CN112560460A - 抽取结构化信息的方法、装置、电子设备和可读存储介质 - Google Patents
抽取结构化信息的方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN112560460A CN112560460A CN202011445330.3A CN202011445330A CN112560460A CN 112560460 A CN112560460 A CN 112560460A CN 202011445330 A CN202011445330 A CN 202011445330A CN 112560460 A CN112560460 A CN 112560460A
- Authority
- CN
- China
- Prior art keywords
- extraction
- text
- processed
- model
- obtaining
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了一种抽取结构化信息的方法、装置、电子设备和可读存储介质,涉及自然语言处理、深度学习技术领域。本申请在进行抽取结构化信息时所采用的实现方案为:获取待处理文本,以及所述待处理文本的向量序列;根据所述待处理文本的抽取目标确定抽取模块;利用所确定的抽取模块得到抽取模型;将所述向量序列作为所述抽取模型的输入,根据所述抽取模型的输出结果得到所述待处理文本的结构化信息。本申请能够简化结构化信息的抽取步骤,提升结构化信息的抽取效率。
Description
技术领域
本申请涉及信息处理技术领域,尤其涉及自然语言处理技术领域中的一种抽取结构化信息的方法、装置、电子设备和可读存储介质。
背景技术
在各个行业中,普遍存在以自然语言记录的无结构文本,例如新闻、百科、财报等。同时,在各个行业中,也普遍存在从无结构文本中抽取结构化信息抽取的需求,即从无结构文本中抽取一些结构化的字段。
由于存在大量的无结构文本,很难直接通过人力进行结构化信息的抽取工作,所以相应的以计算机为基础的结构化信息抽取软件应运而生。
但现有的结构化信息抽取软件需要根据抽取任务,制定相应的抽取策略进行结构化信息的抽取,即不同的抽取任务都需要单独开发抽取系统或者抽取模型,需要耗费巨大的人力成本与时间成本,导致结构化信息的抽取步骤较为繁琐、抽取效率较低。
发明内容
本申请为解决技术问题所采用的技术方案是提供一种抽取结构化信息的方法,包括:获取待处理文本,以及所述待处理文本的向量序列;根据所述待处理文本的抽取目标确定抽取模块;利用所确定的抽取模块得到抽取模型;将所述向量序列作为所述抽取模型的输入,根据所述抽取模型的输出结果得到所述待处理文本的结构化信息。
本申请为解决技术问题所采用的技术方案是提供一种抽取结构化信息的装置,包括:获取单元,用于获取待处理文本,以及所述待处理文本的向量序列;确定单元,用于根据所述待处理文本的抽取目标确定抽取模块;组合单元,用于利用所确定的抽取模块得到抽取模型;抽取单元,用于将所述向量序列作为所述抽取模型的输入,根据所述抽取模型的输出结果得到所述待处理文本的结构化信息。
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上述方法。
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上述方法。
上述申请中的一个实施例具有如下优点或有益效果:本申请能够简化结构化信息的抽取步骤,提升结构化信息的抽取效率。因为采用了通过利用与抽取目标对应的抽取模块得到抽取模型的技术手段,所以克服了现有技术中需要针对不同的抽取任务来开发不同的结构化信息抽取系统或模型所导致的抽取步骤繁琐、抽取效率较低的技术问题,实现了结构化信息抽取的模块化,能够简化结构化信息的抽取步骤,提升结构化信息的抽取效率的技术效果。
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是根据本申请第一实施例的示意图;
图2是根据本申请第二实施例的示意图;
图3是根据本申请第三实施例的示意图;
图4是用来实现本申请实施例的抽取结构化信息的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。
图1是根据本申请第一实施例的示意图。如图1中所示,本实施例的抽取结构化信息的方法,具体可以包括如下步骤:
S101、获取待处理文本,以及所述待处理文本的向量序列;
S102、根据所述待处理文本的抽取目标确定抽取模块;
S103、利用所确定的抽取模块得到抽取模型;
S104、将所述向量序列作为所述抽取模型的输入,根据所述抽取模型的输出得到所述待处理文本的结构化信息。
本实施例所提供的抽取结构化信息的方法,首先通过待处理文本的抽取目标确定相应的抽取模块,然后利用所确定的抽取模块得到抽取模型,最后使用该抽取模型对待处理文本进行处理,根据抽取模型的输出得到待处理文本的结构化信息,本实施例实现了结构化信息抽取的模块化,从而能够简化结构化信息的抽取步骤,提升结构化信息的抽取效率。
