(19)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 202210316887.X (22)申请日 2022.03.28 (71)申请人 北京快确信息科技有限公司 地址 100000 北京市西城区阜成门外大街 31号4层411D (72)发明人 林远平　甘伟超　邹鸿岳　周靖宇　 (74)专利代理 机构 广东良马律师事务所 4 4395 专利代理师 李良 (51)Int.Cl. G06F 40/30(2020.01) G06F 40/247(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 40/04(2012.01) (54)发明名称 一种基于LSTM模型的信息抽取方法、 装置及 电子设备 (57)摘要 本发明公开了一种基于LSTM模型的信息抽 取方法、 装置及电子设备， 方法包括： 获取训练样 本， 对所述训练样本进行文本预处理， 生成预处 理好的训练文本和对应的标注序列； 构建基于注 意力机制的LSTM模型， 基于 所述预处理好的训练 文本和对应的标注序列， 对基于注意力机制的 LSTM模型进行训练， 生成目标LSTM模型； 获取待 提取事件文本， 对所述待提取事件文本进行预处 理， 生成预处理后的目标文本； 将所述目标文本 输入所述目标LS TM模型， 根据所述目标LS TM模型 的输出， 得到抽取后的结构化文本。 本发明实施 例基于LSTM模型， 提高了模型的语义信息理解能 力， 从而提高了现券成交的信息抽取准确率。 权利要求书2页 说明书8页 附图3页 CN 114970539 A 2022.08.30 CN 114970539 A 1.一种基于LSTM模型的信息抽取 方法,其特 征在于,所述方法包括： 获取训练样本， 对所述训练样本进行文本预处理， 生成预处理好的训练文本和对应的 标注序列； 构建基于注意力机制的LSTM模型， 基于所述预处理好的训练文本和对应的标注序列， 对基于注意力机制的LSTM模型进行训练， 生成目标LSTM模型； 获取待提取事 件文本， 对所述待提取事 件文本进行 预处理， 生成预处 理后的目标文本； 将所述目标文本输入所述目标LSTM模型， 根据所述目标LSTM模型的输出， 得到抽取后 的结构化文本 。 2.根据权利要求1所述的方法， 其特征在于， 所述获取训练样本， 对所述训练样本进行 文本预处 理， 生成预处 理好的训练文本和对应的标注序列， 包括： 获取训练样本， 将训练样本中的标注信息和文本进行分离； 将文本内容 转换成字符级别的词向量； 将标注信息转换为对应的标注序列。 3.根据权利要求2所述的方法， 其特征在于， 所述将文本内容转换成字符级别的词向 量， 包括： 获取文本内容中的词语， 将词语转换成字符级别的词向量； 获取词语的起始字位置和结束字位置； 将所述词向量、 词语的起始字位置和结束字位置进行存 储。 4.根据权利要求3所述的方法， 其特征在于， 所述获取文本内容中的词语， 将词语转换 成字符级别的词向量， 还 包括： 获取文本内容中的词语， 对词语的语义种类进行识别； 若词语的语义种类为 一种， 则将词语进行编码， 转换成字符级别的词向量； 若词语的语义种类为大于一种， 则将词语的每种语义对应的词向量信息进行融合后， 生成字符级别的词向量。 5.根据权利要求3所述的方法， 其特征在于， 所述将词语的各种语义对应的词向量信 息 进行融合后， 生成字符级别的词向量， 包括： 获取词语的每种语义对应的词向量的权 重系数； 根据所述权 重系数对词向量信息进行融合后， 生成字符级别的词向量。 6.根据权利要求5所述的方法， 其特征在于， 所述构建基于注意力机制的LSTM模型， 基 于所述预处理好的训练文本和对应的标注序列， 对基于注意力机制的LSTM模型进行训练， 生成目标LSTM模型， 包括： 构建基于注意力机制的LSTM模型， 所述LSTM模型包括LSTM细 胞、 输入门、 遗忘门和输出 门组成； 将词向量输入LSTM模型， 并通过LSTM细胞对词语的起始字位置和结束字位置之间进行 拼接； 根据拼接结果对基于注意力机制的LSTM模型进行训练， 生成目标LSTM模型。 7.根据权利要求5所述的方法， 其特征在于， 所述构建基于注意力机制的LSTM模型， 基 于所述预处理好的训练文本和对应的标注序列， 对基于注意力机制的LSTM模型进行训练， 生成目标LSTM模型， 包括：权　利　要　求　书 1/2 页 2 CN 114970539 A 2构建基于注意力机制的LSTM模型， 所述LSTM模型包括LSTM细 胞、 输入门、 遗忘门和输出 门组成； 将词向量输入LSTM模型， 并通过LSTM细胞对词语的起始字位置和结束字位置之间进行 拼接； 通过拼接结果获取对应的词语， 获取词语的语义种类， 获取 各种语义所占的权 重系数； 根据所述权 重系数对的LSTM模型进行训练， 生成目标LSTM模型。 8.一种基于LSTM模型的信息抽取装置， 其特 征在于， 所述装置包括： 样本预处理模块， 用于获取训练样本， 对所述训练样本进行文本预处理， 生成预处理好 的训练文本和对应的标注序列； 模型训练模块， 用于构建基于注意力机制的LSTM模型， 基于所述预处理好的训练文本 和对应的标注序列， 对基于注意力机制的LSTM模型进行训练， 生成目标LSTM模型； 待提取文本预处理模块， 用于获取待提取事件文本， 对所述待提取事件文本进行预处 理， 生成预处 理后的目标文本； 信息抽取模块， 用于将所述目标文本输入所述目标LSTM模型， 根据所述目标LSTM模型 的输出， 得到抽取后的结构化文本 。 9.一种电子设备， 其特 征在于， 所述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 ‑7任一项所述的基于LSTM模型的 信息抽取 方法。 10.一种非易失性计算机可读存储介质， 其特征在于， 所述非易失性计算机可读存储介 质存储有计算机可执行指令， 该计算机可执行指令被一个或多个处理器执行时， 可使得所 述一个或多个处 理器执行权利要求1 ‑7任一项所述的基于LSTM模型的信息抽取 方法。权　利　要　求　书 2/2 页 3 CN 114970539 A 3