[发明专利]数据抽取方法、装置、计算机设备及可读存储介质

说明书

技术领域

本发明涉及一种计算机领域，特别是涉及一种数据抽取方法、装置、计算机设备及可读存储介质。

背景技术

现代信息技术和存储技术的快速发展以及互联网的迅速蔓延，使得人们在日常生活能够接触到网络上的各种的信息；在大数据时代，人们缺少的并不是信息，而是从海量纷繁复杂的信息中获取有用的、人们所关注的信息；数据抽取技术的优势在于简化了自然语言处理的过程，只关注相关的信息，而忽略无关的内容。

传统的数据抽取方法主要是通过规则抽取，即对关注的信息元进行识别和定位，然后根据语言学特征和相关的格式数据定制抽取规则，其定制的规则只能针对特定的某种特定格式的数据，而在面对不同格式的数据时，常常因为信息的分割错误和抽取规则的单一性，造成数据抽取的错误率很高。

发明内容

基于此，有必要针对传统数据抽取方法错误率较高的问题，提供一种数据抽取方法、装置、计算机设备及可读存储介质。

一种数据抽取方法，包括：

将待处理数据进行分割得到数据集；

将所述数据集输入预设神经网络模型得到初始抽取数据以及与初始抽取数据对应的特征标签；

根据预设规则模板，从所述初始抽取数据中抽取对应的目标抽取数据；

将所述目标抽取数据以及与所述目标抽取数据对应的特征标签关联输出。

在其中一个实施例中，所述将待处理数据进行分割得到数据集的步骤，包括：

根据标点符号将所述待处理数据进行分割得到数据集。

在其中一个实施例中，所述将所述数据集输入预设神经网络模型得到初始抽取数据以及与所述初始抽取数据对应的特征标签的步骤，包括：

将所述数据集输入预设神经网络模型得到备选标签及与所述备选标签对应的备选数据集；

获取所述数据集对应的每个备选标签的概率；

选取最大的概率对应的备选标签作为特征标签，与所述特征标签对应的备选数据集作为所述初始抽取数据集。

在其中一个实施例中，所述将所述特征标签与所述目标抽取数据关联输出的步骤之后，还包括：

在关联输出的所述特征标签与所述目标抽取数据存在错误时，接收针对所述预设规则模板的调整指令；

根据所述调整指令，对所述预设规则模板进行调整。

在其中一个实施例中，所述方法还包括：

根据预处理规则将样本数据进行预处理得到样本集；

获取每一样本集所对应的特征标签；

将所述样本集和所述特征标签输入至初始神经网络模型中得到预设神经网络模型。

在其中一个实施例中，所述方法将所述样本集和所述特征标签输入至初始神经网络模型中得到预设神经网络模型的步骤，包括：

将所述样本集分为训练集和验证集；

将所述训练集和与所述训练集对应的特征标签输入至初始神经网络模型中得到训练神经网络模型；

将所述验证集输入至训练神经网络模型得到验证特征标签；

当验证特征标签与所述训练集对应的特征标签不一致时，则通过与所述训练集对应的特征标签修正所述训练神经网络模型得到预设神经网络模型。

在其中一个实施例中，所述根据预处理规则将样本数据进行预处理得到样本集的步骤，包括：

根据预设分词逻辑将样本进行分词得到单字集；

通过预设向量模型以及所述单字集中的字符的数量将所述单字集中的每一个字表示为字向量；

根据预设规则将所述单字集中的字表示为字序列；

根据所述字向量和所述字序列得到样本集。

一种信息抽取装置，包括：

分割模块，用于将待处理数据进行分割得到数据集；

标注模块，用于将所述数据集输入预设神经网络模型得到初始抽取数据以及与初始抽取数据对应的特征标签；

抽取模块，用于根据预设规则模板，从所述初始抽取数据中抽取对应的目标抽取数据；

输出模块，用于将所述目标抽取数据以及与所述目标抽取数据对应的特征标签关联输出。

一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法中的步骤。

一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法中的步骤。