CN112016327A - 基于多轮对话的智能结构化文本抽取方法、装置和电子设备 - Google Patents
基于多轮对话的智能结构化文本抽取方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112016327A CN112016327A CN202011193595.9A CN202011193595A CN112016327A CN 112016327 A CN112016327 A CN 112016327A CN 202011193595 A CN202011193595 A CN 202011193595A CN 112016327 A CN112016327 A CN 112016327A
- Authority
- CN
- China
- Prior art keywords
- information
- text
- extraction
- matching
- user voice
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 166
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000012216 screening Methods 0.000 claims abstract description 15
- 230000011218 segmentation Effects 0.000 claims abstract description 14
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 abstract description 29
- 238000012800 visualization Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012550 audit Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Abstract
本发明提供了一种基于多轮对话的智能结构化文本抽取方法、装置和电子设备。该方法包括:配置信息抽取锚点及其对应的匹配规则;获取历史对话中的用户语音,识别该用户语音并得到与该用户语音对应的语音文本;对用户语音文本进行分词处理,并根据信息抽取锚点和匹配规则,对所述用户语音文本进行文本抽取;对所抽取的文本特征信息进行匹配筛选,建立信息库,该信息库包括与各信息抽取锚点相关联的结构化文本信息表。本发明能够实现多轮对话的智能文本抽取,并形成结构化文本信息表,能进一步优化文本抽取方法,并能形成可视化更高、结构化更强的信息数据,还能增强业务人员查询或管理信息数据的便利性。
Description
技术领域
本发明涉及计算机信息处理领域,具体涉及一种基于多轮对话的智能结构化文本抽取方法、装置和电子设备。
背景技术
信息抽取是将文档中的非结构化数据自动提取转换为结构化数据的过程,例如将租赁合同中签约双方的名称、签约时间、签约地址等非结构化数据进行提取并转换等。 信息抽取从抽取内容角度划分主要包括实体抽取、关系抽取、事件抽取,从抽取长度划分主要包括词汇抽取和字段/段落抽取。另外,也分开放域信息抽取和封闭域信息抽取。
然而,随着深度神经网络的发展和计算机算力的增强,现有的信息抽取方法主要是基于大规模的标注数据训练参数量级较大的端到端的深度学习模型,然后基于训练出的模型进行不同业务场景下的文本信息抽取。这种信息抽取方式并未针对不同的抽取长度进行分类抽取,导致最终的抽取结果针对性不强、准确度不高、信息抽取的效率较低。
此外,在金融和电商等服务型行业中,为了提高行业的服务水平和工作效率,从业人员需要对语音文本数据(特别是对话***中的语音文本数据)进行挖掘和整理,但是目前依靠人工整理对话***中相关文本信息数据的方法效率低并且工作量大。
因此,有必要提供一种更有效的智能结构化文本抽取方法。
发明内容
本发明旨在解决了现有的依靠人工整理对话***中相关文本信息数据的方法效率低并且工作量大的问题。为了解决上述问题,本发明提供了一种基于多轮对话的智能结构化文本抽取方法,包括:配置信息抽取锚点及其对应的匹配规则;获取历史对话中的用户语音,识别该用户语音并得到与该用户语音对应的语音文本;对用户语音文本进行分词处理,并根据信息抽取锚点和匹配规则,对所述用户语音文本进行文本抽取;对所抽取的文本特征信息进行匹配筛选,建立信息库,该信息库包括与各信息抽取锚点相关联的结构化文本信息表。
