CN117851599A - 投资监督其他要素文本抽取方法、装置、设备以及介质 - Google Patents
投资监督其他要素文本抽取方法、装置、设备以及介质 Download PDFInfo
- Publication number
- CN117851599A CN117851599A CN202410059990.XA CN202410059990A CN117851599A CN 117851599 A CN117851599 A CN 117851599A CN 202410059990 A CN202410059990 A CN 202410059990A CN 117851599 A CN117851599 A CN 117851599A
- Authority
- CN
- China
- Prior art keywords
- field
- fields
- category
- type
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000000605 extraction Methods 0.000 claims abstract description 80
- 238000012937 correction Methods 0.000 claims abstract description 32
- 238000013145 classification model Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种投资监督其他要素文本抽取方法、装置、设备以及介质。该方法包括:获取待识别合同长文本中的投资监督条款,采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段;采用语义模式抽取模型对所述投资监督条款进行字段抽取,生成第二类别其他要素字段;根据各第一类别其他要素字段以及各第二类别其他要素字段所属的要素类型,以及不同要素类型之间的关联关系,对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正。本发明实施例通过利用文本分类模型和语义模式抽取模型不仅实现了文本的自动化抽取,还新增了字段修正以及结果比对环节,提高了抽取效率以及抽取准确性的同时也降低了投资监督风险。
Description
技术领域
本发明涉及自然语言处理技术领域,尤其涉及一种投资监督其他要素文本抽取方法、装置、设备以及介质。
背景技术
投资监督其他要素是投资监督领域相关合同长文本中的投资监督条款,形式为对业务约定的投资监督合同中相关条款进行解析提取出的相关规则字段。
现有技术中,对于投资监督其他要素的解析提取工作往往由专业人员解读后人工摘取而成。但投资监督涉及到资管产品投资的合法性,仅仅依靠人工录入不仅时效性差且存在遗漏风险。同时,投资监督条款的数据量大,其他要素字段多,人工核对过程漫长,存在尺度不一的情况。
发明内容
基于此,本发明提供了一种投资监督其他要素文本抽取方法、装置、设备以及介质,以解决人工解析提取投资监督其他要素工作效率低的问题。
第一方面,本发明实施例提供了一种投资监督其他要素文本抽取方法,该方法包括:
获取待识别合同长文本中的投资监督条款,采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段;
采用语义模式抽取模型对所述投资监督条款进行字段抽取,生成第二类别其他要素字段;
根据各第一类别其他要素字段以及各第二类别其他要素字段所属的要素类型,以及不同要素类型之间的关联关系,对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正。
第二方面,本发明实施例提供了一种投资监督其他要素文本抽取装置,该装置包括:
第一类别其他要素字段生成模块,用于获取待识别合同长文本中的投资监督条款,采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段;
第二类别其他要素字段生成字段,用于采用语义模式抽取模型对所述投资监督条款进行字段抽取,生成第二类别其他要素字段;
其他要素字段修正模块,用于根据各第一类别其他要素字段以及各第二类别其他要素字段所属的要素类型,以及不同要素类型之间的关联关系,对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正。
根据本发明实施例的另一方面,提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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本发明任一实施例所述的一种投资监督其他要素文本抽取方法。
根据本发明实施例的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种投资监督其他要素文本抽取方法。
本发明实施例的技术方案,通过文本分类模型以及语义模式抽取模型两种抽取方式分别提取待识别合同长文本中不同特点要素字段,结合要素字段间关联关系对所提取字段进行修正。整个要素文本的抽取过程不仅实现了文本的自动化抽取,还新增了字段修正环节,提高了抽取效率以及抽取准确性的同时也降低了投资监督风险。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种投资监督其他要素文本抽取方法的流程图;
图2是根据本发明实施例二提供的另一种投资监督其他要素文本抽取方法的流程图;
图3是根据本发明实施例三提供的一种投资监督其他要素文本抽取装置的结构示意图;
图4是实现本发明实施例的投资监督其他要素文本抽取方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种投资监督其他要素文本抽取方法的流程图,本实施例可适用于对投资监督领域其他要素进行字段抽取的情况,该方法可以由投资监督其他要素文本抽取装置来执行,该投资监督其他要素文本抽取装置可以采用硬件和/或软件的形式实现,该投资监督其他要素文本抽取装置可配置于能够执行自然语言处理任务的计算机中。如图1所示,该方法包括:
S110、获取待识别合同长文本中的投资监督条款,采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段。
文本分类作为自然语言处理中一项基础且广泛应用的任务,能够将文本依据规则和标准划分到为特定的类别空间,且能够应用到多种应用场景。而投资监督条款作为投资监督领域相关合同内容的具体表现形式,在本发明实施例中,文本分类模型能够识别投资监督条款中包含的大量的且关键词特征不明显的文本,并抽取生成如:“中证券粒度”、“分子指标”以及“监控类型”等第一类别要素字段。
可选的,在采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段之前,还可以包括:
在bert-base-chines训练模型上,基于预设的模型参数构建得到文本分类模型,其中,所述文本分类模型使用tensorflow框架;
将数据库中已有的投资监督条款以及其他要素提取数据作为训练数据,对所述文本分类模型进行预训练。
在本发明实施例中,所述bert-base-chinese训练模型,作为一种基于BERT的预训练的中文模型,使用了大规模的中文语料库进行训练,具有较高的准确率以及泛化能力,因此能够很好的执行本发明实施例中针对投资监督领域的文本分类任务。
S120、采用语义模式抽取模型对所述投资监督条款进行字段抽取,生成第二类别其他要素字段。
获取与上述S110相同的待识别合同长文本中的投资监督条款,并将所述长文本输入至语义模式抽取模型中,可以抽取生成第二类别其他要素字段。其中,语义模式抽取模型能够针对所述投资监督条款中结构复杂且具有相近或固定语义表达方式的文本进行抽取,得到如:“分母指标”、“指标类型”、“阈值类型”、“违规阈值上限”以及“违规阈值下限”等与比例数值相关的一些类别信息。
S130、根据各第一类别其他要素字段以及各第二类别其他要素字段所属的要素类型,以及不同要素类型之间的关联关系,对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正。
通过文本分类模型以及语义模式抽取模型分别得到了两种类别的其他要素字段,同一类别字段以及不同类别字段间存在相应的关联关系,在本发明实施例中,将两种类别字段通过所述关联关系进行匹配,对于不符合关联关系的输出字段进行字段修正,从而现自动化的文本抽取。
本发明实施例获取待识别合同长文本中的投资监督条款,采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段;采用语义模式抽取模型对所述投资监督条款进行字段抽取,生成第二类别其他要素字段;根据各第一类别其他要素字段以及各第二类别其他要素字段所属的要素类型,以及不同要素类型之间的关联关系,对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正。本发明实施例提供了一种新的投资监督其他要素文本抽取方法,通过文本分类模型以及语义模式抽取模型两种抽取方式分别生成要素字段,结合要素字段间关联关系对生成字段进行修正,整个要素文本的抽取过程不仅实现了文本的自动化抽取,还新增了字段修正环节,提高了抽取效率以及抽取准确性的同时也降低了投资监督风险。
实施例二
图2为本发明实施例二提供的另一种投资监督其他要素文本抽取方法的流程图,本实施例以上述实施例为基础进行细化,相应的,如图2所示,所述方法具体包括:
S210、获取待识别合同长文本中的投资监督条款,采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段。
S220、采用语义模式抽取模型使用预先建立的业务规则,以正则匹配的方式对所述投资监督条款进行字段抽取,生成第二类别其他要素字段。
