CN111708819A - 用于信息处理的方法、装置、电子设备和存储介质 - Google Patents

用于信息处理的方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111708819A
CN111708819A CN202010470785.4A CN202010470785A CN111708819A CN 111708819 A CN111708819 A CN 111708819A CN 202010470785 A CN202010470785 A CN 202010470785A CN 111708819 A CN111708819 A CN 111708819A
Authority
CN
China
Prior art keywords
attribute
information
file
identification information
tag
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
Application number
CN202010470785.4A
Other languages
English (en)
Other versions
CN111708819B (zh
Inventor
胡腾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010470785.4A priority Critical patent/CN111708819B/zh
Publication of CN111708819A publication Critical patent/CN111708819A/zh
Application granted granted Critical
Publication of CN111708819B publication Critical patent/CN111708819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2468—Fuzzy queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Automation & Control Theory (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开的实施例涉及用于信息处理的方法、装置、电子设备和计算机存储介质，涉及自然语言处理领域。根据该方法，从待处理的第一文件中获取与第一关键词相关联的标识信息和与第二关键词相关联的文本信息，基于标识信息、文本信息和实体标注模型，生成与文本信息相对应的实体标签，基于预定属性标注规则和文本信息，生成与文本信息相对应的属性标签，属性标签至少指示属性关键词和与属性关键词相对应的属性值，以及基于实体标签和属性标签，从文本信息中获取与标识信息相关联的属性值。由此，可以以高效的方式实现对文本的准确解析。

Description

用于信息处理的方法、装置、电子设备和存储介质
技术领域
本公开的实施例总体涉及自然语言处理领域，具体涉及用于信息处理的方法、装置、电子设备和计算机存储介质。
背景技术
在诸如风险评估等领域，传统上，主要通过文件模糊匹配获取文件，随后由人工逐一打开文件浏览核对，以判断风险。一方面文件模糊匹配返回的文件众多，人工核对成本很高；另一方面，由于文字记录中存在简写和省略情况，文件模糊匹配可能存在遗漏，导致风险未被识别的情况。
发明内容
提供了一种用于信息处理的方法、装置、电子设备以及计算机存储介质。
根据本公开的第一方面，提供了一种用于信息处理的方法。该方法包括：从待处理的第一文件中获取与第一关键词相关联的标识信息和与第二关键词相关联的文本信息，基于标识信息、文本信息和实体标注模型，生成与文本信息相对应的实体标签，基于预定属性标注规则和文本信息，生成与文本信息相对应的属性标签，属性标签至少指示属性关键词和与属性关键词相对应的属性值，以及基于实体标签和属性标签，从文本信息中获取与标识信息相关联的属性值。
根据本公开的第二方面，提供了一种用于信息处理的装置。该装置包括：标识与文本获取模块，被配置为从待处理的第一文件中获取与第一关键词相关联的标识信息和与第二关键词相关联的文本信息；实体标签生成模块，被配置为基于标识信息、文本信息和实体标注模型，生成与文本信息相对应的实体标签；属性标签生成模块，被配置为基于预定属性标注规则和文本信息，生成与文本信息相对应的属性标签，属性标签至少指示属性关键词和与属性关键词相对应的属性值；以及属性值获取模块，被配置为基于实体标签和属性标签，从文本信息中获取与标识信息相关联的属性值。
根据本公开的第三方面，提供了一种电子设备。该电子设备包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据第一方面所述的方法。
根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。
根据本公开的技术方案可以以高效的方式实现对文本的准确解析，有效解决了文件模糊匹配和人工解析导致的低效率和遗漏问题。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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
结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：
图1是根据本公开的实施例的信息处理环境100的示意图；
图2是根据本公开的实施例的用于信息处理的方法200的示意图；
图3是根据本公开的实施例的用于生成实体标签的方法300的示意图；
图4是根据本公开的实施例的用于从文本信息中获取与标识信息相关联的属性值的方法400的示意图；
图5是根据本公开的实施例的语言模型的示意框图；
图6是根据本公开的实施例的***实例的示意框图；
图7是根据本公开的实施例的用于信息处理的装置700的框图；以及
图8是用来实现根据本公开实施例的用于信息处理的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如上所述，由于采用文件模糊匹配，使得返回的文件往往不是特别准确，其中包括了大量无用的文件，因此人工核对成本很高。此外，文件中的文字记录存在简写和省略情况，例如***号41501234、41501235、41501236、41501237可能会被写成***号41501234-37，或***号41501234-7等，文件模糊匹配可能无法匹配这种简写或省略的方式，从而造成遗漏。
为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种用于信息处理的方案。在该方案中，从待处理的第一文件中获取与第一关键词相关联的标识信息和与第二关键词相关联的文本信息，基于标识信息、文本信息和实体标注模型，生成与文本信息相对应的实体标签，基于预定属性标注规则和文本信息，生成与文本信息相对应的属性标签，属性标签至少指示属性关键词和与属性关键词相对应的属性值，以及基于实体标签和属性标签，从文本信息中获取与标识信息相关联的属性值。
由此，根据本公开的实施例能够通过文本标注，实现对文件的高效率准确解析。此外，通过结合模型和规则实现语义标注，能够平衡召回率和准确率。同时，通过结合文件中的标识信息进行实体标注，既保证了泛化性又提升了局部特征拟合度。
在下文中，将结合附图更详细地描述本方案的具体示例。
图1示出了根据本公开的实施例的信息处理环境100的示例的示意图。信息处理环境100可以包括信息处理设备110、待处理的第一文件120、标识信息130和与标识信息相关联的属性值140。
信息处理设备110例如包括但不限于服务器计算机、多处理器***、大型计算机、包括上述***或设备中的任意一个的分布式计算环境等。在一些实施例中，电子设备110可以具有一个或多个处理单元，包括诸如图像处理单元GPU、现场可编程门阵列FPGA和专用集成电路ASIC等的专用处理单元以及诸如中央处理单元CPU的通用处理单元。
待处理的第一文件120包括但不限于动产担保/转让登记证明文件。第一文件120可以包括与第一关键词相关联的标识信息和与第二关键词相关联的文本信息。标识信息130包括但不限于例如机构名称、公司名称等。属性值140包括但不限于***号、转让金额、***金额等。
信息处理设备110用于从待处理的第一文件120中获取与第一关键词相关联的标识信息130和与第二关键词相关联的文本信息，基于标识信息130、文本信息和实体标注模型，生成与文本信息相对应的实体标签，基于预定属性标注规则和文本信息，生成与文本信息相对应的属性标签，属性标签至少指示属性关键词和与属性关键词相对应的属性值，以及基于实体标签和属性标签，从文本信息中获取与标识信息130相关联的属性值140。
图2示出了根据本公开的实施例的用于信息处理的方法200的流程图。例如，方法200可以由如图1所示的信息处理设备110来执行。应当理解的是，方法200还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
在框202处，信息处理设备110从待处理的第一文件120中获取与第一关键词相关联的标识信息和与第二关键词相关联的文本信息。
第一关键词包括但不限于出让人、受让人。与第一关键词相关联的标识信息包括但不限于机构名称或公司名称。第二关键词包括但不限于转让财产。与第二关键词相关联的文本信息包括但不限于转让财产描述信息。
在框204处，信息处理设备110基于标识信息、文本信息和实体标注模型，生成与文本信息相对应的实体标签。
实体标注模型包括但不限于例如基于神经网络的实体标注模型，例如可以采用诸如ERNIE的预训练语言模型和BiLSTM+CRF网络结构。下文将结合图3说明用于生成实体标签的方法。
实体标签可以指示机构名、时间、合同名和项目名等。
在框206处，信息处理设备110基于预定属性标注规则和文本信息，生成与文本信息相对应的属性标签，属性标签至少指示属性关键词和与所述属性关键词相对应的属性值。
预定属性标注规则包括但不限于正则表达式，例如(***号)：(\d{8})->invoice_key，invoice_value，其中，左式为正则表达式，右式为匹配的属性标签，上式可将句子“***号：12345678”标注为“invoice_key:invoice_value”，其中“invoice_key”指示属性关键字，“invoice_value”指示与属性关键字相关联的属性值。在一些实施例中，属性标签还可以指示与属性值相关联的属性值单位，例如元。应当理解，上述正则表达式只是举例，也可以采用其他的正则表达式或其他的属性标注规则。
在一些实施例中，预定属性标注规则可以包括多层规则。例如，信息处理设备110可以基于预定第一层属性标注规则和文本信息，生成与文本信息相对应的第一属性标签，随后基于预定第二层属性标注规则、文本信息和第一属性标签，生成与文本信息相对应的第二属性标签。由此，通过多层规则对文本进行标注，可以实现复杂属性的标注。
