生成规则选择指令;
规则类型确定模块111,用于根据规则选择指令,确定在规则类型选择框中显示的规则类型,规则类型包括关系规则和/或属性规则。
在一种实施方式中,还包括:
规则输入指令生成模块112,用于在规则设置界面中,响应于规则表达式输入操作,生成规则输入指令;
规则表达式确定模块113,用于根据规则输入指令,确定在规则表达式输入框中显示的抽取规则表达式;
其中,抽取规则表达式包括关系规则表达式和/或属性规则表达式。
在一种实施方式中,信息抽取模块104包括:
关系抽取结果生成单元1041,用于在词序列与语法结构树匹配的情况下,输出关系抽取结果,关系抽取结果包括关系表达和多个第二实体词。
在一种实施方式中,信息抽取模块104包括:
属性抽取结果生成单元1042,用于在词序列与语法结构树匹配的情况下,输出属性抽取结果,属性抽取结果包括属性表达和多个第三实体词。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图9所示,是根据本申请实施例的一种文本信息抽取方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,该电子设备包括:一个或多个处理器901、存储器902,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface,GUI)的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器901为例。
存储器902即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的一种文本信息抽取方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的一种文本信息抽取方法。
存储器902作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的一种文本信息抽取方法对应的程序指令/模块(例如,附图7所示的词序列获取模块101、词法分析模块102、语法分析模块103和信息抽取模块104)。处理器901通过运行存储在存储器902中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的一种文本信息抽取方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据一种文本信息抽取的电子设备的使用所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至一种文本信息抽取的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一种文本信息抽取方法的电子设备还可以包括:输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息,以及产生与一种文本信息抽取的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置904可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(Liquid Cr9stal Displa9,LCD)、发光二极管(Light EmittingDiode,LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuits,ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(programmable logic device,PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(Cathode Ra9 Tube,阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,对任意用户输入的抽取规则表达式均能够进行词法和语法结构分析,并且根据语法结构树和待抽取文本得到的词序列,得到信息抽取结果。任何用户都能够通过抽取规则表达式,对待抽取文本中的信息进行抽取。简化了文本信息抽取过程中的规则定义流程,使得用户方便快捷的进行更多的抽取任务。而且还提高了文本信息的抽取效率,降低成本。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种文本信息抽取方法,其特征在于,包括:
对待抽取文本进行文本处理,得到词序列;
对抽取规则表达式进行词法分析,得到多个第一实体词;
对所述多个第一实体词进行语法结构分析,得到语法结构树;
根据所述语法结构树和所述词序列,得到信息抽取结果。
2.根据权利要求1所述的方法,其特征在于,还包括:
在规则设置界面中,响应于规则类型选择操作,生成规则选择指令;
根据所述规则选择指令,确定在规则类型选择框中显示的规则类型,所述规则类型包括关系规则和/或属性规则。
3.根据权利要求2所述的方法,其特征在于,还包括:
在所述规则设置界面中,响应于规则表达式输入操作,生成规则输入指令;
根据所述规则输入指令,确定在规则表达式输入框中显示的抽取规则表达式;
其中,所述抽取规则表达式包括关系规则表达式和/或属性规则表达式。
4.根据权利要求3所述的方法,其特征在于,根据所述语法结构树和所述词序列,得到信息抽取结果,包括:
在所述词序列与所述语法结构树匹配的情况下,输出关系抽取结果,所述关系抽取结果包括关系表达和多个第二实体词。
5.根据权利要求3所述的方法,其特征在于,根据所述语法结构树和所述词序列,得到信息抽取结果,包括:
在所述词序列与所述语法结构树匹配的情况下,输出属性抽取结果,所述属性抽取结果包括属性表达和多个第三实体词。
6.一种文本信息抽取装置,其特征在于,包括:
词序列获取模块,用于对待抽取文本进行文本处理,得到词序列;
词法分析模块,用于对抽取规则表达式进行词法分析,得到多个第一实体词;
语法分析模块,用于对所述多个第一实体词进行语法结构分析,得到语法结构树;
信息抽取模块,用于根据所述语法结构树和所述词序列,得到信息抽取结果。
7.根据权利要求6所述的装置,其特征在于,还包括:
规则选择指令生成模块,用于在规则设置界面中,响应于规则类型选择操作,生成规则选择指令;
规则类型确定模块,用于根据所述规则选择指令,确定在规则类型选择框中显示的规则类型,所述规则类型包括关系规则和/或属性规则。
8.根据权利要求7所述的装置,其特征在于,还包括:
规则输入指令生成模块,用于在所述规则设置界面中,响应于规则表达式输入操作,生成规则输入指令;
规则表达式确定模块,用于根据所述规则输入指令,确定在规则表达式输入框中显示的抽取规则表达式;
其中,所述抽取规则表达式包括关系规则表达式和/或属性规则表达式。
9.根据权利要求8所述的装置,其特征在于,所述信息抽取模块包括:
关系抽取结果生成单元,用于在所述词序列与所述语法结构树匹配的情况下,输出关系抽取结果,所述关系抽取结果包括关系表达和多个第二实体词。
10.根据权利要求8所述的装置,其特征在于,所述信息抽取模块包括:
属性抽取结果生成单元,用于在所述词序列与所述语法结构树匹配的情况下,输出属性抽取结果,所述属性抽取结果包括属性表达和多个第三实体词。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910877380.XA CN110597959B (zh) | 2019-09-17 | 2019-09-17 | 文本信息抽取方法、装置以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910877380.XA CN110597959B (zh) | 2019-09-17 | 2019-09-17 | 文本信息抽取方法、装置以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110597959A true CN110597959A (zh) | 2019-12-20 |
CN110597959B CN110597959B (zh) | 2023-05-02 |
Family
ID=68860378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910877380.XA Active CN110597959B (zh) | 2019-09-17 | 2019-09-17 | 文本信息抽取方法、装置以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110597959B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990710A (zh) * | 2019-12-24 | 2020-04-10 | 北京百度网讯科技有限公司 | 资源推荐方法及装置 |
CN111160318A (zh) * | 2020-01-07 | 2020-05-15 | 百度在线网络技术(北京)有限公司 | 电子设备控制方法及装置 |
CN111191421A (zh) * | 2019-12-30 | 2020-05-22 | 出门问问信息科技有限公司 | 一种文本处理方法和装置、计算机存储介质和电子设备 |
CN111881664A (zh) * | 2020-06-30 | 2020-11-03 | 北京来也网络科技有限公司 | 一种结合rpa和ai的信息抽取方法、装置、设备及介质 |
CN111931503A (zh) * | 2020-08-04 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 信息抽取方法及装置、设备、计算机可读存储介质 |
CN112417875A (zh) * | 2020-11-17 | 2021-02-26 | 深圳平安智汇企业信息管理有限公司 | 配置信息的更新方法、装置、计算机设备及介质 |
CN113076396A (zh) * | 2021-03-29 | 2021-07-06 | 中国医学科学院医学信息研究所 | 一种面向人机协同的实体关系处理方法及系统 |
CN113254581A (zh) * | 2021-05-25 | 2021-08-13 | 深圳市图灵机器人有限公司 | 一种基于神经语义解析的金融文本公式抽取方法及装置 |
CN114861677A (zh) * | 2022-05-30 | 2022-08-05 | 北京百度网讯科技有限公司 | 信息抽取方法、装置、电子设备以及存储介质 |
CN114997398A (zh) * | 2022-03-09 | 2022-09-02 | 哈尔滨工业大学 | 一种基于关系抽取的知识库融合方法 |
CN116127960A (zh) * | 2023-04-17 | 2023-05-16 | 广东粤港澳大湾区国家纳米科技创新研究院 | 信息抽取方法、装置、存储介质及计算机设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06162073A (ja) * | 1992-11-24 | 1994-06-10 | Nippon Telegr & Teleph Corp <Ntt> | 自然言語解析方法 |
JP2008129662A (ja) * | 2006-11-16 | 2008-06-05 | Nec Corp | 情報抽出装置、情報抽出方法、情報抽出プログラム |
CN105824801A (zh) * | 2015-03-16 | 2016-08-03 | 国家计算机网络与信息安全管理中心 | 一种基于自动机的实体关系快速抽取方法 |