本实施例执行S101获取的待处理文本,具体为各个行业中普遍存在的以自然语言记录的无结构文本,例如新闻、百科、财报等。本实施例执行S101时,可以将用户输入的无结构文本作为待处理文本,也可以将存在于互联网中的无结构文本作为待处理文本。
本实施例在执行S101获取待处理文本的向量序列时,可以采用的可选实现方式为:对所获取的待处理文本进行编码,得到待处理文本中各个编码对象的向量,本实施例中的编码对象为待处理文本所包含的全部标点符号、汉字与单词;根据各个编码对象的向量,得到待处理文本的向量序列。其中,本实施例可以使用预训练模型对待处理文本进行编码,例如使用ERNIE模型。
本实施例在执行S101获取了待处理文本以及待处理文本的向量序列之后,执行S102根据待处理文本的抽取目标确定抽取模块。其中,本实施例执行S102确定的抽取模块可以为一个,也可以为多个,每个抽取模块用于确定待处理文本中特定抽取目标的位置信息。
具体地,本实施例在执行S102根据待处理文本的抽取目标确定抽取模块时,可以采用的可选实现方式为:获取待处理文本的抽取任务,所获取的抽取任务可以为关系抽取任务、事件抽取任务等;根据所获取的抽取任务得到抽取目标,其中不同的抽取任务对应于不同的抽取目标,抽取目标对应于从文本中所要抽取的结构化信息;确定与所得到的抽取目标对应的抽取模块,例如通过预设的目标-模块对应关系表来确定与抽取目标对应的抽取模块。其中,本实施例中的抽取模块可以为深度学习模型,用于根据输入来输出特定的抽取目标在文本中的位置信息。
可以理解的是,本实施例中与事件抽取任务对应的抽取目标可以为文本中的触发词(trigger)与元素(argument);与关系抽取任务对应的抽取目标可以为文本中的主语实体(subject)、关系(relation)与宾语实体(object);所确定的抽取模块用于从文本中抽取trigger、argument、subject、relation或者object中的一种。
也就是说,本实施例通过预先设置抽取模块,各个抽取模块能够根据输入来输出文本中特定的抽取目标的位置信息,所输出的位置信息即为抽取目标在待处理文本中从左到右的第几位,因此本实施例能够根据不同的抽取目标获取不同的抽取模块,进而组合所获取的抽取模块来完成相应的抽取任务,提升了在进行不同抽取任务时的灵活性。
另外,本实施例在执行S102时也可以根据用户指定的抽取目标来确定抽取模块,即本实施例在执行S101获取待处理文本的同时,还会获取用户指定的从文本中所要抽取的抽取目标。
本实施例在执行S102根据抽取目标确定抽取模块之后,执行S103利用所确定的抽取模块得到抽取模型,所得到的抽取模型用于得到待处理文本中各抽取目标的位置信息,从而根据所得到的位置信息从待处理文本中抽取结构化信息。
具体地,本实施例在执行S103利用所确定的抽取模块得到抽取模型时,可以采用的可选实现方式为:确定各抽取目标之间的连接顺序;根据所确定的连接顺序,将与各抽取目标对应的抽取模块进行级联;将级联结果作为抽取模型。
其中,本实施例中各抽取目标之间的连接顺序可以是固定的,例如在事件抽取任务中,各抽取目标之间的连接顺序可以为先抽取trigger,再抽取argument;在关系抽取任务中,各抽取目标之间的连接顺序可以为先抽取subject,再抽取relation,最后抽取object;本实施例中各抽取目标之间的连接顺序也可以是用户指定的,例如先抽取subject,再抽取relation,最后再抽取subject等。
可以理解的是,若本实施例执行S102仅确定了一个抽取模块,则本实施例执行S103时可以直接将该一个抽取模块作为抽取模型。
也就是说,本实施例通过对抽取模块进行级联得到抽取模型,使得该抽取模型能够从待处理文本中分步地得到结构化信息的位置信息,从而实现通过模块化的方式来完成大部分结构化抽取任务,无需针对一个结构化抽取任务来研发一个抽取模型,增强了抽取模型的可迁移性;且对于新的结构化抽取任务来说,只需要重新组合抽取模型中的抽取模块或者在抽取模型中增加相应的抽取模块即可,降低了抽取模型的开发周期,增强了抽取模型的可扩展性。
本实施例在执行S103利用抽取模块得到抽取模型之后,执行S104将待处理文本的向量序列作为抽取模型的输入,并根据抽取模型的输出得到待处理文本的结构化信息。
具体地,本实施例在执行S104将向量序列作为抽取模型的输入时,可以采用的可选实现方式为:针对抽取模型中的各抽取模块,将向量序列与位于该抽取模块之前的全部抽取模块的输出作为输入;获取各抽取模块根据输入所得到的输出,各抽取模块的输出为该抽取模块所要抽取的抽取目标在待处理文本中的位置信息。
