申请/专利权人：合肥大智慧财汇数据科技有限公司

申请日：2023-12-19

公开（公告）日：2024-03-15

公开（公告）号：CN117708329A

主分类号：G06F16/35

分类号：G06F16/35;G06F40/30;G06F40/295

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明涉及自然语言处理技术领域，公开了基于篇章语义结构的多模长文本抽取方法及系统。该抽取方法先获取待处理文本，构建待处理文本的文本信息、段落信息、句子信息以及标签集合；然后设计文本字符特征信息、篇章段落结构特征信息以及段落句子结构特征信息，再对各特征信息进行语义特征提取，随后将文本字符语义特征、篇章段落语义特征和段落句子语义特征进行融合，生成融合后篇章结构的语义特征；最后将篇章段落的语义特征、段落句子的语义特征以及篇章结构的语义特征输入至预先构建的多模文本抽取模型中，得到核心段落识别结果、段落有效句识别结果以及文本字符识别结果。本发明能获取更丰富的语义信息，提升长文本抽取效果，并节省成本。

主权项：1.基于篇章语义结构的多模长文本抽取方法，其特征在于，包括以下步骤：S1.获取待处理文本，并构建待处理文本的文本信息、段落信息、句子信息以及标签集合；其中，所述文本信息由文本字符组成；所述标签集合由核心段落标签、有效句子标签以及文本标签组成，核心段落标签以及有效句子标签均是由文本标签中的结构位置信息进行映射获得；S2.设计文本字符特征信息、篇章段落结构特征信息以及段落句子结构特征信息；其中，文本字符特征信息用于表达文本标签与文本字符的映射关系，篇章段落结构特征信息用于表达段落信息与核心段落标签的映射关系，段落句子结构特征信息用于表达句子信息与有效句标签的映射关系；S3.分别对步骤S2中设计的各种特征信息进行语义特征提取，获取文本字符语义特征、篇章段落语义特征和段落句子语义特征；S4.将文本字符语义特征、篇章段落语义特征和段落句子语义特征进行融合，生成融合后篇章结构的语义特征；S5.将所述篇章段落的语义特征、所述段落句子的语义特征以及所述篇章结构的语义特征输入至预先构建的多模文本抽取模型中，得到核心段落识别结果、段落有效句识别结果以及文本字符识别结果。

全文数据：

权利要求：

百度查询： 合肥大智慧财汇数据科技有限公司 基于篇章语义结构的多模长文本抽取方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD