CN114443803B 一种文本信息挖掘方法、装置、电子设备和存储介质 （中移(苏州)软件技术有限公司）

EP3082051A1,2016.10.19本发明公开了一种文本信息挖掘方法、装获取待处理文本；基于挖掘目标信息的业务需2基于挖掘目标信息的业务需求，对所述待处理文本进行语义特征所述基于挖掘目标信息的业务需求，对所述待处理文本进行语义特征过滤处基于所述至少一个触发词中每个触发词与其它词之间的语义相似基于触发词簇集，对所述待处理文本进行语义特征过滤处理；所使用文本分类器对所述中间过滤结果进行分类，得到分类结果在确定所述目标信息存在歧义项的情况下，重新过滤模块，用于基于挖掘目标信息的业务需求，对所述待处理文34[0003]对于合同这类载体的关键信息抽取可归入篇章级别的文本理解任务。相关技术[0014]可选的，所述基于所述至少一个触发词对所述待处理文本进行语义特征过滤处5[0016]当所述语义相似度达到设定阈值时，确定所述其它词为所述每个触发词的相似[0027]在确定所述目标信息存在歧义项的情况下，重新确定标签对所述歧义项进行标[0039]当所述语义相似度达到设定阈值时，确定所述其它词为所述每个触发词的相似6[0050]在确定所述目标信息存在歧义项的情况下，重新确定标签对所述歧义项进行标计算机程序被执行后能够实现前述一个或多个技术方案7(DigitalSignalProcessingDevice，DSPD)、可编程逻辑装置(ProgrammableLogic[0071]示例性的，待处理文本的格式可以包括：Word格式的文本、可携带文档格式8[0091]在一种实施方式中，基于至少一个触发词对待处理文本间的语义相似度进行确定，判断每个触发词与其它词之间的语义相似度是否达到设定阈9[0094]示例性的，可以使用Word2vec工具确定每个触发词与其可以将语义相似度最高的K个相似词与每个触发词形成对应的个触发词形成三个触发词簇集。候选文本段落集可表示符合业务需求的文本段落类别对应将这5条文本段落作为候选文本段落集进行输出，对得到的候选文本段落进行目标信息抽[0110]本发明实施例中，可以通过一个被标注的训练数据集合对N个不同的特征抽取器[0125]标注后的文本段落为：5％/O质/O保/O金/O，/O在/O工/O程/O竣/O工/O验/O收/O后/O无/O质/O量/O问/O题/O并/O出/O具/O质/O保/O函/O付/O清/O全/O部/O施/O工/O费/O文本段落中的目标信息进行标注，/B_NW/I_NW/E_NW用来对文本段落中目标信息对应的歧[0134]卷积层用来获取输入层输出的每个词的词向量，并对获取的词向量进行卷积操[0138]输出层用来将池化层输出的池化操作结果拼接起来,经softmax层处理获得各个[0143]为了更好理解本发明，这里给出了本发明另一种合同文本信息挖掘方法的流程[0145]浅层语义解析部分：以输入部分的输出作为输入，输入至触发词库1、触发词库标信息无关的文本段落进行过滤，使得后续的深度语义解析部分能更为聚焦目标信息特神经网络形成的特征抽取器快速完成模型的训练，过滤掉与目标信息不相关的文本段落。次语义筛选后获得的包含目标信息的文本段落，通过N个实体识别器的命名实体识别技术务地点等目标信息，每个目标信息对应一个实体识别模型。数据标注可以采用BIOES标注[0150]输出部分：该部分可以用于将实体识别部分中N个实体识别器识别的目标信息向到中间过滤处理结果，将中间过滤处理结果输入至文本分类器i中进行进一步过滤处理得[0163]当所述语义相似度达到设定阈值时，确定所述其它词为所述每个触发词的相似[0174]在确定所述目标信息存在歧义项的情况下，重新确定标签对所述歧义项进行标[0178]集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使质上或者说对相关技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的机程序指令被一电子设备读取或被执行时，实现前述实施例的任意一种文本信息挖掘方[0183]在实际应用中，上述存储器601可以是易失性存储器(volatilememory)，例如[0187]本发明所提供的各方法实施例中所揭露的方法，在不冲突的情况下可以任意组[0188]本发明所提供的各产品实施例中所揭露的特征，在不冲突的情况下可以任意组现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定其他可编程设备上执行的指令提供用于实现在流程图一个