举例来说,若本实施例执行S102确定的抽取模块为subject抽取模块、relation抽取模块与object抽取模块,执行S103按照subject-relation-object的连接顺序将各抽取模块进行级联得到抽取模型;该抽取模型中subject抽取模块为第一个抽取模块,该抽取模块的输入仅为向量序列,输出为待处理文本中所有subject的位置信息;抽取模型中的relation抽取模块为第二个抽取模块,该抽取模块的输入为向量序列与subject抽取模块的输出,输出为待处理文本中与各subject对应的relation的位置信息;抽取模型中的object抽取模块为第三个抽取模块,该抽取模块的输入为向量序列、subject抽取模块的输出与relation抽取模块的输出,输出为待处理文本中与各subject具有关系的object的位置信息。
由于本实施例中的抽取模型输出的是各抽取目标在待处理文本中的位置信息,因此本实施例在执行S104根据抽取模型的输出得到待处理文本的结构化信息时,可以采用的可选实现方式为:根据抽取目标的位置信息,提取位于待处理文本中相应位置处的文本片段;将所提取的文本片段作为待处理文本的结构化信息。
通过本实施例所提供的上述方法,实现了基于模块化的方式进行结构化信息的抽取,仅需要预先设置能够确定文本中不同抽取目标的位置信息的抽取模块,即可针对不同的抽取任务来灵活地对抽取模块进行组合得到抽取模型,简化了结构化信息的抽取步骤,提升了结构化信息的抽取效率。
图2是根据本申请第二实施例的示意图。如图2中所示,图2示出了从待处理文本中抽取结构化信息的流程图:
所获取的待处理文本为“《xxx》小说的作者是xxx”;若与该待处理文本对应的抽取目标为subject、relation与object,则构建包含对应上述三个抽取目标的抽取模块的抽取模型;将待处理文本的向量序列输入抽取模型中的第一个抽取模块,该抽取模块会输出subject“《xxx》”在待处理文本中的位置信息;将向量序列与“《xxx》”在待处理文本中的位置信息作为第二个抽取模块的输入,该抽取模块输出relation“作者”在待处理文本中的位置信息;将向量序列、“《xxx》”在待处理文本中的位置信息与“作者”在待处理文本中的位置信息输入第三个抽取模块,该抽取模块的输出为object“xxx”在待处理文本中的位置信息;根据“《xxx》”、“作者”与“xxx”在待处理文本中的位置信息,将从待处理文本中的相应位置处分别提取出的“《xxx》”、“作者”与“xxx”三个文本片段构成的三元组,作为待处理文本的结构化信息。
图3是根据本申请第三实施例的示意图。如图3中所示,本实施例的抽取结构化信息的装置,包括:
获取单元301、用于获取待处理文本,以及所述待处理文本的向量序列;
确定单元302、用于根据所述待处理文本的抽取目标确定抽取模块;
组合单元303、用于利用所确定的抽取模块得到抽取模型;
抽取单元304、用于将所述向量序列作为所述抽取模型的输入,根据所述抽取模型的输出得到所述待处理文本的结构化信息。
本实施例中的获取单元301获取的待处理文本,具体为各个行业中普遍存在的以自然语言记录的无结构文本,例如新闻、百科、财报等。本实施例中的获取单元301可以将用户输入的无结构文本作为待处理文本,也可以将存在于互联网中的无结构文本作为待处理文本。
本实施例中的获取单元301在获取待处理文本的向量序列时,可以采用的可选实现方式为:对所获取的待处理文本进行编码,得到待处理文本中各个编码对象的向量,本实施例中的编码对象为待处理文本所包含的全部标点符号、汉字与单词;根据各个编码对象的向量,得到待处理文本的向量序列。其中,获取单元301可以使用预训练模型对待处理文本进行编码,例如使用ERNIE模型。
本实施例在由获取单元301获取了待处理文本以及待处理文本的向量序列之后,由确定单元302根据待处理文本的抽取目标确定抽取模块。其中,确定单元302所确定的抽取模块可以为一个,也可以为多个,每个抽取模块用于确定待处理文本中特定抽取目标的位置信息。
具体地,本实施例中的确定单元302在根据待处理文本的抽取目标确定抽取模块时,可以采用的可选实现方式为:获取待处理文本的抽取任务;根据所获取的抽取任务得到抽取目标;确定与所得到的抽取目标对应的抽取模块。其中,确定单元302所确定的抽取模块可以为深度学习模型,用于根据输入来输出特定的抽取目标在文本中的位置信息。
可以理解的是,本实施例中与事件抽取任务对应的抽取目标可以为文本中的触发词(trigger)与元素(argument);与关系抽取任务对应的抽取目标可以为文本中的主语实体(subject)、关系(relation)与宾语实体(object);所确定的抽取模块用于从文本中抽取trigger、argument、subject、relation或者object中的一种。
也就是说,本实施例通过预先设置抽取模块,各个抽取模块能够根据输入来输出文本中特定的抽取目标的位置信息,因此确定单元302能够根据不同的抽取目标获取不同的抽取模块,进而组合所获取的抽取模块来完成相应的抽取任务,提升了在进行不同抽取任务时的灵活性。
另外,本实施例中的确定单元302也可以根据用户指定的抽取目标来确定抽取模块,即获取单元301在获取待处理文本的同时,还会获取用户指定的从文本中所要抽取的抽取目标。
