[发明专利]文本识别方法、装置、电子设备和介质在审
申请号: | 201911218504.X | 申请日: | 2019-12-02 |
公开(公告)号: | CN111737455A | 公开(公告)日: | 2020-10-02 |
发明(设计)人: | 李志鹏;谢奇奇;张光宇;何小锋 | 申请(专利权)人: | 北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司 |
主分类号: | G06F16/35 | 分类号: | G06F16/35;G06K9/62;G06N3/04 |
代理公司: | 中科专利商标代理有限责任公司 11021 | 代理人: | 吕朝蕙 |
地址: | 100086 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 文本 识别 方法 装置 电子设备 介质 | ||
1.一种文本识别方法,包括:
获取文本信息,所述文本信息包括多个字符;
确定所述文本信息中的关键词;
基于所述关键词,确定特征向量;以及
将所述特征向量输入到分类模型中,以利用所述分类模型对所述特征向量进行分析而确定针对所述文本信息的识别结果,
其中,所述确定所述文本信息中的关键词包括:
将所述文本信息输入到深度学习模型,以由所述深度学习模型根据所述多个字符和所述多个字符中每个字符的上下文信息,确定所述多个字符的属性标签序列,其中,所述属性标签序列包括多个属性标签,所述属性标签指示了所述文本信息所针对的对象的属性信息,所述多个属性标签与所述多个字符一一对应;以及
从所述属性标签序列中确定出满足预设条件的属性标签,并且根据所述满足预设条件的属性标签,确定所述文本信息中的关键词。
2.根据权利要求1所述的方法,其中,所述确定所述文本信息中的关键词还包括:
将所述文本信息输入到分词模型中,利用所述分词模型对所述文本信息进行分词而获得所述关键词。
3.根据权利要求1所述的方法,其中,所述确定所述关键词的特征向量包括:
确定所述关键词的词粒度特征向量;
确定所述关键词的字粒度特征向量;以及
通过将所述词粒度特征向量和所述字粒度特征向量进行融合来确定所述特征向量。
4.根据权利要求1或3所述的方法,其中,所述分类模型对所述特征向量进行分析而确定所述识别结果包括:
所述分类模型包括多个长短期记忆网络层,依次经由所述多个长短期记忆网络层对所述特征向量进行特征提取,以获得深度特征信息;以及
基于所述深度特征信息,对所述文本信息分类以确定所述识别结果。
5.根据权利要求4所述的方法,其中,所述分类模型还包括恒映射层、第一全连接层和输出层,所述基于所述深度特征信息,对所述文本信息分类以确定所述识别结果包括:
由所述恒映射层对所述深度特征信息和所述输出信息进行融合,其中,所述输出信息是所述特征向量经由所述多个长短期记忆网络层中的第一个长短期记忆网络层处理而获得的;以及
将所述恒映射层的输出结果输入到所述第一全连接层,以由所述第一全连接层对所述输出结果进行分析;以及
经由所述输出层根据所述第一全连接层的分析结果来确定所述识别结果。
6.根据权利要求1所述的方法,还包括:
确定所述对象所属的类目;以及
确定所述文本信息是否与所述类目相关,
其中,所述确定所述文本信息中的关键词包括:
在所述文本信息与所述类目相关的情况下,确定所述文本信息中的关键词。
7.根据权利要求6所述的处理方法,其中,所述确定所述文本信息是否与所述类目相关包括:
将所述多个字符中每个字符的字符向量输入到双向长短期记忆网络层中,以由所述双向长短期记忆网络层对所述字符向量进行特征提取;
将所述特征提取获得的提取结果输入到第二全连接层,以由所述第二全连接层对所述提取结果进行分析以确定所述文本信息的类别,其中,所述类别包括适用于所有类目的通用文本、仅适用于所述类目的专用文本和适用于其他类目的乱入文本;
在确定所述文本信息为所述通用文本或者所述专用文本的情况下,确定所述文本信息与所述类目相关,以及在确定所述文本信息为所述乱入文本的情况下,确定所述文本信息与所述类目不相关。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司,未经北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911218504.X/1.html,转载请声明来源钻瓜专利网。