基于文本分类和阅读理解的文档信息抽取方法及系统
公开
摘要
本发明属于信息内容加工技术领域，具体涉及基于文本分类和阅读理解的文档信息抽取方法及系统。方法包括S1，将文档转换为纯文本格式；S2，对文档预处理，获得输入数据；S3，生成对应的词向量、字向量和上下文向量，并拼接，得到拼接后的向量；S4，若拼接后的向量为可回答类型，则作为下一步骤的输入；S5，获得最匹配的长标签数据的位置；S6，最终输出为待抽取的长实体字段。系统包括文本信息智能抽取模块、数据预处理模块、特征抽取模块、文本分类模块、阅读理解模块、长实体标签数据生成模块、数据后处理模块。本发明具有能极大缩短训练以及预测时间，并提升文档抽取模型在抽取字段时的精度和速度的特点。
基本信息
专利标题 ：
基于文本分类和阅读理解的文档信息抽取方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114297987A
申请号 ：
CN202210221913.0
公开（公告）日 ：
2022-04-08
申请日 ：
2022-03-09
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
闫凯峰孙林君
申请人 ：
杭州实在智能科技有限公司
申请人地址 ：
浙江省杭州市余杭区余杭街道文一西路1818-2号6幢6层
代理机构 ：
浙江永鼎律师事务所
代理人 ：
周希良
优先权 ：
CN202210221913.0
主分类号 ：
G06F40/151
IPC分类号 ：
G06F40/151 G06F40/279 G06F40/166 G06F16/35 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F40/151
转换
法律状态
2022-04-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
