(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111647164.X (22)申请日 2021.12.3 0 (71)申请人 汉海信息技 术 （上海） 有限公司 地址 200050 上海市长 宁区安化路492号4 幢2楼C201 (72)发明人 金溆林　 (74)专利代理 机构 北京曼威知识产权代理有限 公司 11709 代理人 邓超 (51)Int.Cl. G06F 40/295(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种信息提取的方法及装置 (57)摘要 本说明书公开了一种信息提取的方法及装 置， 从获取的文本数据中确定 各实体名称以及各 标识信息， 针对每个实体名称， 按照文本顺序确 定该实体名 称与相邻的其他实体名 称之间的各 标识信息， 作为对应该实体名称的标识信息， 针 对与该实体名称对应的每个标识信息， 确定该实 体名称以及两者之间的文本， 确定特征向量， 通 过将特征向量输入决策树模型， 确定该实体名称 与该标识信息的关联关系， 从而提取出该文本数 据中关联的信息。 可见， 本方法可确定各实体名 称与各标识信息的关联关系， 以提取与各实体名 称相关的信息， 提高了提取信息的效率。 权利要求书2页 说明书12页 附图3页 CN 114330347 A 2022.04.12 CN 114330347 A 1.一种信息提取的方法， 其特 征在于， 包括： 获取文本数据； 确定所述文本数据中的各实体名称以及各 标识信息； 针对每个实体名称， 按照所述文本数据的文本顺序， 确定距离该实体名称最近的其他 实体名称， 并确定该实体名称与所述其他实体名称之间的标识信息， 作为与该实体名称对 应的标识信息； 针对与该实体名称对应的每个标识信 息， 根据该实体名称与 该标识信 息之间的文本数 据以及该实体名称， 确定该实体名称对应该 标识信息的特 征向量； 将该特征向量输入训练完成的决策树模型， 得到该实体名称与 该标识信 息之间的关联 关系， 根据所述关联关系提取与该实体名称相关的信息 。 2.根据权利要求1所述的方法， 其特征在于， 确定所述文本数据中的各实体名称， 具体 包括： 对所述文本数据进行分句处 理， 确定各语句对应的子文本数据； 针对每个子文本数据， 将该子文本数据输入到训练完成的注意加权的第 一长短期记忆 网络模型中， 确定所述第一长短期记 忆网络模型的输出 结果； 根据所述输出 结果， 确定该子文本数据中包 含的实体名称。 3.根据权利要求1所述的方法， 其特征在于， 确定所述文本数据中的各标识信息， 具体 包括： 对所述文本数据进行分句处 理， 确定各语句对应的子文本数据； 针对每个子文本数据， 将该子文本数据输入到训练完成的注意加权的第 二长短期记忆 网络模型中， 确定所述第二长短期记 忆网络模型的输出 结果； 根据所述输出 结果， 确定该子文本数据中包 含的地址类型的标识信息 。 4.根据权利要求1所述的方法， 其特征在于， 确定所述文本数据中的各标识信息， 具体 包括： 对所述文本数据进行分句处 理， 确定各语句对应的子文本数据； 针对每个子文本数据， 根据该子文本数据以及预设的各正则表达式， 确定该子文本数 据中与预设的各正则表达式匹配的各目标文本； 针对每个目标文本， 根据该目标文本对应的正则表达式， 确定该目标文本所属标识信 息的类型， 其中， 所述标识信息的类型至少包括营业时间以及联系信息 。 5.根据权利要求1所述的方法， 其特征在于， 根据 该实体名称与 该标识信 息之间的文本 数据以及该实体名称， 确定该实体名称对应该 标识信息的特 征向量， 具体包括： 根据该实体名称与 该标识信 息之间的文本数据， 确定该实体名称与 该标识信 息之间的 字符数量， 作为距离特 征； 确定该实体名称的字符特 征； 根据所述距离特 征以及所述字符特 征， 确定该实体名称对应该 标识信息的特 征向量。 6.根据权利要求1所述的方法， 其特征在于， 根据 所述关联关系提取与 该实体名称相关 的信息之前， 所述方法还 包括： 根据该实体名称以及与该实体名称对应的标识信 息， 确定该实体名称以及所述标识信 息的格式信息；权　利　要　求　书 1/2 页 2 CN 114330347 A 2根据所述格式信 息以及预设的格式模板， 确定所述格式信 息与所述格式模板的匹配结 果； 当所述格式信息与所述格式模板匹配时， 根据所述格式模板对应的关联关系， 确定所 述实体名称和与该实体名称对应的标识信息的关联关系。 7.根据权利要求2所述的方法， 其特征在于， 根据所述输出结果， 确定该子文本数据中 包含的实体名称， 具体包括： 根据所述第一长短期记忆网络模型的输出结果， 确定该子文本数据中包含的实体名 称； 将该子文本数据输入到训练完成的命名实体识别模型中， 确定所述命名实体识别模型 的输出结果； 根据所述命名实体识别模型的输出 结果， 确定该子文本数据中包 含的待选名称； 从各待选名称中， 确定与各实体名称的相似度均不大于预设阈值的待选名称， 作为该 子文本数据中包 含的实体名称。 8.一种信息提取的装置， 其特 征在于， 包括： 获取模块， 用于获取文本数据； 确定模块， 用于确定所述文本数据中的各实体名称以及各 标识信息； 对应模块， 用于针对每个实体名称， 按照所述文本数据的文本顺序， 确定距离该实体名 称最近的其他实体名称， 并确定该实体名称与所述其他实体名称之间的标识信息， 作为与 该实体名称对应的标识信息； 特征向量模块， 用于针对与该实体名称对应的每个标识信息， 根据该实体名称与该标 识信息之间的文本数据以及该实体名称， 确定该实体名称对应该 标识信息的特 征向量； 提取模块， 用于将该特征向量输入训练完成的决策树模型， 得到该实体名称与该标识 信息之间的关联关系， 根据所述关联关系提取与该实体名称相关的信息 。 9.一种计算机可读存储介质， 其特征在于， 所述存储介质存储有计算机程序， 所述计算 机程序被处 理器执行时实现上述权利要求1 ‑7任一项所述的方法。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现上述权利要求1 ‑7任一项所述的方 法。权　利　要　求　书 2/2 页 3 CN 114330347 A 3