在一些实施例中，信息处理设备110还可以基于文本信息和词性标注模型，生成与文本信息相对应的词性标签。词性标签可以指示标点符号、连词、助词、动词、名词等。由此，使得文本的标签更加完整，更便于属性值的获取。
在框208处，信息处理设备110基于实体标签和属性标签，从文本信息中获取与标识信息相关联的属性值。属性值可以包括但不限于***号、***金额、转让金额等。下文将结合图4详细说明用于从文本信息中获取与标识信息相关联的属性值的方法。
由此，通过文本标注，实现第一文件中属性值的高效率准确解析，此外，结合模型和规则实现语义标注，平衡召回率和准确率，结合了文件中的标识信息进行实体标注，既保证了泛化性又提升局部特征拟合度。
在一些实施例中，信息处理设备110可以生成标识信息和与标识信息相关联的属性值之间的关联。生成的关联例如可以存储在数据库中。信息处理设备110可以基于上述关联，确定与待处理的第二文件有关的风险。第二文件可以包括但不限于例如保理业务动产信息文件。由此，可以基于生成的关联来确定第二文件有关的风险，无需人工对文件进行浏览核对，提高了效率。
在一些实施例中，信息处理设备110可以对与标识信息相关联的属性值进行归一化。例如，通用标准***号为8位***数字，针对***号为区间的形式进行补全并展开，列举出区间内部的所有***号。还如，将中文大写金额(如：陆佰万元整)、逗号分隔数字(如：6,000,000元整)统一归一成浮点型数字+单位形式(如：6000000.00元)。随后，信息处理设备110可以基于标识信息和归一化的属性值，生成上述关联。由此，经过归一化的属性值更容易进行储存和分析比较。
在一些实施例中，上述关联可以包括标识信息、属性值和文件标识之间的关联。信息处理设备110可以从第一文件120中获取与第一文件120相对应的文件标识。文本标识包括但不限于文件编号。随后，信息处理设备110可以确定能否在上述关联中找到与第一文件120相对应的文件标识。如果信息处理设备110确定在上述关联中未找到与第一文件120相对应的文件标识，则基于标识信息、与标识信息相关联的属性值和与第一文件120相对应的文件标识，生成上述关联。由此，可以将标识信息、属性值与文件标识进行关联，并基于文件标识避免重复解析和/或存储。
在一些实施例中，信息处理设备110可以从第二文件中提取标识信息和属性值。例如信息处理设备110可以从保理业务动产信息文件中提取出让人标识信息、***号和转让金额。随后，信息处理设备110可以确定在上述关联中能否找到从第二文件中提取的标识信息。
如果信息处理设备110确定在上述关联中找到从第二文件中提取的标识信息，则基于上述关联和从第二文件中提取的属性值，确定风险。例如，信息处理设备110可以通过从上述关联获取与提取的标识信息相关联的属性值，以及通过比较从上述关联获取的属性值和从第二文件中提取的属性值来确定风险。
如果信息处理设备110确定在上述关联中未找到从第二文件中提取的标识信息，则从数据源获取与从第二文件中提取的标识信息相关联的第三文件，以用于确定风险。数据源可以包括例如央行网站。第三文件可以包括但不限于动产担保/转让登记证明文件。
由此，实现从第二文件提取标识信息和属性信息，并基于上述关联和提取的标识信息和属性信息来确定风险，避免人工浏览核对，提高效率。
图3示出了根据本公开的实施例的用于生成实体标签的方法300的流程图。例如，方法300可以由如图1所示的信息处理设备110来执行。应当理解的是，方法300还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
在框302处，信息处理设备110从文本信息提取词表示。可以采用例如基于神经网络的语言模型从文本信息提取词表示。基于神经网络的语言模型可以包括但不限于预训练语言模型，例如ERNIE。如图5所示，文本信息输入ERNIE模型后，可以得到词表示。
在框304处，信息处理设备110在文本信息中确定与标识信息相匹配的词语的位置信息。例如，文本信息为“转让XX公司的项目应收账款80000元，***号000，转让金额60000元转让YY公司的项目应收账款50000元，***号111，转让金额30000元”，标识信息为XX公司和YY公司，则与标识信息相匹配的词语的位置信息为3和41。
在框306处，信息处理设备110对位置信息进行编码，以得到位置表示。可以通过例如正余弦位置编码、学习向量位置或相对位置表示等技术对位置信息进行编码，以得到位置表示。
在框308处，信息处理设备110基于词表示、位置表示和实体标注模型，生成实体标签。例如，可以将词表示和位置表示相加或串联后的结果输入实体标注模型，以输出实体标签。如图5所示，将词表示与位置表示串联后的结果输入BiLSTM+CRF结构，可以输出实体标签。应当理解，图5所示的模型结构只是示例，也可以采用其他的模型结构。
由此，将文本中与标识信息相匹配的词语的位置表示与从文本信息提取的词向量结合进行实体标注，既保证了泛化性又提升局部特征拟合度。
图4示出了根据本公开的实施例的用于从文本信息中获取与标识信息相关联的属性值的方法400的流程图。例如，方法400可以由如图1所示的信息处理设备110来执行。应当理解的是，方法400还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。
在框402处，信息处理设备110基于实体标签和标识信息，从文本信息确定至少一个部分。
