[发明专利]模板构建方法、信息提取方法及装置

说明书

本公开揭示了一种模板构建方法、信息提取方法及装置，属于自然语言处理领域。所述方法包括：获取原始信息样本集，原始信息样本集包括至少一条原始信息；对于每条原始信息，构建与原始信息的特征所对应的提取模板；按照每个提取模板所匹配的原始信息集合之间的集合关系对提取模板进行优先级排序，得到与原始信息的特征所对应的提取模板组；使用该提取模板组进行信息项提取。本公开解决了在短信携带的信息项较为密集时，从短信中提取出各个信息项时的准确性较差的问题；达到了匹配较为精准的提取模板在提取模板组中的优先级较高，优先采用匹配较为精准的提取模板对原始信息进行匹配和提取，能够提高提取信息项时的准确性的效果。

技术领域

本公开涉及自然语言处理领域，特别涉及一种模板构建方法、信息提取方法及装置。

背景技术

在用户成功预定航班后，订票系统通常向用户的移动终端发送携带有航班信息的短信。

航班信息包括有：航班号、出发城市、出发机场、出发日期、出发时间、到达城市、到达机场、到达日期、到达时间等多个信息项。由于该类短信携带的信息项较为密集，相关的从短信中提取出各个信息项时的准确性较差。

发明内容

为了解决现有技术中的问题，本公开提供一种模板构建方法、信息提取方法及装置。所述技术方案如下：

根据本公开实施例的第一方面，提供一种模板构建方法，该方法包括：

获取原始信息样本集，原始信息样本集包括至少一条原始信息；

对于每条原始信息，构建与原始信息的特征所对应的提取模板，不同的原始信息具有相同或不同的特征；

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

在一个可选的实施例中，在与原始信息的特征所对应的提取模板为至少两个时，按照每个提取模板所匹配的原始信息集合之间的集合关系对提取模板进行排序，得到与原始信息的特征所对应的提取模板组，包括：

在与原始信息的特征所对应的提取模板为至少两个时，对于任意两个提取模板中的第一提取模板和第二提取模板，获取第一提取模板所匹配的原始信息集合与第二提取模板所匹配的原始信息集合的集合关系；

若第一提取模板所匹配的原始信息集合是第二提取模板所匹配的原始信息集合的真子集，则确定第一提取模板的优先级高于第二提取模板的优先级。

在一个可选的实施例中，该方法还包括：

若第一提取模板所匹配的原始信息集合与第二提取模板所匹配的原始信息集合相等，则删除第一提取模板和第二提取模板中的任意一个。

在一个可选的实施例中，对于每条原始信息，构建与原始信息的特征所对应的提取模板，包括：

获取原始信息的发送方标识特征和/或原始信息中的关键词；

根据原始信息中的信息项的排布特征构建提取模板；

建立发送方标识特征和/或关键词与提取模板之间的对应关系。

在一个可选的实施例中，提取模板采用上下文无关文法表达，提取模板包括至少一个非终结符，每个非终结符用于匹配一个信息项。

根据本公开实施例的第二方面，提供了一种信息提取方法，该方法包括：

获取原始信息；

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