本实施例在由确定单元302根据抽取目标确定抽取模块之后,由组合单元303利用所确定的抽取模块得到抽取模型,所得到的抽取模型用于得到待处理文本中各抽取目标的位置信息,从而根据所得到的位置信息从待处理文本中抽取结构化信息。
具体地,本实施例中的组合单元303在利用所确定的抽取模块得到抽取模型时,可以采用的可选实现方式为:确定各抽取目标之间的连接顺序;根据所确定的连接顺序,将与各抽取目标对应的抽取模块进行级联;将级联结果作为抽取模型。
其中,本实施例中各抽取目标之间的连接顺序可以是固定的;本实施例中各抽取目标之间的连接顺序也可以是用户指定的。
可以理解的是,若确定单元302仅确定了一个抽取模块,则组合单元303可以直接将该一个抽取模块作为抽取模型。
也就是说,组合单元303通过对抽取模块进行级联得到抽取模型,使得该抽取模型能够从待处理文本中分步地得到结构化信息的位置信息,从而实现通过模块化的方式来完成大部分结构化抽取任务,无需针对一个结构化抽取任务来研发一个抽取模型,增强了抽取模型的可迁移性;且对于新的结构化抽取任务来说,只需要重新组合抽取模型中的抽取模块或者在抽取模型中增加相应的抽取模块即可,降低了抽取模型的开发周期,增强了抽取模型的可扩展性。
本实施例在由组合单元303利用抽取模块得到抽取模型之后,由抽取单元304将待处理文本的向量序列作为抽取模型的输入,并根据抽取模型的输出得到待处理文本的结构化信息。
具体地,本实施例中的抽取单元304在将向量序列作为抽取模型的输入时,可以采用的可选实现方式为:针对抽取模型中的各抽取模块,将向量序列与位于该抽取模块之前的全部抽取模块的输出作为输入;获取各抽取模块根据输入所得到的输出,各抽取模块的输出为该抽取模块所要抽取的抽取目标在待处理文本中的位置信息。
由于抽取单元304中的抽取模型输出的是各抽取目标在待处理文本中的位置信息,因此本实施例中的抽取单元304在根据抽取模型的输出得到待处理文本的结构化信息时,可以采用的可选实现方式为:根据抽取目标的位置信息,提取位于待处理文本中相应位置处的文本片段;将所提取的文本片段作为待处理文本的结构化信息。
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计算机可读存储介质。
如图4所示,是根据本申请实施例的抽取结构化信息的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4所示,该电子设备包括:一个或多个处理器401、存储器402,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4中以一个处理器401为例。
存储器402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抽取结构化信息的方法。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抽取结构化信息的方法。
存储器402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抽取结构化信息的方法对应的程序指令/模块(例如,附图3所示的获取单元301、确定单元302、组合单元303以及抽取单元304)。处理器401通过运行存储在存储器402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抽取结构化信息的方法。
存储器402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的电子设备的使用所创建的数据等。此外,存储器402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402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至抽取结构化信息的方法的电子设备。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。
抽取结构化信息的方法的电子设备还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图4中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息,以及产生与抽取结构化信息的方法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404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(LCD)、发光二极管(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ASIC(专用集成电路)、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(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(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(LAN)、广域网(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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。