在一些实施例中，信息处理设备110可以在文本信息中的、被标注为预定对象的词语中确定与标识信息相匹配的第一个词语。预定对象可以包括但不限于机构。例如，文本信息为“转让XX公司的项目应收账款80000元，***号000，转让金额60000元转让YY公司的项目应收账款50000元，***号111，转让金额30000元”，其中XX公司和YY公司被标注为机构，标识信息包括XX公司和YY公司，则与标识信息相匹配的第一个词语为XX公司。应当理解，上述两个标识信息只是举例，可以包括其他内容的标识信息，以及标识信息的数量可以更多或更少。
随后，信息处理设备110可以获取包括与文本信息中从开始位置到第一个词语所处位置的部分相对应的标签的序列，作为特征序列。以上面的文本为例，则与文本信息中从开始位置到第一个词语所处位置的部分为“转让”，特征序列例如为“动词动词”。应当理解，特征序列为“动词动词”只是举例，也可以是其他的序列。
接着，信息处理设备110在包括与文本信息相关联的标签的序列中确定与特征序列相匹配的子序列。以上述文本为例，匹配的子序列为包括与文本信息相关联的标签的序列中“动词动词”的子序列，对应的文本序列为“XX公司”前的“转让”和“YY公司”前的“转让”。
最后，信息处理设备110基于子序列，从文本信息确定至少一个部分。还以上述文本为例，从文本信息确定“转让XX公司的项目应收账款80000元，***号000，转让金额60000元”和“转让YY公司的项目应收账款50000元，***号111，转让金额30000元”这两个部分。应当理解，从文本信息确定两个部分只是举例，也可以从文本信息确定一个部分或多于两个部分。由此，能够基于标签特征序列来进行匹配和划分，能够准确地将文本信息划分为相对独立的部分。
在框404处，信息处理设备110确定与至少一个部分中被标注为预定对象的词语相匹配的标识信息。
以上述文本为例，“转让XX公司的项目应收账款80000元，***号000，转让金额60000元”和“转让YY公司的项目应收账款50000元，***号111，转让金额30000元”这两个部分中被标注为机构的词语分别为XX公司和YY公司，标识信息包括XX公司和YY公司，则与第一部分中被标注为预定对象的词语相匹配的标识信息为XX公司，而与第二部分中被标注为预定对象的词语相匹配的标识信息为YY公司。
在框406处，信息处理设备110基于属性标签指示的属性关键词和属性值，从至少一个部分中提取与标识信息相关联的属性值。
以上述文本为例，“转让XX公司的项目应收账款80000元，***号000，转让金额60000元”中的“***号000”和“转让金额60000元”被标注有属性标签，例如“invoice_keyinvoice_value”和“transfer_key transfer_value”。可以基于属性标签“invoice_keyinvoice_value”指示的属性关键词和属性值，从该部分提取与XX公司相关联的***号000和转让金额60000。类似地，可以从第二部分提取与YY公司相关联的***号111和转让金额30000。应当理解，上述两个属性值只是举例，可以包括其他类型的属性值，或者更多或更少的属性值。
由此，通过基于实体标签和标识信息从文本信息中确定相对独立的部分，使得从其中准确地提取与标识信息相关联的属性值。
下面结合图6描述一个具体实施例。信息处理设备610从保理业务动产信息文件650中提取出让人、***号、转让金额等信息，随后在抵押动产信息结构化数据库640中搜索出让人。数据库640可以包括出让人、受让人、***号、转让金额、***金额和登记证书编号等信息，如表1所示。
表1：
Figure BDA0002514234720000091
Figure BDA0002514234720000101
如果在数据库640中找到出让人，则获取与出让人相关联的***号、转让金额、***金额等信息，如果获取的***号与从文件650提取的***号相同，则确定从文件650提取的转让金额是否小于或等于获取的***金额减去获取的转让金额之差，如果是，则确定不存在重复抵押风险，如果否，则确定存在重复抵押风险660。
如果在数据库640中未找到出让人，则从人民银行征信中心网站620获取与出让人相关联的动产担保/转让登记证明文件，通过上述方法200从动产担保/转让登记证明文件中获取出让人和与出让人相关联的***号、转让金额、***金额等信息，将这些信息存储到数据库640，随后再根据这些信息提示重复抵押风险660。此外，还可以定期或不定期对数据库640中的出让人，增量获取和解析数据库640中未存储其编号的动产担保/转让登记证明文件，并将解析的信息存储到数据库640。
图7示出了根据本公开实施例的用于信息处理的装置700的示意性框图。如图7所示，装置700包括标识与文本获取模块701，被配置为从待处理的第一文件120中获取与第一关键词相关联的标识信息和与第二关键词相关联的文本信息；实体标签生成模块702，被配置为基于标识信息、文本信息和实体标注模型，生成与文本信息相对应的实体标签；属性标签生成模块703，被配置为基于预定属性标注规则和文本信息，生成与文本信息相对应的属性标签，属性标签至少指示属性关键词和与属性关键词相对应的属性值；以及属性值获取模块704，被配置为基于实体标签和属性标签，从文本信息中获取与标识信息相关联的属性值。
在一些实施例中，实体标签生成模块702包括：词表示提取模块，被配置为从文本信息提取词表示；位置信息确定模块，被配置为在文本信息中确定与标识信息相匹配的词语的位置信息；位置编码模块，被配置为对位置信息进行编码，以得到位置表示；以及标签生成模块，被配置为基于词表示、位置表示和实体标注模型，生成实体标签。
在一些实施例中，属性标签生成模块703包括：第一属性标签生成模块，被配置为基于预定第一层属性标注规则和文本信息，生成与文本信息相对应的第一属性标签；以及第二属性标签生成模块，被配置为基于预定第二层属性标注规则、文本信息和第一属性标签，生成与文本信息相对应的第二属性标签。
在一些实施例中，属性值获取模块704包括：部分确定模块，被配置为基于实体标签和标识信息，从文本信息确定至少一个部分；标识匹配模块，被配置为确定与至少一个部分中被标注为预定对象的词语相匹配的标识信息；以及属性值提取模块，被配置为基于属性标签指示的属性关键词和属性值，从至少一个部分中提取与标识信息相关联的属性值。
在一些实施例中，部分确定模块包括：词语匹配模块，被配置为在文本信息中的、被标注为预定对象的词语中确定与标识信息相匹配的第一个词语；特征序列获取模块，被配置为获取包括与文本信息中从开始位置到第一个词语所处位置的部分相对应的标签的序列，作为特征序列；以及子序列匹配模块，被配置为在包括与文本信息相关联的标签的序列中确定与特征序列相匹配的子序列；以及确定模块，被配置为基于子序列，从文本信息确定至少一个部分。
在一些实施例中，装置700还包括：关联生成模块，被配置为生成标识信息和与标识信息相关联的属性值之间的关联；以及风险确定模块，被配置为基于上述关联，确定与待处理的第二文件有关的风险。
在一些实施例中，关联生成模块包括：归一化模块，被配置为对与标识信息相关联的属性值进行归一化；以及生成模块，被配置为基于标识信息和归一化的属性值，生成上述关联。
在一些实施例中，上述关联包括标识信息、属性值和文件标识之间的关联，以及关联生成模块包括：文件标识获取模块，被配置为从第一文件120中获取与第一文件120相对应的文件标识；以及生成模块，被配置为如果确定在上述关联中未找到与第一文件120相对应的文件标识，则基于标识信息、与标识信息相关联的属性值和与第一文件120相对应的文件标识，生成上述关联。
在一些实施例中，风险确定模块包括：信息提取模块，被配置为从第二文件中提取标识信息和属性值；确定模块，被配置为如果确定在上述关联中找到从第二文件中提取的标识信息，则基于上述关联和从第二文件中提取的属性值，确定风险；以及文件获取模块，被配置为如果确定在上述关联中未找到从第二文件中提取的标识信息，则从数据源获取与从第二文件中提取的标识信息相关联的第三文件，以用于确定风险。
图8示出了可以用来实施本公开内容的实施例的示例设备800的示意性框图。例如，如图1所示的信息处理设备110可以由设备800来实施。如图所示，设备800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的计算机程序指令或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序指令，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标、麦克风等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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。
上文所描述的各个过程和处理，例如方法200-400，可由处理单元801执行。例如，在一些实施例中，方法200-400可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序被加载到RAM 803并由CPU801执行时，可以执行上文描述的方法200-400的一个或多个动作。
本公开可以是方法、装置、***和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (20)

1.一种用于信息处理的方法，包括：
从待处理的第一文件中获取与第一关键词相关联的标识信息和与第二关键词相关联的文本信息；
基于所述标识信息、所述文本信息和实体标注模型，生成与所述文本信息相对应的实体标签；
基于预定属性标注规则和所述文本信息，生成与所述文本信息相对应的属性标签，所述属性标签至少指示属性关键词和与所述属性关键词相对应的属性值；以及
基于所述实体标签和所述属性标签，从所述文本信息中获取与所述标识信息相关联的属性值。
2.根据权利要求1所述的方法，其中生成所述实体标签包括：
从所述文本信息提取词表示；
在所述文本信息中确定与所述标识信息相匹配的词语的位置信息；
对所述位置信息进行编码，以得到位置表示；以及
基于所述词表示、所述位置表示和所述实体标注模型，生成所述实体标签。
3.根据权利要求1所述的方法，其中生成所述属性标签包括：
基于预定第一层属性标注规则和所述文本信息，生成与所述文本信息相对应的第一属性标签；以及
基于预定第二层属性标注规则、所述文本信息和所述第一属性标签，生成与所述文本信息相对应的第二属性标签。
4.根据权利要求1所述的方法，其中从所述文本信息中获取与所述标识信息相关联的属性值包括：
基于所述实体标签和所述标识信息，从所述文本信息确定至少一个部分；
确定与所述至少一个部分中被标注为预定对象的词语相匹配的标识信息；以及
基于所述属性标签指示的所述属性关键词和所述属性值，从所述至少一个部分中提取与所述标识信息相关联的属性值。
5.根据权利要求4所述的方法，其中从所述文本信息确定所述至少一个部分包括：
在所述文本信息中的、被标注为所述预定对象的词语中确定与所述标识信息相匹配的第一个词语；