优选地,还包括:基于业务场景,设定多个信息抽取锚点和与所述锚点对应的预设匹配词集,并定期更新所述信息抽取锚点。
优选地,所述信息抽取锚点包括身份、时间、事件、原因、资源配额和资源归还意愿。
优选地,还包括:设定匹配规则,所述匹配规则包括第一匹配规则和第二匹配规则,所述第一匹配规则用于抽取与时间和资源配额相对应的文本特征信息,所述第二匹配规则用于抽取与身份、事件、原因和资源归还意愿相对应的文本特征信息。
优选地,所述对所抽取的文本特征信息进行匹配筛选包括:抽取关键词,并将所抽取的关键词与预设匹配词集进行匹配,以判断所抽取的关键词是否为信息抽取锚点的有效文本特征信息;将有效文本特征信息保存至对应信息抽取锚点的结构化文本信息表。
优选地,所述对所抽取的文本特征信息进行匹配筛选包括:对所抽取的文本特征信息进行语义向量转换,并计算与预设匹配词集中各匹配词的语义向量相似度;将所计算的语义向量相似度与设定阈值进行比较,以判断所抽取的文本特征信息是否为信息抽取锚点的有效文本特征信息。
优选地,还包括:基于所抽取的有效文本特征信息和所述信息抽取锚点,形成以信息抽取锚点为索引的信息库,所述信息库包括多个表格形式的结构化文本信息表,一个结构化文本信息表与多个信息抽取锚点相对应。
优选地,还包括:使用BERT模型和RoBERTa模型进行语义向量转换。
此外,本发明还提供了一种基于多轮对话的智能结构化文本抽取装置,包括:配置模块,用于配置信息抽取锚点及其对应的匹配规则;获取模块,用于获取历史对话中的用户语音,识别该用户语音并得到与该用户语音对应的语音文本;处理模块,用于对用户语音文本进行分词处理,并根据信息抽取锚点和匹配规则,对所述用户语音文本进行文本抽取;筛选建立模块,用于对所抽取的文本特征信息进行匹配筛选,建立信息库,该信息库包括与各信息抽取锚点相关联的结构化文本信息表。
优选地,还包括:基于业务场景,设定多个信息抽取锚点和与所述锚点对应的预设匹配词集,并定期更新所述信息抽取锚点。
优选地,所述信息抽取锚点包括身份、时间、事件、原因、资源配额和资源归还意愿。
优选地,还包括设定模块,所述设定模块用于设定匹配规则,所述匹配规则包括第一匹配规则和第二匹配规则,所述第一匹配规则用于抽取与时间和资源配额相对应的文本特征信息,所述第二匹配规则用于抽取与身份、事件、原因和资源归还意愿相对应的文本特征信息。
优选地,还包括抽取模块,所述抽取模块用于抽取关键词,并将所抽取的关键词与预设匹配词集进行匹配,以判断所抽取的关键词是否为信息抽取锚点的有效文本特征信息;将有效文本特征信息保存至对应信息抽取锚点的结构化文本信息表。
优选地,还包括计算模块,所述计算模块用于对所抽取的文本特征信息进行语义向量转换,并计算与预设匹配词集中各匹配词的语义向量相似度;将所计算的语义向量相似度与设定阈值进行比较,以判断所抽取的文本特征信息是否为信息抽取锚点的有效文本特征信息。
优选地,还包括:基于所抽取的有效文本特征信息和所述信息抽取锚点,形成以信息抽取锚点为索引的信息库,所述信息库包括多个表格形式的结构化文本信息表,一个结构化文本信息表与多个信息抽取锚点相对应。
优选地,还包括:使用BERT模型和RoBERTa模型进行语义向量转换。
此外,本发明还提供了一种电子设备,其中,该电子设备包括:处理器;以及,存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行本发明所述的基于多轮对话的智能结构化文本抽取方法。
此外,本发明还提供了一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现本发明所述的基于多轮对话的智能结构化文本抽取方法。
有益效果
与现有技术相比,本发明的智能结构化文本抽取方法能够实现多轮对话的智能文本抽取,并形成结构化文本信息表,进一步优化了文本抽取方法,实现了更有效的文本抽取,提高了抽取效率和准确度,还能够形成可视化更高、结构化更强的信息数据,并增强了业务人员查询或管理信息数据的便利性。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明本发明示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是本发明的基于多轮对话的智能结构化文本抽取方法的一示例的流程图。