所述预先建立的业务规则指业务人员事先针对现有的投资监督条款所确定的抽取后所得要素类型下包含的各个要素字段,语义模式抽取模型采用正则匹配的方式能够根据所述业务规则生成满足相应语境下的要素字段,如一则投资监督条款语句:“为回避风险,乙方在该账户上的单只主板个股投入资金不得超过该账户总资产的20%(100万元)”,经由正则匹配的方式抽取后可能得到分母指标类型为“账户总资产”、违规阈值上限类型为“20%”等要素字段。
S230、查询要素类型映射表,确定与各所述第一类别其他要素字段以及各所述第二类别其他要素字段所属的要素类型。
具体的,所述要素类型映射表指在第一类别其他要素字段和第二类别其他要素字段的两类字段类型下包含多个要素字段,其中,如上所述,第一类别其他要素字段的字段可以包括:“中证券粒度”、“分子指标”以及“监控类型”等类型;第二类别其他要素字段可以包括:“分母指标”、“指标类型”、“阈值类型”、“违规阈值上限”以及“违规阈值下限”等类型。如S220中提到的“账户总资产”就是分母指标字段类型中的一个要素字段,因此,所述要素类型映射表记录了要素字段与要素类型间的从属关系。
S240、根据不同要素类型之间的关联关系,从各所述第一类别其他要素字段以及各所述第二类别其他要素字段中,获取命中每个目标要素类型关联关系的目标其他要素字段组。
S250、在全部目标其他要素字段组中获取当前处理其他要素字段组。
不同要素类型之间包含多种关联关系,其中,两种其他要素类型间的关系称作双要素关联关系,三种及以上的其他要素类型间关系称作多要素关联关系。其中,按照某种关联关系匹配而成的多个其他要素类型间构成一个其他要素字段组。如,第一类别其他要素字段中的“分子指标”与第二类别其他要素字段中的“分母指标”在具备双要素关联关系的前提下就构成了一个其他要素字段组。
S260、获取与当前处理其他要素字段组对应的当前其他要素字段关联关系,并在所述当前处理其他要素字段组中识别基准其他要素字段。
S270、在所述当前其他要素字段关联关系中,获取与所述基准其他要素字段对应的关联其他要素字段。
在当前其他要素字段组中包含的多个其他要素类型中,选择一个其他要素类型作为本字段组的基准字段,由于同一要素类型中包含的多个要素字段间具有多种关联关系,因此只有确定基准字段,才能以该基准字段为依据判断该关联关系下所对应的各要素类型是否准确。
可选的,在所述当前处理其他要素字段组中识别基准其他要素字段,可以包括:
将所述当前处理其他要素字段组与预先建立的基准其他要素字段列表进行匹配,获取所述当前处理其他要素字段组中包含的基准其他要素字段。
其中,所述基准其他要素列表指包含全部要素字段的一个列表,在该列表中,提前规定了各个要素字段的重要程度或其他参考因素,各要素字段按照从高到低的顺序依次排列,对于基准字段的选取可以通过各要素字段在字段列表中的命中顺序来决定,愈先命中的目标字段说明其在基准其他要素字段列表中的优先级愈高,因此选择该目标字段作为基准字段更具准确性。
S280、将所述当前处理其他要素字段组的剩余其他要素字段与所述关联其他要素字段进行匹配,并在匹配失败后,使用所述关联其他要素字段对所述当前处理其他要素字段组的剩余其他要素字段进行修正。
选中目标字段作为基准字段后,将基准字段与当前字段组中剩余的其他要素字段根据关联关系依次进行匹配,将不满足与当前基准字段间关联关系的要素字段进行替换,从而实现对抽取结果的修正。
便于理解的,若当前字段组中包含A1、A2和A3三个其他要素字段,若确定A1为基准字段,且在当前关联关系下,A1的正确对应关系为A1→B1→A3,则说明实际的抽取结果并不准确,此时需要将字段组中的A2字段替换修正为B1字段,以此视为完成了对当前抽取结果的修正。
进一步的,在对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正之后,还可以包括:
将修正后的各所述第一类别其他要素字段和各所述第二类别其他要素字段与数据库中事先存入的人工录入结果进行比对;
若比对结果为无差异,则将所述无差异比对结果作为最终结果输出;
若比对结果为有差异,则将所述有差异其他要素字段所属的要素类型进行差异化风险提示。
在人工摘取其他要素字段时,业务人员根据以往经验,已经总结出一套文本对应其他要素的规则,所述规则在本发明实施例中提供对比校验的作用。为了保证字段抽取结果的准确性,将人工录入结果与本发明实施例抽取出的其他要素字段进行比对。
当比对结果无差异,则视作抽取结果准确,且本次抽取结果会作为最终抽取结果输出;当比对结果存在差异时,需将要素字段下的存在差异的具体要素类型作为异常结果提示给用户端。
本发明实施例的技术方案通过对整体方案的细化,进一步说明了投资监督其他要素文本抽取的方法。具体的,本发明实施例通过构建要素类型映射表以及基准其他要素字段列表,实现了针对字段抽取结果的自动修正,保证了字段抽取的准确性。
实施例三
图3为本发明实施例三提供的一种投资监督其他要素文本抽取装置的结构示意图。如图3所示,该装置包括:
第一类别其他要素字段生成模块310,用于获取待识别合同长文本中的投资监督条款,采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段;
第二类别其他要素字段生成字段320,用于采用语义模式抽取模型对所述投资监督条款进行字段抽取,生成第二类别其他要素字段;
其他要素字段修正模块330,用于根据各第一类别其他要素字段以及各第二类别其他要素字段所属的要素类型,以及不同要素类型之间的关联关系,对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正。
本发明实施例中,第一类别其他要素字段生成模块310获取待识别合同长文本中的投资监督条款,采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段;第二类别其他要素字段生成字段320采用语义模式抽取模型对所述投资监督条款进行字段抽取,生成第二类别其他要素字段;其他要素字段修正模块330根据各第一类别其他要素字段以及各第二类别其他要素字段所属的要素类型,以及不同要素类型之间的关联关系,对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正。本发明实施例提供了一种新的投资监督其他要素文本抽取方法,通过文本分类模型以及语义模式抽取模型两种抽取方式分别生成要素字段,结合要素字段间关联关系对生成字段进行修正,整个要素文本的抽取过程不仅实现了文本的自动化抽取,还新增了字段修正环节,提高了抽取效率以及抽取准确性的同时也降低了投资监督风险。
可选的,在上述各实施例的基础上,在采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段之前,还可以包括:
文本分类模型构建单元,用于在bert-base-chines训练模型上,基于预设的模型参数构建得到文本分类模型,其中,所述文本分类模型使用tensorflow框架;
文本分类模型预训练单元,用于将数据库中已有的投资监督条款以及其他要素提取数据作为训练数据,对所述文本分类模型进行预训练。
可选的,在上述各实施例的基础上,第二类别其他要素字段生成字段320,可以包括:
语义模式抽取单元,用于采用语义模式抽取模型使用预先建立的业务规则,以正则匹配的方式对所述投资监督条款进行字段抽取,生成第二类别其他要素字段。
可选的,在上述各实施例的基础上,其他要素字段修正模块330,可以包括:
要素类型确定单元,用于查询要素类型映射表,确定与各所述第一类别其他要素字段以及各所述第二类别其他要素字段所属的要素类型;
其他要素字段组获取单元,用于根据不同要素类型之间的关联关系,从各所述第一类别其他要素字段以及各所述第二类别其他要素字段中,获取命中每个目标要素类型关联关系的目标其他要素字段组;
字段修正单元,用于根据与每个目标要素类型关联关系分别对应的其他要素字段关联关系,对每个目标其他要素字段组中的第一类别其他要素字段和/或第二类别其他要素字段进行字段修正。
可选的,在上述各实施例的基础上,字段修正单元,具体还可以用于:
在全部目标其他要素字段组中获取当前处理其他要素字段组;
获取与当前处理其他要素字段组对应的当前其他要素字段关联关系,并在所述当前处理其他要素字段组中识别基准其他要素字段;
在所述当前其他要素字段关联关系中,获取与所述基准其他要素字段对应的关联其他要素字段;
将所述当前处理其他要素字段组的剩余其他要素字段与所述关联其他要素字段进行匹配,并在匹配失败后,使用所述关联其他要素字段对所述当前处理其他要素字段组的剩余其他要素字段进行修正。
进一步的,在上述各实施例的基础上,在所述当前处理其他要素字段组中识别基准其他要素字段,还可以包括:
将所述当前处理其他要素字段组与预先建立的基准其他要素字段列表进行匹配,获取所述当前处理其他要素字段组中包含的基准其他要素字段。
可选的,在上述各实施例的基础上,在对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正之后,还可以包括:
修正结果比对单元,用于将修正后的各所述第一类别其他要素字段和各所述第二类别其他要素字段与数据库中事先存入的人工录入结果进行比对;
最终结果输出单元,用于若比对结果为无差异,则将所述无差异比对结果作为最终结果输出;
风险提示单元,用于若比对结果为有差异,则将所述有差异其他要素字段所属的要素类型进行差异化风险提示。
本发明实施例所提供的一种投资监督其他要素文本抽取装置可执行本发明任意实施例所提供的投资监督其他要素文本抽取方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如一种投资监督其他要素文本抽取方法。
也即:获取待识别合同长文本中的投资监督条款,采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段;
采用语义模式抽取模型对所述投资监督条款进行字段抽取,生成第二类别其他要素字段;
根据各第一类别其他要素字段以及各第二类别其他要素字段所属的要素类型,以及不同要素类型之间的关联关系,对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正。
在一些实施例中,一种投资监督其他要素文本抽取方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的一种投资监督其他要素文本抽取方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种投资监督其他要素文本抽取方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种投资监督其他要素文本抽取方法,其特征在于,包括:
获取待识别合同长文本中的投资监督条款,采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段;
采用语义模式抽取模型对所述投资监督条款进行字段抽取,生成第二类别其他要素字段;
根据各第一类别其他要素字段以及各第二类别其他要素字段所属的要素类型,以及不同要素类型之间的关联关系,对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正。
2.根据权利要求1所述的方法,其特征在于,根据各第一类别其他要素字段以及各第二类别其他要素字段所属的要素类型,以及不同要素类型之间的关联关系,对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正,包括:
查询要素类型映射表,确定与各所述第一类别其他要素字段以及各所述第二类别其他要素字段所属的要素类型;
根据不同要素类型之间的关联关系,从各所述第一类别其他要素字段以及各所述第二类别其他要素字段中,获取命中每个目标要素类型关联关系的目标其他要素字段组;
根据与每个目标要素类型关联关系分别对应的其他要素字段关联关系,对每个目标其他要素字段组中的第一类别其他要素字段和/或第二类别其他要素字段进行字段修正。
3.根据权利要求2所述的方法,其特征在于,根据与每个目标要素类型关联关系分别对应的其他要素字段关联关系,对每个目标其他要素字段组中的第一类别其他要素字段和/或第二类别其他要素字段进行字段修正,包括:
在全部目标其他要素字段组中获取当前处理其他要素字段组;
获取与当前处理其他要素字段组对应的当前其他要素字段关联关系,并在所述当前处理其他要素字段组中识别基准其他要素字段;
在所述当前其他要素字段关联关系中,获取与所述基准其他要素字段对应的关联其他要素字段;
将所述当前处理其他要素字段组的剩余其他要素字段与所述关联其他要素字段进行匹配,并在匹配失败后,使用所述关联其他要素字段对所述当前处理其他要素字段组的剩余其他要素字段进行修正。
4.根据权利要求3所述的方法,其特征在于,在所述当前处理其他要素字段组中识别基准其他要素字段,包括:
将所述当前处理其他要素字段组与预先建立的基准其他要素字段列表进行匹配,获取所述当前处理其他要素字段组中包含的基准其他要素字段。
5.根据权利要求1-4任一项所述的方法,其特征在于,在采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段之前,还包括:
在bert-base-chines训练模型上,基于预设的模型参数构建得到文本分类模型,其中,所述文本分类模型使用tensorflow框架;
将数据库中已有的投资监督条款以及其他要素提取数据作为训练数据,对所述文本分类模型进行预训练。
6.根据权利要求1-4任一项所述的方法,其特征在于,采用语义模式抽取模型对所述投资监督条款进行字段抽取,生成第二类别其他要素字段,包括:
采用语义模式抽取模型使用预先建立的业务规则,以正则匹配的方式对所述投资监督条款进行字段抽取,生成第二类别其他要素字段。
7.根据权利要求1-4任一项所述的方法,其特征在于,在对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正之后,还包括:
将修正后的各所述第一类别其他要素字段和各所述第二类别其他要素字段与数据库中事先存入的人工录入结果进行比对;
若比对结果为无差异,则将所述无差异比对结果作为最终结果输出;
若比对结果为有差异,则将所述有差异其他要素字段所属的要素类型进行差异化风险提示。
8.一种投资监督其他要素文本抽取装置,其特征在于,包括:
第一类别其他要素字段生成模块,用于获取待识别合同长文本中的投资监督条款,采用文本分类模型对所述投资监督条款进行字段抽取,生成第一类别其他要素字段;
第二类别其他要素字段生成字段,用于采用语义模式抽取模型对所述投资监督条款进行字段抽取,生成第二类别其他要素字段;
其他要素字段修正模块,用于根据各第一类别其他要素字段以及各第二类别其他要素字段所属的要素类型,以及不同要素类型之间的关联关系,对第一类别其他要素字段和/或第二类别其他要素字段进行字段修正。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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1-7中任一项所述的投资监督其他要素文本抽取方法。
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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的投资监督其他要素文本抽取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410059990.XA CN117851599A (zh) | 2024-01-15 | 2024-01-15 | 投资监督其他要素文本抽取方法、装置、设备以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410059990.XA CN117851599A (zh) | 2024-01-15 | 2024-01-15 | 投资监督其他要素文本抽取方法、装置、设备以及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117851599A true CN117851599A (zh) | 2024-04-09 |
Family
ID=90548009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410059990.XA Pending CN117851599A (zh) | 2024-01-15 | 2024-01-15 | 投资监督其他要素文本抽取方法、装置、设备以及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117851599A (zh) |
-
2024
- 2024-01-15 CN CN202410059990.XA patent/CN117851599A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116225769B (zh) | 一种系统故障根因的确定方法、装置、设备及介质 | |
CN116167352B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN112989235A (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
CN116228301A (zh) | 一种目标用户的确定方法、装置、设备及介质 | |
CN113641823B (zh) | 文本分类模型训练、文本分类方法、装置、设备及介质 | |
CN116303013A (zh) | 源码分析方法、装置、电子设备及存储介质 | |
CN115794473A (zh) | 一种根因告警的定位方法、装置、设备及介质 | |
CN115665783A (zh) | 一种异常指标溯源方法、装置、电子设备及存储介质 | |
CN115794744A (zh) | 一种日志展示方法、装置、设备和存储介质 | |
CN117851599A (zh) | 投资监督其他要素文本抽取方法、装置、设备以及介质 | |
CN116127948B (zh) | 待标注文本数据的推荐方法、装置及电子设备 | |
CN117150215B (zh) | 一种考核结果确定方法、装置、电子设备及存储介质 | |
CN115511014B (zh) | 信息匹配方法、装置、设备及存储介质 | |
CN117574146B (zh) | 文本分类标注方法、装置、电子设备和存储介质 | |
CN117271373B (zh) | 测试用例的自动化构建方法、装置、电子设备及存储介质 | |
CN116737520B (zh) | 一种日志数据的数据编织方法、装置、设备及存储介质 | |
CN116431809A (zh) | 基于银行客服场景下的文本标注方法、装置和存储介质 | |
CN117786453A (zh) | 一种箱柜类型的识别方法、装置、设备及存储介质 | |
CN116186536A (zh) | 风险预测方法、装置、电子设备及存储介质 | |
CN117670554A (zh) | 确定数据资产标签的方法、装置、电子设备及存储介质 | |
CN117076610A (zh) | 一种数据敏感表的识别方法、装置、电子设备及存储介质 | |
CN115794830A (zh) | 数据值确定方法、装置、电子设备及存储介质 | |
CN116467198A (zh) | 性能实测必要性确定方法、装置、电子设备和存储介质 | |
CN117312288A (zh) | 数据质检方法、装置、电子设备及存储介质 | |
CN116567145A (zh) | 一种客服话术质检方法、装置、电子设备及存储介质 |
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 |