[发明专利]识别邮件中酒店信息的方法、系统、电子设备及存储介质

说明书

本发明公开了一种识别邮件中酒店信息的方法、系统、电子设备及存储介质，方法包括：将待识别邮件输入至实体识别模型中以得到目标实体信息；实体识别模型通过下述步骤构建：根据现有的实体信息构建实体trie树；将历史邮件输入至实体trie树中；标记出trie树中的目标实体信息；将训练集中的初始实体信息和标记出的目标实体信息对语义识别模型进行训练；将预测集中的初始实体信息输入至训练后语义识别模型中；计算评估概率；判断评估概率是否大于评估阈值，若是，则训练后语义识别模型为实体识别模型。本发明不但可以提高酒店信息识别的准确性、也减轻了OTA维护人工成本，也进一步可以对OTA英文房态更新邮件自动化阅览和分析管理。

技术领域

本发明涉及OTA(在线旅游代理)酒店计算机信息处理技术，特别涉及一种识别邮件中酒店信息的方法、系统、电子设备及存储介质。

背景技术

对于OTA行业，在海外酒店的房型数量关闭的维护操作上，海外酒店通过发送一封邮件，让OTA部门进行该酒店的房型数量关闭的维护操作，目前现有方法是通过人工阅览海外房态更新邮件，然后在OTA系统中更新维护。

目前对于邮件中的英文提取实体技术，比较成熟的以HMM(隐马尔科夫模型)、CRF(调剂随机场模型)、LSTM-CRF(一种文本序列标注模型)为代表的自然语言处理技术：

以HMM为代表的命名实体识别技术，需要满足严格的独立性假设条件，无法容纳比较充足的上下文信息，因为存在观察状态和隐藏状态等之间的假设性理论，在标注数据的基础上，存在标注偏置问题；

以CRF为代表的实体识别方法，没有HMM那种严格的独立性假设，但是需要灵活设计特征模板，算法复杂度较高，训练代价大。

以LSTM-CRF为代表的深度学习技术，考虑了位置关系的实体开始和结束关联，不需要设计特征，可以使用训练好的字或词的表征学习特征，但是没有考虑到人工标注样本的代价。

发明内容

本发明要解决的技术问题是为了克服现有技术中对海外邮件中实体信息识别不准确、效率低、难以统一进行管理的缺陷，提供一种准确、高效并且方便进行统一管理与维护的识别邮件中酒店信息的方法、系统、电子设备及存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供了一种识别邮件中酒店信息的方法，包括：

将待识别邮件输入至实体识别模型中以得到目标实体信息；

所述实体识别模型通过下述步骤构建：

根据现有的实体信息构建实体trie树；

将历史邮件输入至所述实体trie树中，以识别每一所述历史邮件中存在的初始实体信息；

标记出所述实体trie树中与所述初始实体信息相对应的目标实体信息；

将训练集中的初始实体信息和标记出的目标实体信息分别作为输入值及输出值对语义识别模型进行训练；

将预测集中的初始实体信息输入至训练后的语义识别模型中以得到预测实体信息；

根据所述预测实体信息与所述预测集中标记出的目标实体信息计算评估概率；

判断所述评估概率是否大于评估阈值，若是，则所述训练后的语义识别模型为所述实体识别模型；

所述目标实体信息包括目标酒店名称，所述初始实体信息包括初始酒店名称。

本发明通过构建tire树以识别邮件中的实体名称，从而可以避免人工标注的繁琐性与低效性，通过训练的实体识别模型对待识别邮件中的实体名称进行自动识别，因此，不但可以提高识别的准确性、也减轻了OTA维护人工成本，也进一步可以对OTA英文房态更新邮件自动化阅览和分析管理。