根据本申请实施例的技术方案,实现了基于模块化的方式来抽取结构化信息,仅需要预先设置能够确定文本中不同抽取目标的位置信息的抽取模块,即可针对不同的抽取任务来灵活地对抽取模块进行组合得到抽取模型,简化了结构化信息的抽取步骤,提升了结构化信息的抽取效率。
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 (14)
1.一种抽取结构化信息的方法,包括:
获取待处理文本,以及所述待处理文本的向量序列;
根据所述待处理文本的抽取目标确定抽取模块;
利用所确定的抽取模块得到抽取模型;
将所述向量序列作为所述抽取模型的输入,根据所述抽取模型的输出结果得到所述待处理文本的结构化信息。
2.根据权利要求1所述的方法,其中,所述获取所述待处理文本的向量序列包括:
对所述待处理文本进行编码,得到所述待处理文本中各个编码对象的向量;
根据各个编码对象的向量,得到所述待处理文本的向量序列。
3.根据权利要求1所述的方法,其中,所述根据所述待处理文本的抽取目标确定抽取模块包括:
获取所述待处理文本的抽取任务;
根据所述抽取任务得到抽取目标;
确定与所述抽取目标对应的抽取模块。
4.根据权利要求1所述的方法,其中,所述利用所确定的抽取模块得到抽取模型包括:
确定各抽取目标之间的连接顺序;
根据所述连接顺序,将与各抽取目标对应的抽取模块进行级联;
将级联结果作为抽取模型。
5.根据权利要求1所述的方法,其中,所述将所述向量序列作为所述抽取模型的输入包括:
针对所述抽取模型中的各抽取模块,将所述向量序列与位于该抽取模块之前的全部抽取模块的输出作为输入;
获取各抽取模块根据输入所得到的输出作为输出结果,各抽取模块的输出为该抽取模块所要抽取的抽取目标在所述待处理文本中的位置信息。
6.根据权利要求1所述的方法,其中,所述根据所述抽取模型的输出结果得到所述待处理文本的结构化信息包括:
根据输出结果中各抽取目标的位置信息,从所述待处理文本中的相应位置处提取文本片段;
将所提取的文本片段作为所述待处理文本的结构化信息。
7.一种抽取结构化信息的装置,包括:
获取单元,用于获取待处理文本,以及所述待处理文本的向量序列;
确定单元,用于根据所述待处理文本的抽取目标确定抽取模块;
组合单元,用于利用所确定的抽取模块得到抽取模型;
抽取单元,用于将所述向量序列作为所述抽取模型的输入,根据所述抽取模型的输出结果得到所述待处理文本的结构化信息。
8.根据权利要求7所述的装置,其中,所述获取单元在获取所述待处理文本的向量序列时,具体执行:
对所述待处理文本进行编码,得到所述待处理文本中各个编码对象的向量;
根据各个编码对象的向量,得到所述待处理文本的向量序列。
9.根据权利要求7所述的装置,其中,所述确定单元在根据所述待处理文本的抽取目标确定抽取模块时,具体执行:
获取所述待处理文本的抽取任务;
根据所述抽取任务得到抽取目标;
确定与所述抽取目标对应的抽取模块。
10.根据权利要求7所述的装置,其中,所述组合单元在利用所确定的抽取模块得到抽取模型时,具体执行:
确定各抽取目标之间的连接顺序;
根据所述连接顺序,将与各抽取目标对应的抽取模块进行级联;
将级联结果作为抽取模型。
11.根据权利要求7所述的装置,其中,所述抽取单元在将所述向量序列作为所述抽取模型的输入时,具体执行:
针对所述抽取模型中的各抽取模块,将所述向量序列与位于该抽取模块之前的全部抽取模块的输出作为输入;
获取各抽取模块根据输入所得到的输出作为输出结果,各抽取模块的输出为该抽取模块所要抽取的抽取目标在所述待处理文本中的位置信息。
12.根据权利要求7所述的装置,其中,所述抽取单元在根据所述抽取模型的输出结果得到所述待处理文本的结构化信息时,具体执行:
根据输出结果中各抽取目标的位置信息,从所述待处理文本中的相应位置处提取文本片段;
将所提取的文本片段作为所述待处理文本的结构化信息。
13.一种电子设备,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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011445330.3A CN112560460B (zh) | 2020-12-08 | 2020-12-08 | 抽取结构化信息的方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011445330.3A CN112560460B (zh) | 2020-12-08 | 2020-12-08 | 抽取结构化信息的方法、装置、电子设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112560460A true CN112560460A (zh) | 2021-03-26 |
CN112560460B CN112560460B (zh) | 2022-02-25 |
Family
ID=75062872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011445330.3A Active CN112560460B (zh) | 2020-12-08 | 2020-12-08 | 抽取结构化信息的方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560460B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440267A (zh) * | 2013-08-02 | 2013-12-11 | 徐方林 | 一种采用模板方式抽取结构化信息的系统 |
CN106055536A (zh) * | 2016-05-19 | 2016-10-26 | 苏州大学 | 一种中文事件联合推理方法和系统 |
CN106844413A (zh) * | 2016-11-11 | 2017-06-13 | 南京缘长信息科技有限公司 | 实体关系抽取的方法及装置 |
CN107729526A (zh) * | 2017-10-30 | 2018-02-23 | 清华大学 | 一种文本结构化的方法 |
CN107818141A (zh) * | 2017-10-10 | 2018-03-20 | 大连理工大学 | 融入结构化要素识别的生物医学事件抽取方法 |
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 |
CN110163257A (zh) * | 2019-04-23 | 2019-08-23 | 百度在线网络技术(北京)有限公司 | 抽取结构化信息的方法、装置、设备和计算机存储介质 |
CN111274397A (zh) * | 2020-01-20 | 2020-06-12 | 北京百度网讯科技有限公司 | 建立实体关系检测模型的方法以及装置 |
CN111581396A (zh) * | 2020-05-06 | 2020-08-25 | 西安交通大学 | 一种基于多维特征融合与依存句法的事件图谱构建系统及方法 |
WO2020172329A1 (en) * | 2019-02-19 | 2020-08-27 | Google Llc | Learning to extract entities from conversations with neural networks |
US20200294654A1 (en) * | 2019-03-14 | 2020-09-17 | Fuji Xerox Co., Ltd. | System and method for generating descriptions of abnormalities in medical images |
CN111881683A (zh) * | 2020-06-28 | 2020-11-03 | 吉林大学 | 关系三元组的生成方法、装置、存储介质和电子设备 |
CN111967268A (zh) * | 2020-06-30 | 2020-11-20 | 北京百度网讯科技有限公司 | 文本中的事件抽取方法、装置、电子设备和存储介质 |
CN112035449A (zh) * | 2020-07-22 | 2020-12-04 | 大箴(杭州)科技有限公司 | 数据处理方法及装置、计算机设备、存储介质 |
-
2020
- 2020-12-08 CN CN202011445330.3A patent/CN112560460B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440267A (zh) * | 2013-08-02 | 2013-12-11 | 徐方林 | 一种采用模板方式抽取结构化信息的系统 |
CN106055536A (zh) * | 2016-05-19 | 2016-10-26 | 苏州大学 | 一种中文事件联合推理方法和系统 |
CN106844413A (zh) * | 2016-11-11 | 2017-06-13 | 南京缘长信息科技有限公司 | 实体关系抽取的方法及装置 |
CN107818141A (zh) * | 2017-10-10 | 2018-03-20 | 大连理工大学 | 融入结构化要素识别的生物医学事件抽取方法 |
CN107729526A (zh) * | 2017-10-30 | 2018-02-23 | 清华大学 | 一种文本结构化的方法 |