获取包括与所述文本信息中从开始位置到所述第一个词语所处位置的部分相对应的标签的序列，作为特征序列；以及
在包括与所述文本信息相关联的标签的序列中确定与所述特征序列相匹配的子序列；以及
基于所述子序列，从所述文本信息确定所述至少一个部分。
6.根据权利要求1所述的方法，还包括：
生成所述标识信息和与所述标识信息相关联的所述属性值之间的关联；以及
基于所述关联，确定与待处理的第二文件有关的风险。
7.根据权利要求6所述的方法，其中生成所述关联包括：
对与所述标识信息相关联的所述属性值进行归一化；以及
基于所述标识信息和归一化的所述属性值，生成所述关联。
8.根据权利要求6所述的方法，其中所述关联包括所述标识信息、所述属性值和文件标识之间的关联，以及生成所述关联包括：
从所述第一文件中获取与所述第一文件相对应的文件标识；以及
如果确定在所述关联中未找到与所述第一文件相对应的文件标识，则基于所述标识信息、与所述标识信息相关联的所述属性值和与所述第一文件相对应的所述文件标识，生成所述关联。
9.根据权利要求6所述的方法，其中确定所述风险包括：
从所述第二文件中提取标识信息和属性值；
如果确定在所述关联中找到从所述第二文件中提取的所述标识信息，则基于所述关联和从所述第二文件中提取的所述属性值，确定所述风险；以及
如果确定在所述关联中未找到从所述第二文件中提取的所述标识信息，则从数据源获取与从所述第二文件中提取的所述标识信息相关联的第三文件，以用于确定所述风险。
10.一种用于信息处理的装置，包括：
标识与文本获取模块，被配置为从待处理的第一文件中获取与第一关键词相关联的标识信息和与第二关键词相关联的文本信息；
实体标签生成模块，被配置为基于所述标识信息、所述文本信息和实体标注模型，生成与所述文本信息相对应的实体标签；
属性标签生成模块，被配置为基于预定属性标注规则和所述文本信息，生成与所述文本信息相对应的属性标签，所述属性标签至少指示属性关键词和与所述属性关键词相对应的属性值；以及
属性值获取模块，被配置为基于所述实体标签和所述属性标签，从所述文本信息中获取与所述标识信息相关联的属性值。
11.根据权利要求10所述的装置，其中所述实体标签生成模块包括：
词表示提取模块，被配置为从所述文本信息提取词表示；
位置信息确定模块，被配置为在所述文本信息中确定与所述标识信息相匹配的词语的位置信息；
位置编码模块，被配置为对所述位置信息进行编码，以得到位置表示；以及
标签生成模块，被配置为基于所述词表示、所述位置表示和所述实体标注模型，生成所述实体标签。
12.根据权利要求10所述的装置，其中所述属性标签生成模块包括：
第一属性标签生成模块，被配置为基于预定第一层属性标注规则和所述文本信息，生成与所述文本信息相对应的第一属性标签；以及
第二属性标签生成模块，被配置为基于预定第二层属性标注规则、所述文本信息和所述第一属性标签，生成与所述文本信息相对应的第二属性标签。
13.根据权利要求10所述的装置，其中所述属性值获取模块包括：
部分确定模块，被配置为基于所述实体标签和所述标识信息，从所述文本信息确定至少一个部分；
标识匹配模块，被配置为确定与所述至少一个部分中被标注为预定对象的词语相匹配的标识信息；以及
属性值提取模块，被配置为基于所述属性标签指示的所述属性关键词和所述属性值，从所述至少一个部分中提取与所述标识信息相关联的属性值。
14.根据权利要求13所述的装置，其中所述部分确定模块包括：
词语匹配模块，被配置为在所述文本信息中的、被标注为所述预定对象的词语中确定与所述标识信息相匹配的第一个词语；
特征序列获取模块，被配置为获取包括与所述文本信息中从开始位置到所述第一个词语所处位置的部分相对应的标签的序列，作为特征序列；以及
子序列匹配模块，被配置为在包括与所述文本信息相关联的标签的序列中确定与所述特征序列相匹配的子序列；以及
确定模块，被配置为基于所述子序列，从所述文本信息确定所述至少一个部分。
15.根据权利要求10所述的装置，还包括：
关联生成模块，被配置为生成所述标识信息和与所述标识信息相关联的所述属性值之间的关联；以及
风险确定模块，被配置为基于所述关联，确定与待处理的第二文件有关的风险。
16.根据权利要求15所述的装置，其中所述关联生成模块包括：
归一化模块，被配置为对与所述标识信息相关联的所述属性值进行归一化；以及
生成模块，被配置为基于所述标识信息和归一化的所述属性值，生成所述关联。
17.根据权利要求15所述的装置，其中所述关联包括所述标识信息、所述属性值和文件标识之间的关联，以及所述关联生成模块包括：
文件标识获取模块，被配置为从所述第一文件中获取与所述第一文件相对应的文件标识；以及
生成模块，被配置为如果确定在所述关联中未找到与所述第一文件相对应的文件标识，则基于所述标识信息、与所述标识信息相关联的所述属性值和与所述第一文件相对应的所述文件标识，生成所述关联。
18.根据权利要求15所述的装置，其中所述风险确定模块包括：
信息提取模块，被配置为从所述第二文件中提取标识信息和属性值；
确定模块，被配置为如果确定在所述关联中找到从所述第二文件中提取的所述标识信息，则基于所述关联和从所述第二文件中提取的所述属性值，确定所述风险；以及
文件获取模块，被配置为如果确定在所述关联中未找到从所述第二文件中提取的所述标识信息，则从数据源获取与从所述第二文件中提取的所述标识信息相关联的第三文件，以用于确定所述风险。
19.一种电子设备，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1-9中任一项所述的方法。
