CN111598550A - 邮件签名信息提取方法、装置、电子设备及介质 - Google Patents
邮件签名信息提取方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN111598550A CN111598550A CN202010441031.6A CN202010441031A CN111598550A CN 111598550 A CN111598550 A CN 111598550A CN 202010441031 A CN202010441031 A CN 202010441031A CN 111598550 A CN111598550 A CN 111598550A
- Authority
- CN
- China
- Prior art keywords
- line
- signature information
- signature
- information extraction
- 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.)
- Pending
Links
Images
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
- G06Q10/107—Computer-aided management of electronic mailing [e-mailing]
-
- 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
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/126—Character encoding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Abstract
本发明涉及人工智能,提供一种邮件签名信息提取方法、装置、电子设备及介质。该方法能够提取待提取邮件,对待提取邮件进行分行处理,得到行文本,将每个行文本依次输入至预先训练的二分类模型中,得到行文本对应的类别,类别包括非签名档类别,按照每个行文本在待提取邮件中的位置从前至后的顺序对行文本及行文本对应的类别进行排序,得到目标队列,按照每个行文本在待提取邮件中的位置从后至前的顺序遍历目标队列,依次计算类别为非签名档类别的行文本的数量,当数量大于预设阈值时,停止遍历,将在目标队列中遍历到的行文本确定为签名档区域,提取签名档区域中的签名信息,能够实现在没有人为操作的情况下,快速、准确提取邮件中的签名信息。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种邮件签名信息提取方法、装置、电子设备及介质。
背景技术
与个人邮件不同,商务邮件通常都会带有签名档,商务邮件中的签名档往往包含公司信息和联系人信息,这些信息有助于用户为合作伙伴进行建档,以达到有效管理合作伙伴的联系信息。
然而,传统的方式是通过人工收集进行邮件签名信息提取,不仅耗费大量人力,还存在人为因素造成的提取误差。
发明内容
鉴于以上内容,有必要提供一种邮件签名信息提取方法、装置、电子设备及介质,能够实现在没有人为操作的情况下,快速、准确提取邮件中的签名信息。
一种邮件签名信息提取方法,所述邮件签名信息提取方法包括:
当接收到签名信息提取请求时,从所述签名信息提取请求中提取待提取邮件;
对所述待提取邮件进行分行处理,得到多个行文本;
将每个行文本依次输入至预先训练的二分类模型中,得到每个行文本对应的类别,所述类别包括非签名档类别;
按照每个行文本在所述待提取邮件中的位置从前至后的顺序对所述多个行文本及所述多个行文本对应的类别进行排序,得到目标队列;
按照每个行文本在所述待提取邮件中的位置从后至前的顺序遍历所述目标队列,并依次计算类别为所述非签名档类别的行文本的数量,当所述数量大于预设阈值时,停止遍历;
将在所述目标队列中遍历到的行文本确定为签名档区域;
提取所述签名档区域中的签名信息。
根据本发明优选实施例,所述从所述签名信息提取请求中提取待提取邮件包括:
解析所述签名信息提取请求中的方法体,得到所述签名信息提取请求所携带的所有信息;
获取预设标签;
从所述所有信息中获取与所述预设标签对应的信息,作为所述待提取邮件。
根据本发明优选实施例,所述对所述待提取邮件进行分行处理,得到多个行文本包括:
获取预设DIV标签;
根据所述预设DIV标签对所述待提取邮件进行分块处理,得到多个段文本;
获取预设换行符;
根据所述预设换行符对每个段文本进行分行处理,得到所述多个行文本。
根据本发明优选实施例,在将每个行文本依次输入至预先训练的二分类模型中之前,所述邮件签名信息提取方法还包括:
获取预训练数据集,所述预训练数据集中包括多个数据行,所述多个数据行包括签名档数据行及正文数据行;
对所述签名档数据行及所述正文数据行进行乱序处理,得到目标训练数据集;
采用交叉验证法划分所述目标训练数据集,得到第一集合及第二集合;
训练所述第一集合中的数据,得到学习器;
根据所述第二集合中的数据调整所述学习器中的参数,得到所述二分类模型。
根据本发明优选实施例,所述训练所述第一集合中的数据,得到学习器包括:
对所述第一集合中的每个数据行进行编码处理,得到编码向量;
将所述编码向量输入至正向长短期记忆网络层中,得到第一向量,并将所述编码向量输入至反向长短期记忆网络层中,得到第二向量;
拼接所述第一向量及所述第二向量,得到输入向量;
结合池化运算、卷积运算以及线性变换运算对所述输入向量进行处理,得到特征向量;
采用全连接层运算对所述特征向量进行处理,得到所述学习器。
根据本发明优选实施例,所述提取所述签名档区域中的签名信息方法包括:
将所述签名档区域中类别为所述非签名档类别的行文本确定为目标行文本;
确定所述目标行文本在所述目标队列中的序号;
当检测到所述目标行文本的序号属于连续序号时,将所述目标行文本从所述签名档区域中删除,并将删除后的签名档区域中的行文本确定为所述签名信息。
根据本发明优选实施例,在提取所述签名档区域中的签名信息后,所述邮件签名信息提取方法还包括:
采用对称加密技术加密所述签名信息,得到密文;
确定所述签名信息提取请求的请求等级;
根据所述请求等级确定发送形式;
以所述发送形式发送所述密文。
一种邮件签名信息提取装置,所述邮件签名信息提取装置包括:
提取单元,用于当接收到签名信息提取请求时,从所述签名信息提取请求中提取待提取邮件;
处理单元,用于对所述待提取邮件进行分行处理,得到多个行文本;
输入单元,用于将每个行文本依次输入至预先训练的二分类模型中,得到每个行文本对应的类别,所述类别包括非签名档类别;
排序单元,用于按照每个行文本在所述待提取邮件中的位置从前至后的顺序对所述多个行文本及所述多个行文本对应的类别进行排序,得到目标队列;
遍历单元,用于按照每个行文本在所述待提取邮件中的位置从后至前的顺序遍历所述目标队列,并依次计算类别为所述非签名档类别的行文本的数量,当所述数量大于预设阈值时,停止遍历;
确定单元,用于将在所述目标队列中遍历到的行文本确定为签名档区域;
所述提取单元,还用于提取所述签名档区域中的签名信息。
根据本发明优选实施例,所述提取单元从所述签名信息提取请求中提取待提取邮件包括:
解析所述签名信息提取请求中的方法体,得到所述签名信息提取请求所携带的所有信息;
获取预设标签;
从所述所有信息中获取与所述预设标签对应的信息,作为所述待提取邮件。
根据本发明优选实施例,所述处理单元对所述待提取邮件进行分行处理,得到多个行文本包括:
获取预设DIV标签;
根据所述预设DIV标签对所述待提取邮件进行分块处理,得到多个段文本;
获取预设换行符;
根据所述预设换行符对每个段文本进行分行处理,得到所述多个行文本。
根据本发明优选实施例,所述邮件签名信息提取装置还包括:
获取单元,用于在将每个行文本依次输入至预先训练的二分类模型中之前,获取预训练数据集,所述预训练数据集中包括多个数据行,所述多个数据行包括签名档数据行及正文数据行;
所述处理单元,还用于对所述签名档数据行及所述正文数据行进行乱序处理,得到目标训练数据集;
划分单元,用于采用交叉验证法划分所述目标训练数据集,得到第一集合及第二集合;
训练单元,用于训练所述第一集合中的数据,得到学习器;
调整单元,用于根据所述第二集合中的数据调整所述学习器中的参数,得到所述二分类模型。
根据本发明优选实施例,所述训练单元具体用于:
对所述第一集合中的每个数据行进行编码处理,得到编码向量;
将所述编码向量输入至正向长短期记忆网络层中,得到第一向量,并将所述编码向量输入至反向长短期记忆网络层中,得到第二向量;
拼接所述第一向量及所述第二向量,得到输入向量;
结合池化运算、卷积运算以及线性变换运算对所述输入向量进行处理,得到特征向量;
采用全连接层运算对所述特征向量进行处理,得到所述学习器。
根据本发明优选实施例,所述提取单元提取所述签名档区域中的签名信息方法包括:
将所述签名档区域中类别为所述非签名档类别的行文本确定为目标行文本;
确定所述目标行文本在所述目标队列中的序号;
当检测到所述目标行文本的序号属于连续序号时,将所述目标行文本从所述签名档区域中删除,并将删除后的签名档区域中的行文本确定为所述签名信息。
根据本发明优选实施例,所述邮件签名信息提取装置还包括:
加密单元,用于在提取所述签名档区域中的签名信息后,采用对称加密技术加密所述签名信息,得到密文;
所述确定单元,还用于确定所述签名信息提取请求的请求等级;
所述确定单元,还用于根据所述请求等级确定发送形式;
发送单元,用于以所述发送形式发送所述密文。
一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现所述邮件签名信息提取方法。
一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现所述邮件签名信息提取方法。
由以上技术方案可以看出,本发明能够在没有人为操作的情况下,快速、获取签名信息,提高了签名信息的提取效率,此外,由于在没有人为操作的情况下,因此,能够避免人为因素造成的提取误差,提高了签名信息的提取准确度。
附图说明
图1是本发明邮件签名信息提取方法的较佳实施例的流程图。
图2是本发明邮件签名信息提取装置的较佳实施例的功能模块图。
图3是本发明实现邮件签名信息提取方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明邮件签名信息提取方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述邮件签名信息提取方法应用于一个或者多个电子设备中,所述电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital SignalProcessor,DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,当接收到签名信息提取请求时,从所述签名信息提取请求中提取待提取邮件。
在本发明的至少一个实施例中,所述签名信息提取请求中携带的信息包括,但不限于:所述待提取邮件、所述签名信息提取请求对应的请求类别等。
在本发明的至少一个实施例中,所述电子设备从所述签名信息提取请求中提取待提取邮件包括:
所述电子设备解析所述签名信息提取请求中的方法体,得到所述签名信息提取请求所携带的所有信息,进一步地,所述电子设备获取预设标签,更进一步地,所述电子设备从所述所有信息中获取与所述预设标签对应的信息,作为所述待提取邮件。
通过预设标签与待提取邮件的映射关系,能够准确确定所述待提取邮件。
在本发明的至少一个实施例中,所述电子设备从线程连接池中获取闲置线程,进一步地,所述电子设备利用所述闲置线程解析所述签名信息提取请求中的方法体。
通过从线程连接池中获取闲置线程,能够节省创建线程的时间,同时,利用闲置线程解析所述签名信息提取请求,能够快速得到所述签名信息提取请求中携带的信息。
S11,对所述待提取邮件进行分行处理,得到多个行文本。
在本发明的至少一个实施例中,所述电子设备对所述待提取邮件进行分行处理,得到多个行文本包括:
所述电子设备获取预设DIV标签,进一步地,所述电子设备根据所述预设DIV标签对所述待提取邮件进行分块处理,得到多个段文本,更进一步地,所述电子设备获取预设换行符,所述电子设备根据所述预设换行符对每个段文本进行分行处理,得到所述多个行文本。
其中,所述预设换行符包括,但不限于:"\n"、"endl"。
通过对所述待提取邮件进行分块处理后,进而对分块处理后的多个段文本进行分行处理,能够避免段文本中的段尾因不具有预设换行符而导致无法无法分行,从而提高了分行的准确度。
S12,将每个行文本依次输入至预先训练的二分类模型中,得到每个行文本对应的类别,所述类别包括非签名档类别。
在本发明的至少一个实施例中,所述类别还包括签名档类别。
在本发明的至少一个实施例中,在将每个行文本依次输入至预先训练的二分类模型中之前,所述邮件签名信息提取方法还包括:
所述电子设备获取预训练数据集,所述预训练数据集中包括多个数据行,所述多个数据行包括签名档数据行及正文数据行,进一步地,所述电子设备对所述签名档数据行及所述正文数据行进行乱序处理,得到目标训练数据集,更进一步地,所述电子设备采用交叉验证法划分所述目标训练数据集,得到第一集合及第二集合,更进一步地,所述电子设备训练所述第一集合中的数据,得到学习器,所述电子设备根据所述第二集合中的数据调整所述学习器中的参数,得到所述二分类模型。
通过对所述签名档数据行及所述正文数据行进行乱序处理,能够提高二分类模型的准确度。
具体地,所述电子设备采用交叉验证法划分所述目标训练数据集,得到第一集合及第二集合包括:
所述电子设备将所述目标训练数据集按照预设比例随机划分为至少一个数据包,将所述至少一个数据包中的任意一个数据包确定为所述第二集合,其余的数据包确定为所述第一集合,重复上述步骤,直至所有的数据包全都依次被用作为所述第二集合。
其中,所述预设比例可以自定义设置,本发明不作限制。
通过划分所述目标训练数据集,使所述目标训练数据集中的每个数据行均参与训练及验证,由此,提高训练所述二分类模型的拟合度。
具体地,所述电子设备训练所述第一集合中的数据,得到学习器包括:
所述电子设备对所述第一集合中的每个数据行进行编码处理,得到编码向量,进一步地,所述电子设备将所述编码向量输入至正向长短期记忆网络层中,得到第一向量,并将所述编码向量输入至反向长短期记忆网络层中,得到第二向量,所述电子设备拼接所述第一向量及所述第二向量,得到输入向量,更进一步地,所述电子设备结合池化运算、卷积运算以及线性变换运算对所述输入向量进行处理,得到特征向量,所述电子设备采用全连接层运算对所述特征向量进行处理,得到所述学习器。
通过正向长短期记忆网络层及反向长短期记忆网络层对所述编码向量进行处理,使每个编码向量具有上下文语义,提高所述学习器的训练精度。
具体地,所述电子设备根据所述第二集合中的数据,调整所述学习器中的参数,得到所述二分类模型包括:
所述电子设备采用超参数网格搜索方法从所述第二集合中确定最优超参数点,进一步地,所述电子设备通过所述最优超参数点对所述学习器进行调整,得到所述二分类模型。
具体地,所述电子设备将所述第二集合按照固定步长进行拆分,得到目标子集,遍历所述目标子集上两端端点的参数,通过所述两端端点的参数验证所述学习器,得到每个参数的学习率,将学习率最好的参数确定为第一超参数点,并在所述第一超参数点的邻域内,缩小所述步长继续遍历,直至所述步长为预设步长,即得到的超参数点为所述最优超参数点,更进一步地,所述电子设备根据所述最优超参数点调整所述学习器,得到所述二分类模型。
其中,本发明对所述预设步长不作限制。
通过对所述学习器的调整,能够提高所述二分类模型的准确度,以提高行文本所属类别的准确度。
S13,按照每个行文本在所述待提取邮件中的位置从前至后的顺序对所述多个行文本及所述多个行文本对应的类别进行排序,得到目标队列。
在本发明至少一个实施例中,所述电子设备对所述多个行文本及所述多个行文本对应的类别进行排序,得到所述目标队列,所述目标队列包括多个行文本、所述多个行文本对应的类别及序号。