CN106250393A (zh) * | 2016-07-13 | 2016-12-21 | 广州安望信息科技有限公司 | 一种基于知识图谱的短文本理解方法及装置 |
CN106776544A (zh) * | 2016-11-24 | 2017-05-31 | 四川无声信息技术有限公司 | 人物关系识别方法及装置和分词方法 |
CN106959944A (zh) * | 2017-02-14 | 2017-07-18 | 中国电子科技集团公司第二十八研究所 | 一种基于中文语法规则的事件提取方法和系统 |
CN107423279A (zh) * | 2017-04-11 | 2017-12-01 | 美林数据技术股份有限公司 | 一种金融信贷短信的信息抽取和分析方法 |
CN107608949A (zh) * | 2017-10-16 | 2018-01-19 | 北京神州泰岳软件股份有限公司 | 一种基于语义模型的文本信息抽取方法及装置 |
CN108170661A (zh) * | 2016-12-07 | 2018-06-15 | 北京京东尚科信息技术有限公司 | 一种规则文本的管理方法及系统 |
CN108959630A (zh) * | 2018-07-24 | 2018-12-07 | 电子科技大学 | 一种面向英文无结构文本的人物属性抽取方法 |
CN109992761A (zh) * | 2019-03-22 | 2019-07-09 | 武汉工程大学 | 一种基于规则的自适应文本信息提取方法及软件存储器 |
CN110059176A (zh) * | 2019-02-28 | 2019-07-26 | 南京大学 | 一种基于规则的通用文本信息抽取和信息生成方法 |
-
2019
- 2019-09-17 CN CN201910877380.XA patent/CN110597959B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06162073A (ja) * | 1992-11-24 | 1994-06-10 | Nippon Telegr & Teleph Corp <Ntt> | 自然言語解析方法 |
JP2008129662A (ja) * | 2006-11-16 | 2008-06-05 | Nec Corp | 情報抽出装置、情報抽出方法、情報抽出プログラム |
CN105824801A (zh) * | 2015-03-16 | 2016-08-03 | 国家计算机网络与信息安全管理中心 | 一种基于自动机的实体关系快速抽取方法 |
CN106250393A (zh) * | 2016-07-13 | 2016-12-21 | 广州安望信息科技有限公司 | 一种基于知识图谱的短文本理解方法及装置 |
CN106776544A (zh) * | 2016-11-24 | 2017-05-31 | 四川无声信息技术有限公司 | 人物关系识别方法及装置和分词方法 |
CN108170661A (zh) * | 2016-12-07 | 2018-06-15 | 北京京东尚科信息技术有限公司 | 一种规则文本的管理方法及系统 |
CN106959944A (zh) * | 2017-02-14 | 2017-07-18 | 中国电子科技集团公司第二十八研究所 | 一种基于中文语法规则的事件提取方法和系统 |
CN107423279A (zh) * | 2017-04-11 | 2017-12-01 | 美林数据技术股份有限公司 | 一种金融信贷短信的信息抽取和分析方法 |
CN107608949A (zh) * | 2017-10-16 | 2018-01-19 | 北京神州泰岳软件股份有限公司 | 一种基于语义模型的文本信息抽取方法及装置 |
CN108959630A (zh) * | 2018-07-24 | 2018-12-07 | 电子科技大学 | 一种面向英文无结构文本的人物属性抽取方法 |
CN110059176A (zh) * | 2019-02-28 | 2019-07-26 | 南京大学 | 一种基于规则的通用文本信息抽取和信息生成方法 |
CN109992761A (zh) * | 2019-03-22 | 2019-07-09 | 武汉工程大学 | 一种基于规则的自适应文本信息提取方法及软件存储器 |
Non-Patent Citations (2)
Title |
---|
YANTUAN XIAN等: "Using deep belief networks to extract Chinese entiy attribute relation in domain-specific" * |
杨宇飞: "面向中文网络百科的属性关系抽取研究" * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990710B (zh) * | 2019-12-24 | 2023-07-04 | 北京百度网讯科技有限公司 | 资源推荐方法及装置 |
CN110990710A (zh) * | 2019-12-24 | 2020-04-10 | 北京百度网讯科技有限公司 | 资源推荐方法及装置 |
CN111191421A (zh) * | 2019-12-30 | 2020-05-22 | 出门问问信息科技有限公司 | 一种文本处理方法和装置、计算机存储介质和电子设备 |
CN111191421B (zh) * | 2019-12-30 | 2023-09-12 | 出门问问创新科技有限公司 | 一种文本处理方法和装置、计算机存储介质和电子设备 |
CN111160318A (zh) * | 2020-01-07 | 2020-05-15 | 百度在线网络技术(北京)有限公司 | 电子设备控制方法及装置 |