图2是本发明的基于多轮对话的智能结构化文本抽取方法的另一示例的流程图。
图3是本发明的基于多轮对话的智能结构化文本抽取方法的又一示例的流程图。
图4是本发明的基于多轮对话的智能结构化文本抽取装置的一示例的示意性结构框图。
图5是本发明的基于多轮对话的智能结构化文本抽取装置的另一示例的示意性结构框图。
图6是本发明的基于多轮对话的智能结构化文本抽取装置的又一示例的示意性结构框图。
图7是根据本发明的一种电子设备的示例性实施例的结构框图。
图8是根据本发明的计算机可读介质的示例性实施例的结构框图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如,第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
为了进一步优化文本抽取方法,本发明提出了一种基于多轮对话的智能结构化文本抽取方法,该方法能够实现多轮对话的智能文本抽取,并形成结构化文本信息表,在进一步优化文本抽取方法的同时,能够形成可视化更高、结构化更强的信息数据,还能增强业务人员查询或管理信息数据的便利性。
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
实施例1
下面,将参照图1至图3描述本发明的基于多轮对话的智能结构化文本抽取方法的实施例。
图1是本发明的基于多轮对话的智能结构化文本抽取方法的一示例的流程图。
如图1所示,一种智能结构化文本抽取方法,该方法包括如下步骤。
步骤S101,配置信息抽取锚点及其对应的匹配规则。
步骤S102,获取历史对话中的用户语音,识别该用户语音并得到与该用户语音对应的语音文本。
步骤S103,对用户语音文本进行分词处理,并根据信息抽取锚点和匹配规则,对所述用户语音文本进行文本抽取。
步骤S104,对所抽取的文本特征信息进行匹配筛选,建立信息库,该信息库包括与各信息抽取锚点相关联的结构化文本信息表。
首先,在步骤S101中,配置信息抽取锚点及其对应的匹配规则。
在本示例中,基于业务场景,设定多个信息抽取锚点和与所述锚点对应的预设匹配词集,并定期更新所述信息抽取锚点。
具体地,业务场景包括审核场景、贷后管理场景等。例如,对金融理财产品或金融服务产品等资格审核的审核场景、资源分配后的贷后管理场景。
进一步地,所述信息抽取锚点包括身份、时间、事件、原因、资源配额和资源归还意愿。
在本示例中,身份用于表示用户身份的信息,例如包括手机号、账户名、姓名和账户关联人等。
具体地,事件包括与资源请求、归还、贷后管理或用户相关的事件。更具体地,包括影响资源归还的风险事件。
进一步地,原因和时间是与事件相对应的,所述原因主要是指发生所述事件的原因,而时间是与资源请求或归还相对应的具体时间点或时间段。
更进一步地,资源归还意愿包括强、中、弱三个等级,以用于表示风险情况,通过确定风险情况,制定对应风险策略。
接下来,在步骤S102中,获取历史对话中的用户语音,识别该用户语音并得到与该用户语音对应的语音文本。
在本示例中,获取历史用户的用户信息、历史对话信息中的用户语音输入信息、与该历史对话相对应的历史业务信息等。
进一步地,对所获取的用户语音输入进行语音识别,以得到用户语音文本。
例如,在贷后管理场景下,多轮对话转换后语音文本为两轮对话,具体包括:语音机器人问用户1“你是张*吗”,用户1说“对,我是”;语音机器人说“金融资源a的归还时间马上到了,什么时间能归还”,用户1说“我患病了,没有收入,过三天再归还”。
需要说明的是,上述仅作为示例进行说明,不能理解对本发明的限制。
接下来,在步骤S103中,对用户语音文本进行分词处理,并根据信息抽取锚点和匹配规则,对所述用户语音文本进行文本抽取。
在本示例中,结合对话文本信息的上下文本,对每一条用户语音文本进行分词处理。
优选地,在分词处理之前,还包括文本数据清洗。在分词处理之后,还包括去标点符号、去叠词等处理。
如图2所示,还包括设定匹配规则的步骤S201。
在步骤S201中,设定匹配规则,以用于文本抽取。
具体地,所述匹配规则包括第一匹配规则和第二匹配规则,其中,第一匹配规则用于抽取与时间和资源配额相对应的文本特征信息,第二匹配规则用于抽取与身份、事件、原因和资源归还意愿相对应的文本特征信息。
进一步地,根据信息抽取锚点和匹配规则,对分词后的用户语音文本进行文本抽取。
例如,第一轮对话:语音机器人问用户1“你是张*吗”,用户1说“对,我是”。在该轮对话中,信息抽取锚点为“身份”,根据上下文本信息,将“我是”补齐为“我是张*”,再将“我是张*”进行分词处理,得到“我”、“是”、“张*”三个词。由于是“身份”,所以确定使用第二抽取规则进行文本抽取。由此,根据第二抽取规则,从上述三个词中抽取“张*”。
再例如,第二轮对话:语音机器人说“金融资源a的归还时间马上到了,什么时间能归还”,用户1说“我患病了,没有收入,过三天再归还”。在该轮对话中,信息抽取锚点为“时间”,确定为第一抽取规则。将“我患病了,没有收入,过三天再归还”进行分词处理,得到“我”、“患病”、“了”、“没有”、“收入”、“过三天”、“再”、“归还”八个词。按照第一抽取规则对分词后的用户语音文本进行文本抽取。由此,从上述八个词中抽取“过三天”。
优选地,在信息抽取锚点为“时间”时,增加信息抽取锚点“事件”和/或“原因”,并对该轮对话,进行二次文本抽取或者三次文本抽取,由此,实现了更有效的文本抽取,还提高了抽取效率和准确度。
需要说明的是,在本示例中,多轮对话为两轮对话,但是不限于此,在其他示例中,多轮对话还可以是三轮、四轮或更多轮对话。上述仅作为示例进行说明,不能理解成对本发明的限制。
接下来,在步骤S104中,对所抽取的文本特征信息进行匹配筛选,建立信息库,该信息库包括与各信息抽取锚点相关联的结构化文本信息表。
在本示例中,从用户语音文本信息中抽取关键词,并将所抽取的关键词与预设匹配词集进行匹配,以判断所抽取的关键词是否为信息抽取锚点的有效文本特征信息。
进一步地,对所抽取的文本特征信息进行语义向量转换,并计算与预设匹配词集中各匹配词的语义向量相似度。
优选地,使用BERT模型和RoBERTa模型进行语义向量转换。
需要说明的是,对于语义向量转换,在其他示例中,还可以使用DistilBERT模型、XLNet模型等。上述仅作为示例进行说明,不能理解成对本发明的限制。
在本示例中,将所计算的语义向量相似度与设定阈值进行比较,以判断所抽取的文本特征信息是否为信息抽取锚点的有效文本特征信息。
一方面,在所计算的语义向量相似度大于设定阈值时,判断所抽取的文本特征信息是信息抽取锚点的有效文本特征信息。
另一方面,在所计算的语义向量相似度大于设定阈值时,判断所抽取的文本特征信息是信息抽取锚点的有效文本特征信息。
进一步地,将所判断的有效文本特征信息保存至对应信息抽取锚点的结构化文本信息表。
更进一步地,基于所抽取的有效文本特征信息和所述信息抽取锚点,形成以信息抽取锚点为索引的信息库。
在本示例中,所述信息库信息库包括与各信息抽取锚点相关联的结构化文本信息表。
优选地,该结构化文本信息表为表格形式,一个结构化文本信息表与多个信息抽取锚点相对应,具体如下表。
该表是应用本发明的智能结构化文本抽取方法所形成的结构化文本信息表。从上表中可知,所述结构化文本信息表包括多个信息锚点、与各信息锚点相对应的身份、时间、事件、原因、资源配额、资源归还意愿等其他信息。由此,能够形成结构化文本信息表,从而实现了可视化更高、结构化更强的信息数据,并增强了业务人员查询或管理信息数据的便利性。
需要说明的是,上述结构化文本信息表仅作为优选示例进行说明,不能理解对本发明的限制。在其他示例中,还可以包括风险信息、收入信息、预定时间段内是否有逾期信息或违约信息等等。
上述方法的过程仅用于对本发明的说明,其中,步骤的顺序和数量没有特别的限制。此外,上述方法中的步骤还可以拆分成两个(例如将S104拆分成S104和S301,具体参见图3)、三个,或者有些步骤也可以合并成一个步骤,根据实际示例进行调整。
与现有技术相比,本发明的智能结构化文本抽取方法能够实现多轮对话的智能文本抽取,并形成结构化文本信息表,进一步优化了文本抽取方法,实现了更有效的文本抽取,提高了抽取效率和准确度,还能够形成可视化更高、结构化更强的信息数据,并增强了业务人员查询或管理信息数据的便利性。
本领域技术人员可以理解,实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序)。在该计算机程序被执行时,可以实现本发明提供的上述方法。而且,所述的计算机程序可以存储于计算机可读存储介质中,该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质,也可以是多个存储介质组成的存储阵列,例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储,其也可以是分布式存储,例如基于云计算的云存储。
下面描述本发明的装置的实施例,该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节,应视为对于上述方法实施例的补充;对于在本发明装置实施例中未披露的细节,可以参照上述方法实施例来实现。
实施例2
参照图4、图5和图6,本发明还提供了一种基于多轮对话的智能结构化文本抽取装置400,该智能结构化文本抽取装置400包括:配置模块401,用于配置信息抽取锚点及其对应的匹配规则;获取模块402,用于获取历史对话中的用户语音,识别该用户语音并得到与该用户语音对应的语音文本;处理模块403,用于对用户语音文本进行分词处理,并根据信息抽取锚点和匹配规则,对所述用户语音文本进行文本抽取;筛选建立模块404,用于对所抽取的文本特征信息进行匹配筛选,建立信息库,该信息库包括与各信息抽取锚点相关联的结构化文本信息表。
优选地,还包括:基于业务场景,设定多个信息抽取锚点和与所述锚点对应的预设匹配词集,并定期更新所述信息抽取锚点。
优选地,所述信息抽取锚点包括身份、时间、事件、原因、资源配额和资源归还意愿。
如图5所示,还包括设定模块501,所述设定模块501用于设定匹配规则,所述匹配规则包括第一匹配规则和第二匹配规则,所述第一匹配规则用于抽取与时间和资源配额相对应的文本特征信息,所述第二匹配规则用于抽取与身份、事件、原因和资源归还意愿相对应的文本特征信息。
如图6所示,还包括抽取模块601,所述抽取模块601用于抽取关键词,并将所抽取的关键词与预设匹配词集进行匹配,以判断所抽取的关键词是否为信息抽取锚点的有效文本特征信息;将有效文本特征信息保存至对应信息抽取锚点的结构化文本信息表。
优选地,还包括计算模块502,所述计算模块502用于对所抽取的文本特征信息进行语义向量转换,并计算与预设匹配词集中各匹配词的语义向量相似度;将所计算的语义向量相似度与设定阈值进行比较,以判断所抽取的文本特征信息是否为信息抽取锚点的有效文本特征信息。
优选地,还包括:基于所抽取的有效文本特征信息和所述信息抽取锚点,形成以信息抽取锚点为索引的信息库,所述信息库包括多个表格形式的结构化文本信息表,一个结构化文本信息表与多个信息抽取锚点相对应。
优选地,还包括:使用BERT模型和RoBERTa模型进行语义向量转换。
需要说明的是,在实施例2中,省略了与实施例1相同的部分的说明。
与现有技术相比,本发明的智能结构化文本抽取装置能够实现多轮对话的智能文本抽取,并形成结构化文本信息表,实现了更有效的文本抽取,提高了抽取效率和准确度,还能够形成可视化更高、结构化更强的信息数据,并增强了业务人员查询或管理信息数据的便利性。
本领域技术人员可以理解,上述装置实施例中的各模块可以按照描述分布于装置中,也可以进行相应变化,分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
实施例3
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图7是根据本发明的一种电子设备的示例性实施例的结构框图。下面将参照图7来描述根据本发明的电子设备200。图7显示的电子设备200仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于:至少一个处理单元210、至少一个存储单元220、连接不同***组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元210执行,使得所述处理单元210执行本说明书的上述电子设备处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元210可以执行如图1所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202,还可以进一步包括只读存储单元(ROM)2203。
所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204,这样的程序模块2205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法。
如图8所示,所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于多轮对话的智能结构化文本抽取方法,其特征在于,包括:
配置信息抽取锚点及其对应的匹配规则;
获取历史对话中的用户语音,识别该用户语音并得到与该用户语音对应的语音文本;
对用户语音文本进行分词处理,并根据信息抽取锚点和匹配规则,对所述用户语音文本进行文本抽取;
对所抽取的文本特征信息进行匹配筛选,建立信息库,该信息库包括与各信息抽取锚点相关联的结构化文本信息表。
2.根据权利要求1所述的智能结构化文本抽取方法,其特征在于,还包括:
基于业务场景,设定多个信息抽取锚点和与所述锚点对应的预设匹配词集,并定期更新所述信息抽取锚点。
3.根据权利要求1或2所述的智能结构化文本抽取方法,其特征在于,所述信息抽取锚点包括身份、时间、事件、原因、资源配额和资源归还意愿。
4.根据权利要求3所述的智能结构化文本抽取方法,其特征在于,还包括:
设定匹配规则,所述匹配规则包括第一匹配规则和第二匹配规则,所述第一匹配规则用于抽取与时间和资源配额相对应的文本特征信息,所述第二匹配规则用于抽取与身份、事件、原因和资源归还意愿相对应的文本特征信息。
5.根据权利要求4所述的智能结构化文本抽取方法,其特征在于,所述对所抽取的文本特征信息进行匹配筛选包括:
抽取关键词,并将所抽取的关键词与预设匹配词集进行匹配,以判断所抽取的关键词是否为信息抽取锚点的有效文本特征信息;
将有效文本特征信息保存至对应信息抽取锚点的结构化文本信息表。
6.根据权利要求4所述的智能结构化文本抽取方法,其特征在于,所述对所抽取的文本特征信息进行匹配筛选包括:
对所抽取的文本特征信息进行语义向量转换,并计算与预设匹配词集中各匹配词的语义向量相似度;
将所计算的语义向量相似度与设定阈值进行比较,以判断所抽取的文本特征信息是否为信息抽取锚点的有效文本特征信息。
7.根据权利要求5或6所述的智能结构化文本抽取方法,其特征在于,还包括:
基于所抽取的有效文本特征信息和所述信息抽取锚点,形成以信息抽取锚点为索引的信息库,所述信息库包括多个表格形式的结构化文本信息表,一个结构化文本信息表与多个信息抽取锚点相对应。
8.一种基于多轮对话的智能结构化文本抽取装置,其特征在于,包括:
配置模块,用于配置信息抽取锚点及其对应的匹配规则;
获取模块,用于获取历史对话中的用户语音,识别该用户语音并得到与该用户语音对应的语音文本;
处理模块,用于对用户语音文本进行分词处理,并根据信息抽取锚点和匹配规则,对所述用户语音文本进行文本抽取;
筛选建立模块,用于对所抽取的文本特征信息进行匹配筛选,建立信息库,该信息库包括与各信息抽取锚点相关联的结构化文本信息表。
9.一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1至7中任一项所述的基于多轮对话的智能结构化文本抽取方法。
10.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1至7中任一项所述的基于多轮对话的智能结构化文本抽取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011193595.9A CN112016327A (zh) | 2020-10-30 | 2020-10-30 | 基于多轮对话的智能结构化文本抽取方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011193595.9A CN112016327A (zh) | 2020-10-30 | 2020-10-30 | 基于多轮对话的智能结构化文本抽取方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112016327A true CN112016327A (zh) | 2020-12-01 |
Family
ID=73527731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011193595.9A Pending CN112016327A (zh) | 2020-10-30 | 2020-10-30 | 基于多轮对话的智能结构化文本抽取方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016327A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378579A (zh) * | 2021-05-31 | 2021-09-10 | 五八到家有限公司 | 一种语音录入结构化数据的方法、***及电子设备 |
CN113535900A (zh) * | 2021-07-08 | 2021-10-22 | 李刚 | 目标信息提取方法、电子设备及计算机可读存储介质 |
CN113779228A (zh) * | 2021-11-15 | 2021-12-10 | 北京明略昭辉科技有限公司 | 一种信息处理方法、装置、电子设备及存储介质 |
-
2020
- 2020-10-30 CN CN202011193595.9A patent/CN112016327A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378579A (zh) * | 2021-05-31 | 2021-09-10 | 五八到家有限公司 | 一种语音录入结构化数据的方法、***及电子设备 |
CN113535900A (zh) * | 2021-07-08 | 2021-10-22 | 李刚 | 目标信息提取方法、电子设备及计算机可读存储介质 |
CN113779228A (zh) * | 2021-11-15 | 2021-12-10 | 北京明略昭辉科技有限公司 | 一种信息处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109408526B (zh) | Sql语句生成方法、装置、计算机设备及存储介质 | |
CN112016327A (zh) | 基于多轮对话的智能结构化文本抽取方法、装置和电子设备 | |
CN110019742B (zh) | 用于处理信息的方法和装置 | |
WO2020015479A1 (zh) | 播报语音的确定方法、装置和设备 | |
KR20220000046A (ko) | 대화형 지능 서비스 제공 챗봇 제작 시스템 및 방법 | |
CN112016275A (zh) | 一种语音识别文本的智能纠错方法、***和电子设备 | |
CN113205814B (zh) | 语音数据标注方法、装置、电子设备及存储介质 | |
CN110689880A (zh) | 一种应用于电力调度领域的语音识别方法及装置 | |
CN112035626A (zh) | 一种大规模意图的快速识别方法、装置和电子设备 | |
CN113836925A (zh) | 预训练语言模型的训练方法、装置、电子设备及存储介质 | |
CN112015402A (zh) | 业务场景快速建立方法、装置和电子设备 | |
CN112100339A (zh) | 用于智能语音机器人的用户意图识别方法、装置和电子设备 | |
CN110738055A (zh) | 文本的实体识别方法、设备及存储介质 | |
CN114579104A (zh) | 数据分析场景的生成方法、装置、设备及存储介质 | |
CN113140219A (zh) | 调控指令生成方法、装置、电子设备及存储介质 | |
CN113407610A (zh) | 信息抽取方法、装置、电子设备和可读存储介质 | |
CN114841128B (zh) | 基于人工智能的业务交互方法、装置、设备、介质及产品 | |
CN112417875B (zh) | 配置信息的更新方法、装置、计算机设备及介质 | |
CN111949777A (zh) | 一种基于人群分类的智能语音对话方法、装置及电子设备 | |
CN108920715B (zh) | 客服的智能化辅助方法、装置、服务器和存储介质 | |
CN112711654B (zh) | 语音机器人的汉字解释话术生成方法、***、设备及介质 | |
CN113569578B (zh) | 一种用户意图识别方法、装置和计算机设备 | |
CN115658903A (zh) | 文本分类方法、模型训练方法、相关装置及电子设备 | |
CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 | |
CN112925889A (zh) | 自然语言处理方法、装置、电子设备和存储介质 |
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 |