S14,按照每个行文本在所述待提取邮件中的位置从后至前的顺序遍历所述目标队列,并依次计算类别为所述非签名档类别的行文本的数量,当所述数量大于预设阈值时,停止遍历。
在本发明的至少一个实施例中,所述预设阈值可以根据实际应用场景进行设置,具体的取值在本发明中不作限制。
在本发明的至少一个实施例中,所述电子设备利用遍历技术依照从后至前的顺序遍历所述目标队列,具体的遍历技术属于现有技术,本发明对此不作阐述。
S15,将在所述目标队列中遍历到的行文本确定为签名档区域。
在本发明的至少一个实施例中,所述电子设备组合在所述目标队列中遍历到的行文本,得到所述签名档区域。
S16,提取所述签名档区域中的签名信息。
在本发明至少一个实施例中,所述电子设备提取所述签名档区域中的签名信息方法包括:
所述电子设备将所述签名档区域中类别为所述非签名档类别的行文本确定为目标行文本,进一步地,所述电子设备确定所述目标行文本在所述目标队列中的序号,当检测到所述目标行文本的序号属于连续序号时,所述电子设备将所述目标行文本从所述签名档区域中删除,并将删除后的签名档区域中的行文本确定为所述签名信息。
例如:签名档区域包括:第20行,非签名档类别;第21行,非签名档类别;第22行,非签名档类别;第23行,签名档类别;第24行,签名档类别,所述电子设备确定目标行文本为:第20行,非签名档类别;第21行,非签名档类别;第22行,非签名档类别,进一步地,所述电子设备确定所述目标行文本在目标队列中的序号如下:第20行,第21行,第22行,所述电子设备检测到“第20行,第21行,第22行”属于20-22的连续序号,删除“第20行,非签名档类别;第21行,非签名档类别;第22行,非签名档类别”,得到签名信息为“第23行,签名档类别;第24行,签名档类别”。
通过上述实施方式,能够准确提取所述签名信息。
在本发明至少一个实施例中,在提取所述签名档区域中的签名信息后,所述邮件签名信息提取方法还包括:
所述电子设备采用对称加密技术加密所述签名信息,得到密文,进一步地,所述电子设备确定所述签名信息提取请求的请求等级,所述电子设备根据所述请求等级确定发送形式,更进一步地,所述电子设备以所述发送形式发送所述密文。
其中,所述请求等级包括,但不限于:等级一、等级二等。
所述发送形式包括:电话发送形式、邮件发送形式等。
通过加密所述签名信息,能够提高所述签名信息的安全性,通过确定所述签名信息提取请求的请求等级,能够以合适的发送形式发送所述密文。
由以上技术方案可以看出,本发明能够在没有人为操作的情况下,快速、获取签名信息,提高了签名信息的提取效率,此外,由于在没有人为操作的情况下,因此,能够避免人为因素造成的提取误差,提高了签名信息的提取准确度。
如图2所示,是本发明邮件签名信息提取装置的较佳实施例的功能模块图。所述邮件签名信息提取装置11包括提取单元110、处理单元111、输入单元112、排序单元113、遍历单元114、确定单元115、获取单元116、划分单元117、训练单元118、调整单元119、加密单元120以及发送单元121。本发明所称的模块/单元是指一种能够被处理器13所执行,并且能够完成固定功能的一系列计算机程序段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
当接收到签名信息提取请求时,提取单元110从所述签名信息提取请求中提取待提取邮件。
在本发明的至少一个实施例中,所述签名信息提取请求中携带的信息包括,但不限于:所述待提取邮件、所述签名信息提取请求对应的请求类别等。
在本发明的至少一个实施例中,所述提取单元110从所述签名信息提取请求中提取待提取邮件包括:
所述提取单元110解析所述签名信息提取请求中的方法体,得到所述签名信息提取请求所携带的所有信息,进一步地,所述提取单元110获取预设标签,更进一步地,所述提取单元110从所述所有信息中获取与所述预设标签对应的信息,作为所述待提取邮件。
通过预设标签与待提取邮件的映射关系,能够准确确定所述待提取邮件。
在本发明的至少一个实施例中,所述提取单元110从线程连接池中获取闲置线程,进一步地,所述提取单元110利用所述闲置线程解析所述签名信息提取请求中的方法体。
通过从线程连接池中获取闲置线程,能够节省创建线程的时间,同时,利用闲置线程解析所述签名信息提取请求,能够快速得到所述签名信息提取请求中携带的信息。
处理单元111对所述待提取邮件进行分行处理,得到多个行文本。
在本发明的至少一个实施例中,所述处理单元111对所述待提取邮件进行分行处理,得到多个行文本包括:
所述处理单元111获取预设DIV标签,进一步地,所述处理单元111根据所述预设DIV标签对所述待提取邮件进行分块处理,得到多个段文本,更进一步地,所述处理单元111获取预设换行符,所述处理单元111根据所述预设换行符对每个段文本进行分行处理,得到所述多个行文本。
其中,所述预设换行符包括,但不限于:"\n"、"endl"。
通过对所述待提取邮件进行分块处理后,进而对分块处理后的多个段文本进行分行处理,能够避免段文本中的段尾因不具有预设换行符而导致无法无法分行,从而提高了分行的准确度。
输入单元112将每个行文本依次输入至预先训练的二分类模型中,得到每个行文本对应的类别,所述类别包括非签名档类别。
在本发明的至少一个实施例中,所述类别还包括签名档类别。
在本发明的至少一个实施例中,在将每个行文本依次输入至预先训练的二分类模型中之前,获取单元116获取预训练数据集,所述预训练数据集中包括多个数据行,所述多个数据行包括签名档数据行及正文数据行,进一步地,所述处理单元111对所述签名档数据行及所述正文数据行进行乱序处理,得到目标训练数据集,更进一步地,划分单元117采用交叉验证法划分所述目标训练数据集,得到第一集合及第二集合,更进一步地,训练单元118训练所述第一集合中的数据,得到学习器,调整单元119根据所述第二集合中的数据调整所述学习器中的参数,得到所述二分类模型。
通过对所述签名档数据行及所述正文数据行进行乱序处理,能够提高二分类模型的准确度。
具体地,所述划分单元117采用交叉验证法划分所述目标训练数据集,得到第一集合及第二集合包括:
所述划分单元117将所述目标训练数据集按照预设比例随机划分为至少一个数据包,将所述至少一个数据包中的任意一个数据包确定为所述第二集合,其余的数据包确定为所述第一集合,重复上述步骤,直至所有的数据包全都依次被用作为所述第二集合。
其中,所述预设比例可以自定义设置,本发明不作限制。
通过划分所述目标训练数据集,使所述目标训练数据集中的每个数据行均参与训练及验证,由此,提高训练所述二分类模型的拟合度。
具体地,所述训练单元118训练所述第一集合中的数据,得到学习器包括:
所述训练单元118对所述第一集合中的每个数据行进行编码处理,得到编码向量,进一步地,所述训练单元118将所述编码向量输入至正向长短期记忆网络层中,得到第一向量,并将所述编码向量输入至反向长短期记忆网络层中,得到第二向量,所述训练单元118拼接所述第一向量及所述第二向量,得到输入向量,更进一步地,所述训练单元118结合池化运算、卷积运算以及线性变换运算对所述输入向量进行处理,得到特征向量,所述训练单元118采用全连接层运算对所述特征向量进行处理,得到所述学习器。
通过正向长短期记忆网络层及反向长短期记忆网络层对所述编码向量进行处理,使每个编码向量具有上下文语义,提高所述学习器的训练精度。
具体地,所述调整单元119根据所述第二集合中的数据,调整所述学习器中的参数,得到所述二分类模型包括:
所述调整单元119采用超参数网格搜索方法从所述第二集合中确定最优超参数点,进一步地,所述调整单元119通过所述最优超参数点对所述学习器进行调整,得到所述二分类模型。
具体地,所述调整单元119将所述第二集合按照固定步长进行拆分,得到目标子集,遍历所述目标子集上两端端点的参数,通过所述两端端点的参数验证所述学习器,得到每个参数的学习率,将学习率最好的参数确定为第一超参数点,并在所述第一超参数点的邻域内,缩小所述步长继续遍历,直至所述步长为预设步长,即得到的超参数点为所述最优超参数点,更进一步地,所述调整单元119根据所述最优超参数点调整所述学习器,得到所述二分类模型。
其中,本发明对所述预设步长不作限制。
通过对所述学习器的调整,能够提高所述二分类模型的准确度,以提高行文本所属类别的准确度。
排序单元113按照每个行文本在所述待提取邮件中的位置从前至后的顺序对所述多个行文本及所述多个行文本对应的类别进行排序,得到目标队列。
在本发明至少一个实施例中,所述排序单元113对所述多个行文本及所述多个行文本对应的类别进行排序,得到所述目标队列,所述目标队列包括多个行文本、所述多个行文本对应的类别及序号。
遍历单元114按照每个行文本在所述待提取邮件中的位置从后至前的顺序遍历所述目标队列,并依次计算类别为所述非签名档类别的行文本的数量,当所述数量大于预设阈值时,停止遍历。
在本发明的至少一个实施例中,所述预设阈值可以根据实际应用场景进行设置,具体的取值在本发明中不作限制。
在本发明的至少一个实施例中,所述遍历单元114利用遍历技术依照从后至前的顺序遍历所述目标队列,具体的遍历技术属于现有技术,本发明对此不作阐述。
确定单元115将在所述目标队列中遍历到的行文本确定为签名档区域。
在本发明的至少一个实施例中,所述确定单元115组合在所述目标队列中遍历到的行文本,得到所述签名档区域。
所述提取单元110提取所述签名档区域中的签名信息。
在本发明至少一个实施例中,所述提取单元110提取所述签名档区域中的签名信息方法包括:
所述提取单元110将所述签名档区域中类别为所述非签名档类别的行文本确定为目标行文本,进一步地,所述提取单元110确定所述目标行文本在所述目标队列中的序号,当检测到所述目标行文本的序号属于连续序号时,所述提取单元110将所述目标行文本从所述签名档区域中删除,并将删除后的签名档区域中的行文本确定为所述签名信息。
例如:签名档区域包括:第20行,非签名档类别;第21行,非签名档类别;第22行,非签名档类别;第23行,签名档类别;第24行,签名档类别,所述提取单元110确定目标行文本为:第20行,非签名档类别;第21行,非签名档类别;第22行,非签名档类别,进一步地,所述提取单元110确定所述目标行文本在目标队列中的序号如下:第20行,第21行,第22行,所述提取单元110检测到“第20行,第21行,第22行”属于20-22的连续序号,删除“第20行,非签名档类别;第21行,非签名档类别;第22行,非签名档类别”,得到签名信息为“第23行,签名档类别;第24行,签名档类别”。
通过上述实施方式,能够准确提取所述签名信息。
在本发明至少一个实施例中,在提取所述签名档区域中的签名信息后,加密单元120采用对称加密技术加密所述签名信息,得到密文,进一步地,加密单元120确定所述签名信息提取请求的请求等级,所述确定单元115根据所述请求等级确定发送形式,更进一步地,发送单元121以所述发送形式发送所述密文。
其中,所述请求等级包括,但不限于:等级一、等级二等。
所述发送形式包括:电话发送形式、邮件发送形式等。
通过加密所述签名信息,能够提高所述签名信息的安全性,通过确定所述签名信息提取请求的请求等级,能够以合适的发送形式发送所述密文。
由以上技术方案可以看出,本发明能够在没有人为操作的情况下,快速、获取签名信息,提高了签名信息的提取效率,此外,由于在没有人为操作的情况下,因此,能够避免人为因素造成的提取误差,提高了签名信息的提取准确度。
如图3所示,是本发明实现邮件签名信息提取方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中,所述电子设备1包括,但不限于,存储器12、处理器13,以及存储在所述存储器12中并可在所述处理器13上运行的计算机程序,例如邮件签名信息提取程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器13是所述电子设备1的运算核心和控制中心,利用各种接口和线路连接整个电子设备1的各个部分,及获取所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
所述处理器13获取所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13获取所述应用程序以实现上述各个邮件签名信息提取方法实施例中的步骤,例如图1所示的步骤。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13获取,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述电子设备1中的获取过程。例如,所述计算机程序可以被分割成提取单元110、处理单元111、输入单元112、排序单元113、遍历单元114、确定单元115、获取单元116、划分单元117、训练单元118、调整单元119、加密单元120以及发送单元121。
所述存储器12可用于存储所述计算机程序和/或模块,所述处理器13通过运行或获取存储在所述存储器12内的计算机程序和/或模块,以及调用存储在存储器12内的数据,实现所述电子设备1的各种功能。所述存储器12可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器12可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地,所述存储器12可以是具有实物形式的存储器,如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器获取时,可实现上述各个方法实施例的步骤。
其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可获取文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
结合图1,所述电子设备1中的所述存储器12存储多个指令以实现一种邮件签名信息提取方法,所述处理器13可获取所述多个指令从而实现:当接收到签名信息提取请求时,从所述签名信息提取请求中提取待提取邮件;对所述待提取邮件进行分行处理,得到多个行文本;将每个行文本依次输入至预先训练的二分类模型中,得到每个行文本对应的类别,所述类别包括非签名档类别;按照每个行文本在所述待提取邮件中的位置从前至后的顺序对所述多个行文本及所述多个行文本对应的类别进行排序,得到目标队列;按照每个行文本在所述待提取邮件中的位置从后至前的顺序遍历所述目标队列,并依次计算类别为所述非签名档类别的行文本的数量,当所述数量大于预设阈值时,停止遍历;将在所述目标队列中遍历到的行文本确定为签名档区域;提取所述签名档区域中的签名信息。
具体地,所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种邮件签名信息提取方法,其特征在于,所述邮件签名信息提取方法包括:
当接收到签名信息提取请求时,从所述签名信息提取请求中提取待提取邮件;
对所述待提取邮件进行分行处理,得到多个行文本;
将每个行文本依次输入至预先训练的二分类模型中,得到每个行文本对应的类别,所述类别包括非签名档类别;
按照每个行文本在所述待提取邮件中的位置从前至后的顺序对所述多个行文本及所述多个行文本对应的类别进行排序,得到目标队列;
按照每个行文本在所述待提取邮件中的位置从后至前的顺序遍历所述目标队列,并依次计算类别为所述非签名档类别的行文本的数量,当所述数量大于预设阈值时,停止遍历;
将在所述目标队列中遍历到的行文本确定为签名档区域;
提取所述签名档区域中的签名信息。
2.如权利要求1所述的邮件签名信息提取方法,其特征在于,所述从所述签名信息提取请求中提取待提取邮件包括:
解析所述签名信息提取请求中的方法体,得到所述签名信息提取请求所携带的所有信息;
获取预设标签;
从所述所有信息中获取与所述预设标签对应的信息,作为所述待提取邮件。
3.如权利要求1所述的邮件签名信息提取方法,其特征在于,所述对所述待提取邮件进行分行处理,得到多个行文本包括:
获取预设DIV标签;
根据所述预设DIV标签对所述待提取邮件进行分块处理,得到多个段文本;
获取预设换行符;
根据所述预设换行符对每个段文本进行分行处理,得到所述多个行文本。
4.如权利要求1所述的邮件签名信息提取方法,其特征在于,在将每个行文本依次输入至预先训练的二分类模型中之前,所述邮件签名信息提取方法还包括:
获取预训练数据集,所述预训练数据集中包括多个数据行,所述多个数据行包括签名档数据行及正文数据行;
对所述签名档数据行及所述正文数据行进行乱序处理,得到目标训练数据集;
采用交叉验证法划分所述目标训练数据集,得到第一集合及第二集合;
训练所述第一集合中的数据,得到学习器;
根据所述第二集合中的数据调整所述学习器中的参数,得到所述二分类模型。
5.如权利要求所述4的邮件签名信息提取方法,其特征在于,所述训练所述第一集合中的数据,得到学习器包括:
对所述第一集合中的每个数据行进行编码处理,得到编码向量;
将所述编码向量输入至正向长短期记忆网络层中,得到第一向量,并将所述编码向量输入至反向长短期记忆网络层中,得到第二向量;
拼接所述第一向量及所述第二向量,得到输入向量;
结合池化运算、卷积运算以及线性变换运算对所述输入向量进行处理,得到特征向量;
采用全连接层运算对所述特征向量进行处理,得到所述学习器。
6.如权利要求1所述的邮件签名信息提取方法,其特征在于,所述提取所述签名档区域中的签名信息方法包括:
将所述签名档区域中类别为所述非签名档类别的行文本确定为目标行文本;
确定所述目标行文本在所述目标队列中的序号;
当检测到所述目标行文本的序号属于连续序号时,将所述目标行文本从所述签名档区域中删除,并将删除后的签名档区域中的行文本确定为所述签名信息。
7.如权利要求1所述的邮件签名信息提取方法,其特征在于,在提取所述签名档区域中的签名信息后,所述邮件签名信息提取方法还包括:
采用对称加密技术加密所述签名信息,得到密文;
确定所述签名信息提取请求的请求等级;
根据所述请求等级确定发送形式;
以所述发送形式发送所述密文。
8.一种邮件签名信息提取装置,其特征在于,所述邮件签名信息提取装置包括:
提取单元,用于当接收到签名信息提取请求时,从所述签名信息提取请求中提取待提取邮件;
处理单元,用于对所述待提取邮件进行分行处理,得到多个行文本;
输入单元,用于将每个行文本依次输入至预先训练的二分类模型中,得到每个行文本对应的类别,所述类别包括非签名档类别;
排序单元,用于按照每个行文本在所述待提取邮件中的位置从前至后的顺序对所述多个行文本及所述多个行文本对应的类别进行排序,得到目标队列;
遍历单元,用于按照每个行文本在所述待提取邮件中的位置从后至前的顺序遍历所述目标队列,并依次计算类别为所述非签名档类别的行文本的数量,当所述数量大于预设阈值时,停止遍历;
确定单元,用于将在所述目标队列中遍历到的行文本确定为签名档区域;
所述提取单元,还用于提取所述签名档区域中的签名信息。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的邮件签名信息提取方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的邮件签名信息提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010441031.6A CN111598550A (zh) | 2020-05-22 | 2020-05-22 | 邮件签名信息提取方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010441031.6A CN111598550A (zh) | 2020-05-22 | 2020-05-22 | 邮件签名信息提取方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111598550A true CN111598550A (zh) | 2020-08-28 |
Family
ID=72189173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010441031.6A Pending CN111598550A (zh) | 2020-05-22 | 2020-05-22 | 邮件签名信息提取方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598550A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184178A (zh) * | 2020-10-14 | 2021-01-05 | 深圳壹账通智能科技有限公司 | 邮件内容提取方法、装置、电子设备及存储介质 |
CN113094466A (zh) * | 2021-04-29 | 2021-07-09 | 平安国际智慧城市科技股份有限公司 | 一种提取邮件签名的方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107992508A (zh) * | 2017-10-09 | 2018-05-04 | 北京知道未来信息技术有限公司 | 一种基于机器学习的中文邮件签名提取方法及系统 |
CN108388544A (zh) * | 2018-02-10 | 2018-08-10 | 桂林电子科技大学 | 一种基于深度学习的图文融合微博情感分析方法 |
CN110287785A (zh) * | 2019-05-20 | 2019-09-27 | 深圳壹账通智能科技有限公司 | 文本结构化信息提取方法、服务器及存储介质 |
CN111027309A (zh) * | 2019-12-05 | 2020-04-17 | 电子科技大学广东电子信息工程研究院 | 一种基于双向长短期记忆网络的实体属性值的抽取方法 |
CN111177319A (zh) * | 2019-12-24 | 2020-05-19 | 中国建设银行股份有限公司 | 风险事件的确定方法、装置、电子设备和存储介质 |
-
2020
- 2020-05-22 CN CN202010441031.6A patent/CN111598550A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107992508A (zh) * | 2017-10-09 | 2018-05-04 | 北京知道未来信息技术有限公司 | 一种基于机器学习的中文邮件签名提取方法及系统 |
CN108388544A (zh) * | 2018-02-10 | 2018-08-10 | 桂林电子科技大学 | 一种基于深度学习的图文融合微博情感分析方法 |
CN110287785A (zh) * | 2019-05-20 | 2019-09-27 | 深圳壹账通智能科技有限公司 | 文本结构化信息提取方法、服务器及存储介质 |
CN111027309A (zh) * | 2019-12-05 | 2020-04-17 | 电子科技大学广东电子信息工程研究院 | 一种基于双向长短期记忆网络的实体属性值的抽取方法 |
CN111177319A (zh) * | 2019-12-24 | 2020-05-19 | 中国建设银行股份有限公司 | 风险事件的确定方法、装置、电子设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184178A (zh) * | 2020-10-14 | 2021-01-05 | 深圳壹账通智能科技有限公司 | 邮件内容提取方法、装置、电子设备及存储介质 |
CN113094466A (zh) * | 2021-04-29 | 2021-07-09 | 平安国际智慧城市科技股份有限公司 | 一种提取邮件签名的方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021212752A1 (zh) | 基于设备指标数据的异常检测方法、装置、设备及存储介质 | |
CN111695033B (zh) | 企业舆情分析方法、装置、电子设备及介质 | |
CN108170792B (zh) | 基于人工智能的问答引导方法、装置和计算机设备 | |
WO2019120115A1 (zh) | 人脸识别的方法、装置及计算机装置 | |
CN109034069B (zh) | 用于生成信息的方法和装置 | |
CN107193974B (zh) | 基于人工智能的地域性信息确定方法和装置 | |
WO2021217931A1 (zh) | 基于分类模型的字段抽取方法、装置、电子设备及介质 | |
CN113408278B (zh) | 意图识别方法、装置、设备及存储介质 | |
CN113032528B (zh) | 案件分析方法、装置、设备及存储介质 | |
WO2023273628A1 (zh) | 一种视频循环识别方法、装置、计算机设备及存储介质 | |
CN110222328B (zh) | 基于神经网络的分词和词类标注方法、装置、设备及存储介质 | |
WO2023050650A1 (zh) | 动画视频生成方法、装置、设备及存储介质 | |
CN110502664A (zh) | 视频标签索引库创建方法、视频标签生成方法及装置 | |
CN112507190B (zh) | 一种财经快讯的关键词提取方法和系统 | |
CN113094478B (zh) | 表情回复方法、装置、设备及存储介质 | |
CN113656547B (zh) | 文本匹配方法、装置、设备及存储介质 | |
CN111597309A (zh) | 相似企业推荐方法、装置、电子设备及介质 | |
CN113408268B (zh) | 槽位填充方法、装置、设备及存储介质 | |
CN111598550A (zh) | 邮件签名信息提取方法、装置、电子设备及介质 | |
CN111177375A (zh) | 一种电子文档分类方法及装置 | |
CN114973229A (zh) | 文本识别模型训练、文本识别方法、装置、设备及介质 | |
CN111797247B (zh) | 基于人工智能的案件推送方法、装置、电子设备及介质 | |
CN115346223A (zh) | 书写信息的评测方法和装置、电子设备和存储介质 | |
CN116450829A (zh) | 医疗文本分类方法、装置、设备及介质 | |
CN111222328A (zh) | 标签提取方法、装置和电子设备 |
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 |