CN111160318B (zh) * | 2020-01-07 | 2023-10-31 | 百度在线网络技术(北京)有限公司 | 电子设备控制方法及装置 |
CN111881664A (zh) * | 2020-06-30 | 2020-11-03 | 北京来也网络科技有限公司 | 一种结合rpa和ai的信息抽取方法、装置、设备及介质 |
CN111931503A (zh) * | 2020-08-04 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 信息抽取方法及装置、设备、计算机可读存储介质 |
CN111931503B (zh) * | 2020-08-04 | 2024-01-26 | 腾讯科技(深圳)有限公司 | 信息抽取方法及装置、设备、计算机可读存储介质 |
CN112417875B (zh) * | 2020-11-17 | 2023-08-15 | 深圳平安智汇企业信息管理有限公司 | 配置信息的更新方法、装置、计算机设备及介质 |
CN112417875A (zh) * | 2020-11-17 | 2021-02-26 | 深圳平安智汇企业信息管理有限公司 | 配置信息的更新方法、装置、计算机设备及介质 |
CN113076396B (zh) * | 2021-03-29 | 2023-05-16 | 中国医学科学院医学信息研究所 | 一种面向人机协同的实体关系处理方法及系统 |
CN113076396A (zh) * | 2021-03-29 | 2021-07-06 | 中国医学科学院医学信息研究所 | 一种面向人机协同的实体关系处理方法及系统 |
CN113254581A (zh) * | 2021-05-25 | 2021-08-13 | 深圳市图灵机器人有限公司 | 一种基于神经语义解析的金融文本公式抽取方法及装置 |
CN114997398A (zh) * | 2022-03-09 | 2022-09-02 | 哈尔滨工业大学 | 一种基于关系抽取的知识库融合方法 |
CN114861677A (zh) * | 2022-05-30 | 2022-08-05 | 北京百度网讯科技有限公司 | 信息抽取方法、装置、电子设备以及存储介质 |
CN116127960A (zh) * | 2023-04-17 | 2023-05-16 | 广东粤港澳大湾区国家纳米科技创新研究院 | 信息抽取方法、装置、存储介质及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110597959B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110597959A (zh) | 文本信息抽取方法、装置以及电子设备 | |
JP7122365B2 (ja) | テキスト認識処理方法、装置、電子機器及び記憶媒体 | |
CN111325020B (zh) | 一种事件论元抽取方法、装置以及电子设备 | |
JP7228662B2 (ja) | イベント抽出方法、装置、電子機器及び記憶媒体 | |
CN111414482B (zh) | 一种事件论元抽取方法、装置以及电子设备 | |
KR102484617B1 (ko) | 이종 그래프 노드를 표현하는 모델 생성 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
EP3851977A1 (en) | Method, apparatus, electronic device, and storage medium for extracting spo triples | |
JP7179123B2 (ja) | 言語モデルの訓練方法、装置、電子デバイス及び可読記憶媒体 | |
CN111539227B (zh) | 训练语义表示模型的方法、装置、设备和计算机存储介质 | |
KR20210040885A (ko) | 정보 생성 방법 및 장치 | |
KR20210118360A (ko) | 라벨링 모델을 구축하는 방법, 장치, 전자 기기, 프로그램 및 판독 가능 저장 매체 | |
EP3879427A2 (en) | Information extraction method, extraction model training method, apparatus and electronic device | |
JP7178441B2 (ja) | 要約生成方法、装置、プログラム、電子デバイス及び記憶媒体 | |
CN111563385A (zh) | 语义处理方法、装置、电子设备和介质 | |
CN111859997A (zh) | 机器翻译中的模型训练方法、装置、电子设备及存储介质 | |
CN111666751B (zh) | 训练文本扩充方法、装置、设备以及存储介质 | |
CN111126061B (zh) | 对联信息生成方法和装置 | |
CN111090991B (zh) | 场景纠错方法、装置、电子设备和存储介质 | |
CN113360751B (zh) | 意图识别方法、装置、设备和介质 | |
CN112269862B (zh) | 文本角色标注方法、装置、电子设备和存储介质 | |
CN110532487B (zh) | 标签的生成方法及装置 | |
CN111127191A (zh) | 风险评估方法及装置 | |
CN111666372A (zh) | 解析查询词query的方法、装置、电子设备和可读存储介质 | |
CN113516491B (zh) | 推广信息展示方法、装置、电子设备及存储介质 | |
CN111858880A (zh) | 获取查询结果的方法、装置、电子设备和可读存储介质 |
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 |