[发明专利]一种文本信息的识别方法及装置

说明书

本发明公开了一种特定文本信息的识别方法及装置，涉及计算机技术领域，主要目的在于能够快速、简便地对目标文本中具有特定格式的文本信息进行有效识别。本发明主要的技术方案为：根据预置维度对目标文本进行多维度向量化，得到向量化文本；获取所述向量化文本中符合预置状态转移规则的文字信息；利用动态规划算法计算所述文字信息，并确定符合预设格式的最优文字信息，输出所述最优文字信息为所述目标文本中特定文本信息的识别结果。本发明主要用于对文本信息的识别及获取。

技术领域

本发明涉及计算机技术领域，尤其涉及一种特定文本信息的识别方法及装置。

背景技术

自然语言识别是人工智能早期的研究领域之一，也是一个极为重要的领域，主要包括人机对话和机器翻译两大任务，是一门融语言学、计算机科学、数学于一体的科学。自然语言识别(Natural Language Processing，NLP)是一种对自然语言信息进行处理的技术，从语言学的角度来说，自然语言识别也叫计算语言学(Computational Linguistics)。自然语言识别包括自然语言理解(Natural Language Understanding,NLU)和自然语言生成(Natural Language Generation,NLG)两部分。自然语言理解是指对自然语言的内容和意图的深层把握。在人工智能领域中自然语言理解特指计算机对自然语言的内容和意图的深层把握。自然语言生成是指从非自然语言输入到自然语言输出的处理。自然语言理解与自然语言生成互为逆过程。

在自然语言中的识别中，对于很多命名实体，如：地址，组织等的识别准确度往往影响了整个解析的准确度，特别是中文的复杂性和多义性，使得中文的命名实体识别比起英文更加复杂。对于传统的识别方法，例如引用因马尔科夫，最大熵，条件随机场等模型进行命名实体的识别，这些模型的使用都需要高质量的训练样本，且训练复杂，回溯缓慢，在实际应用过程中需要大量的准备工作以及相应的时间来得到所需的结果。而对于一些简单的识别方法，例如正则，状态机等，其所设置的约束条件又过于苛刻，很难达到识别的预期效果。

发明内容

有鉴于此，本发明提供一种特定文本信息的识别方法及装置，主要目的在于能够快速、简便地对目标文本中具有特定格式的文本信息进行有效识别。

为达到上述目的，本发明主要提供如下技术方案：

一方面，本发明提供了一种特定文本信息的识别方法，该方法包括：

根据预置维度对目标文本进行多维度向量化，得到向量化文本；

获取所述向量化文本中符合预置状态转移规则的文字信息；

利用动态规划算法计算所述文字信息，并确定符合预设格式的最优文字信息，输出所述最优文字信息为所述目标文本中特定文本信息的识别结果。

另一方面，本发明还提供了一种特定文本信息的识别装置，该装置包括：

向量化单元，用于根据预置维度对目标文本进行多维度向量化，得到向量化文本；

获取单元，用于获取所述向量化单元得到的向量化文本中符合预置状态转移规则的文字信息；

确定单元，用于利用动态规划算法计算所述获取单元得到的文字信息，并确定符合预设格式的最优文字信息，输出所述最优文字信息为所述目标文本中特定文本信息的识别结果。