WO2020172329A1 (en) * | 2019-02-19 | 2020-08-27 | Google Llc | Learning to extract entities from conversations with neural networks |
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 |
US20200294654A1 (en) * | 2019-03-14 | 2020-09-17 | Fuji Xerox Co., Ltd. | System and method for generating descriptions of abnormalities in medical images |
CN110163257A (zh) * | 2019-04-23 | 2019-08-23 | 百度在线网络技术(北京)有限公司 | 抽取结构化信息的方法、装置、设备和计算机存储介质 |
CN111274397A (zh) * | 2020-01-20 | 2020-06-12 | 北京百度网讯科技有限公司 | 建立实体关系检测模型的方法以及装置 |
CN111581396A (zh) * | 2020-05-06 | 2020-08-25 | 西安交通大学 | 一种基于多维特征融合与依存句法的事件图谱构建系统及方法 |
CN111881683A (zh) * | 2020-06-28 | 2020-11-03 | 吉林大学 | 关系三元组的生成方法、装置、存储介质和电子设备 |
CN111967268A (zh) * | 2020-06-30 | 2020-11-20 | 北京百度网讯科技有限公司 | 文本中的事件抽取方法、装置、电子设备和存储介质 |
CN112035449A (zh) * | 2020-07-22 | 2020-12-04 | 大箴(杭州)科技有限公司 | 数据处理方法及装置、计算机设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112560460B (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860167B (zh) | 人脸融合模型获取及人脸融合方法、装置及存储介质 | |
CN111079945B (zh) | 端到端模型的训练方法及装置 | |
CN112001169B (zh) | 文本纠错的方法、装置、电子设备和可读存储介质 | |
CN112560499B (zh) | 语义表示模型的预训练方法、装置、电子设备及存储介质 | |
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 | |
JP7222040B2 (ja) | モデル訓練、画像処理方法及びデバイス、記憶媒体、プログラム製品 | |
CN111177339A (zh) | 对话生成方法、装置、电子设备及存储介质 | |
CN111783998B (zh) | 一种违规账号识别模型训练方法、装置及电子设备 | |
CN111241810A (zh) | 标点预测方法及装置 | |
CN111090991A (zh) | 场景纠错方法、装置、电子设备和存储介质 | |
CN111079449B (zh) | 平行语料数据的获取方法、装置、电子设备和存储介质 | |
CN110648293A (zh) | 图像修复方法、装置及电子设备 | |
CN111539224A (zh) | 语义理解模型的剪枝方法、装置、电子设备和存储介质 | |
CN111177479A (zh) | 获取关系网络图中节点的特征向量的方法以及装置 | |
CN111339314A (zh) | 一种三元组数据的生成方法、装置和电子设备 | |
CN112560460B (zh) | 抽取结构化信息的方法、装置、电子设备和可读存储介质 | |
CN111708477B (zh) | 按键识别方法、装置、设备以及存储介质 | |
CN111539225B (zh) | 语义理解框架结构的搜索方法和装置 | |
CN113902005A (zh) | 语言模型的预训练方法、装置、设备和存储介质 | |
CN111324747A (zh) | 三元组的生成方法、装置及电子设备 | |
CN111292223A (zh) | 图计算的处理方法、装置、电子设备及存储介质 | |
CN111198971A (zh) | 搜索方法、搜索装置和电子设备 | |
CN115145730B (zh) | 运行监测方法、装置、电子设备和存储介质 | |
CN112819498B (zh) | 转化率确定方法、装置、电子设备和存储介质 | |
CN114490968B (zh) | 对话状态跟踪方法、模型训练方法、装置以及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |