[发明专利]模板构建方法、信息提取方法及装置

权利要求书

1.一种模板构建方法，其特征在于，所述方法包括：

获取原始信息样本集，所述原始信息样本集包括至少一条原始信息；

对于每条所述原始信息，构建与所述原始信息的特征所对应的提取模板，不同的所述原始信息具有相同或不同的特征；

在与所述原始信息的特征所对应的所述提取模板为至少两个时，按照每个所述提取模板所匹配的原始信息集合之间的集合关系对所述提取模板进行优先级排序，得到与所述原始信息的特征所对应的提取模板组。

2.根据权利要求1所述的方法，其特征在于，所述在与所述原始信息的特征所对应的所述提取模板为至少两个时，按照每个所述提取模板所匹配的原始信息集合之间的集合关系对所述提取模板进行优先级排序，得到与所述原始信息的特征所对应的提取模板组，包括：

在与所述原始信息的特征所对应的所述提取模板为至少两个时，对于任意两个所述提取模板中的第一提取模板和第二提取模板，获取所述第一提取模板所匹配的原始信息集合与所述第二提取模板所匹配的原始信息集合的集合关系；

若所述第一提取模板所匹配的原始信息集合是所述第二提取模板所匹配的原始信息集合的真子集，则确定所述第一提取模板的优先级高于所述第二提取模板的优先级。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

若所述第一提取模板所匹配的原始信息集合与所述第二提取模板所匹配的原始信息集合相等，则删除所述第一提取模板和所述第二提取模板中的任意一个。

4.根据权利要求1至3任一所述的方法，其特征在于，所述对于每条所述原始信息，构建与所述原始信息的特征所对应的提取模板，包括：

获取所述原始信息的发送方标识特征和/或所述原始信息中的关键词；

根据所述原始信息中的信息项的排布特征构建提取模板；

建立所述发送方标识特征和/或所述关键词与所述提取模板之间的对应关系。

5.根据权利要求1至3任一所述的方法，其特征在于，每个所述提取模板采用上下文无关文法表达，每个所述提取模板包括至少一个非终结符，每个所述非终结符用于匹配一个信息项。

6.一种信息提取方法，其特征在于，所述方法包括：

获取原始信息；

查询与所述原始信息的特征对应的提取模板组，所述提取模板组包括按照优先级排序的至少两个提取模板，所述优先级是按照每个所述提取模板所匹配的原始信息集合之间的集合关系排序的；

根据所述优先级将所述原始信息与所述提取模板组中尚未匹配的优先级最高的提取模板进行模板匹配，根据匹配结果从所述原始信息中提取信息项。

7.根据权利要求6所述的方法，其特征在于，所述查询与所述原始信息的特征对应的提取模板组，包括：

获取所述原始信息的发送方标识特征和/或所述原始信息中的关键词；

查询与所述发送方标识特征和/或所述关键词所对应的提取模板组。

8.根据权利要求6或7所述的方法，其特征在于，每个所述提取模板采用上下文无关文法表达，每个所述提取模板包括至少一个非终结符，每个所述非终结符用于匹配一个信息项；

所述根据所述优先级将所述原始信息与所述提取模板组中尚未匹配的优先级最高的提取模板进行模板匹配，根据匹配结果从所述原始信息中提取信息项，包括：

从所述提取模板组中选择出尚未匹配的优先级最高的提取模板；

将所述原始信息与所述提取模板组中尚未匹配的优先级最高的提取模板进行模板匹配；

判断所述提取模板组中尚未匹配的优先级最高的提取模板中的每个所述非终结符是否匹配到对应的信息项；

若所述提取模板组中尚未匹配的优先级最高的提取模板中的每个所述非终结符均匹配到对应的信息项，则提取所述信息项；

若所述提取模板组中尚未匹配的优先级最高的提取模板中存在至少一个所述非终结符未匹配到对应的信息项，则重新执行所述从所述提取模板组中选择出尚未匹配的优先级最高的提取模板的步骤。