20.一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根据权利要求1-9中任一项所述的方法。
CN202010470785.4A 2020-05-28 2020-05-28 用于信息处理的方法、装置、电子设备和存储介质 Active CN111708819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010470785.4A CN111708819B (zh) 2020-05-28 2020-05-28 用于信息处理的方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010470785.4A CN111708819B (zh) 2020-05-28 2020-05-28 用于信息处理的方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111708819A true CN111708819A (zh) 2020-09-25
CN111708819B CN111708819B (zh) 2023-04-07

Family

ID=72538701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010470785.4A Active CN111708819B (zh) 2020-05-28 2020-05-28 用于信息处理的方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111708819B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115186087A (zh) * 2022-07-01 2022-10-14 至本医疗科技（上海）有限公司 检索基因与肿瘤相关信息的方法、设备和计算机存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763574A (zh) * 2009-06-03 2010-06-30 中国科学院自动化研究所 一种基于领域知识的古建筑保护技术信息管理***及方法
CN101794277A (zh) * 2010-03-01 2010-08-04 苏州数字地图网络科技有限公司 一种网络文字信息中嵌入地理标签的方法及***
CN102135967A (zh) * 2010-01-27 2011-07-27 华为技术有限公司 网页关键词提取方法、装置及***
US20110238495A1 (en) * 2008-03-24 2011-09-29 Min Soo Kang Keyword-advertisement method using meta-information related to digital contents and system thereof
CN102402589A (zh) * 2011-10-26 2012-04-04 北京百度网讯科技有限公司 一种提供与搜索请求相关的参考搜索信息的方法与设备
CN103345536A (zh) * 2013-07-30 2013-10-09 焦点科技股份有限公司 一种语义关联索引方法
CN104376105A (zh) * 2014-11-26 2015-02-25 北京航空航天大学 一种社会媒体中图像低层视觉特征与文本描述信息的特征融合***及方法
CN105701155A (zh) * 2015-12-30 2016-06-22 百度在线网络技术（北京）有限公司 信息推送方法和装置
WO2018049960A1 (zh) * 2016-09-14 2018-03-22 厦门幻世网络科技有限公司 一种为文本信息匹配资源的方法及装置
WO2019157882A1 (zh) * 2018-02-13 2019-08-22 论客科技（广州）有限公司 基于通讯录的邮件标识及过滤方法、装置、服务器及***
CN110209904A (zh) * 2019-05-31 2019-09-06 深圳市云歌人工智能技术有限公司 信息的分类方法、装置及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110238495A1 (en) * 2008-03-24 2011-09-29 Min Soo Kang Keyword-advertisement method using meta-information related to digital contents and system thereof
CN101763574A (zh) * 2009-06-03 2010-06-30 中国科学院自动化研究所 一种基于领域知识的古建筑保护技术信息管理***及方法
CN102135967A (zh) * 2010-01-27 2011-07-27 华为技术有限公司 网页关键词提取方法、装置及***
CN101794277A (zh) * 2010-03-01 2010-08-04 苏州数字地图网络科技有限公司 一种网络文字信息中嵌入地理标签的方法及***
CN102402589A (zh) * 2011-10-26 2012-04-04 北京百度网讯科技有限公司 一种提供与搜索请求相关的参考搜索信息的方法与设备
CN103345536A (zh) * 2013-07-30 2013-10-09 焦点科技股份有限公司 一种语义关联索引方法
CN104376105A (zh) * 2014-11-26 2015-02-25 北京航空航天大学 一种社会媒体中图像低层视觉特征与文本描述信息的特征融合***及方法
CN105701155A (zh) * 2015-12-30 2016-06-22 百度在线网络技术（北京）有限公司 信息推送方法和装置
WO2018049960A1 (zh) * 2016-09-14 2018-03-22 厦门幻世网络科技有限公司 一种为文本信息匹配资源的方法及装置
WO2019157882A1 (zh) * 2018-02-13 2019-08-22 论客科技（广州）有限公司 基于通讯录的邮件标识及过滤方法、装置、服务器及***
CN110209904A (zh) * 2019-05-31 2019-09-06 深圳市云歌人工智能技术有限公司 信息的分类方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨丹浩 吴岳辛 范春晓: ""一种基于注意力机制的中文短文本关键词提取模型"" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115186087A (zh) * 2022-07-01 2022-10-14 至本医疗科技（上海）有限公司 检索基因与肿瘤相关信息的方法、设备和计算机存储介质
CN115186087B (zh) * 2022-07-01 2023-11-28 至本医疗科技（上海）有限公司 检索基因与肿瘤相关信息的方法、设备和计算机存储介质

Also Published As

Publication number Publication date
CN111708819B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
US10430610B2 (en) Adaptive data obfuscation
US20200226510A1 (en) Method and System for Determining Risk Score for a Contract Document
CN104899304A (zh) 命名实体识别方法及装置
Gaur et al. Semi-supervised deep learning based named entity recognition model to parse education section of resumes
US11526692B2 (en) Systems and methods for domain agnostic document extraction with zero-shot task transfer
CA3048356A1 (en) Unstructured data parsing for structured information
CN111143505B (zh) 文档处理方法、装置、介质及电子设备
US9870351B2 (en) Annotating embedded tables
CN109033427B (zh) 股票的筛选方法及装置、计算机设备及可读存储介质
CN113268560A (zh) 用于文本匹配的方法和装置
CN112417887A (zh) 敏感词句识别模型处理方法、及其相关设备
CN111753029A (zh) 实体关系抽取方法、装置
Shekhar et al. An effective cybernated word embedding system for analysis and language identification in code-mixed social media text
CN112395882B (zh) 用于命名实体识别的方法、电子设备和存储介质
CN111708819B (zh) 用于信息处理的方法、装置、电子设备和存储介质
US11687735B2 (en) Method, apparatus, device and storage medium for outputting information
CN112906368B (zh) 行业文本增量方法、相关装置及计算机程序产品
CN114444465A (zh) 信息抽取方法、装置、设备及存储介质
US20240012809A1 (en) Artificial intelligence system for translation-less similarity analysis in multi-language contexts
CN113761923A (zh) 命名实体识别方法、装置、电子设备及存储介质
CN113420119B (zh) 基于知识卡片的智能问答方法、装置、设备及存储介质
CN115759292A (zh) 模型的训练方法及装置、语义识别方法及装置、电子设备
CN113032523B (zh) 三元组信息的抽取方法、装置、电子设备和存储介质
CN110083817B (zh) 一种命名排歧方法、装置、计算机可读存储介质
Zaikis et al. Dacl: A domain-adapted contrastive learning approach to low resource language representations for document clustering tasks

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