[发明专利]基于深度学习模型的组织识别方法与装置、设备及介质

说明书

本公开提供了基于深度学习模型的组织识别方法与装置、设备及介质。该方法的一具体实施方式包括：对待识别接处警文本进行切词得到相应的分词序列；对于所得到的分词序列中的每个分词，将该分词对应的词向量输入组织描述词分类模型以确定该分词是否为组织描述词，其中，上述组织描述词分类模型是基于深度学习模型预先训练得到的，组织描述词为用于描述组织的组织描述文本中的词语；用所得到的分词序列中由连续相邻的组织描述词组成的分词序列片段生成组织描述文本；用所生成的各组织描述文本生成上述待识别接处警文本对应的组织描述文本集合。该实施方式实现了自动提取接处警文本中的组织描述文本。

技术领域

本公开涉及计算机技术领域，具体涉及基于深度学习模型的组织识别方法与装置、设备及介质。

背景技术

公安机关在接警后会生成接警文本，在处警后会生成处警文本。接处警文本即包括上述接警文本和处警文本。实践中，有的接处警文本中会涉及关于组织的描述。这里，组织一般是人们按照一定的目的、任务和形式编制起来的社会集团。组织中一般具有一定的管理体系。因此，对公安机关而言，通过接处警文本识别出组织至关重要，即提取出接处警文本中用于描述组织的组织描述文本是很重要的。

然而，目前基本是靠人工提取接处警文本中的组织描述文本，所需的人力和时间成本较高。当出现需要及时关注跟踪处理的组织情况时，由于人工提取速度慢，可能无法及时发现不同组织的动态情况等并及时跟进处理。另外，由于接处警文本大多采用自然语言描述、表达方式严重口语化且无规则，人工提取难度较高，依赖于人工经验，即人工提取接处警文本中的组织描述文本的过程学习成本较高。

发明内容

本公开提出了基于深度学习模型的组织识别方法与装置、设备及介质。

第一方面，本公开提供了一种基于深度学习模型的组织识别方法，该方法包括：对待识别接处警文本进行切词得到相应的分词序列；对于所得到的分词序列中的每个分词，将该分词对应的词向量输入组织描述词分类模型以确定该分词是否为组织描述词，其中，上述组织描述词分类模型是基于深度学习模型预先训练得到的，组织描述词为用于描述组织的组织描述文本中的词语；用所得到的分词序列中由连续相邻的组织描述词组成的分词序列片段生成组织描述文本；用所生成的各组织描述文本生成上述待识别接处警文本对应的组织描述文本集合。

在一些可选的实施方式中，上述组织描述词分类模型是通过如下训练步骤预先训练得到的：获取训练样本集合，其中，训练样本包括对历史接处警文本进行切词所得到的分词序列以及对应的标注信息序列，标注信息序列中的标注信息用于指示相应分词序列中相应分词是否属于相应历史接处警文本所包括的组织描述文本；根据上述训练样本集合的各训练样本中的标注信息序列，确定上述训练样本集合的各训练样本的分词序列中的组织描述词和非组织描述词；生成正样本集合和负样本集合，其中，正样本包括所确定的组织描述词对应的词向量和用于指示是组织描述词的标注分类结果，负样本包括所确定的非组织描述词对应的词向量和用于指示非组织描述词的标注分类结果；以上述正样本集合和上述负样本集合中的词向量作为实际输入，以相应的标注分类结果作为期望输出，训练初始深度学习模型，得到上述组织描述词分类模型。

在一些可选的实施方式中，组织描述词对应的词向量和非组织描述词对应的词向量中的各分量分别与预设词典中的各词语一一对应，组织描述词对应的词向量中与该组织描述词对应的分量为该组织描述词的词频-逆文本频率指数，不同于该组织描述词对应的分量的分量为第一预设数值，非组织描述词对应的词向量中与该非组织描述词对应的分量为该非组织描述词的词频-逆文本频率指数，不同于该非组织描述词对应的分量的分量为上述第一预设数值。

在一些可选的实施方式中，上述正样本集合中正样本的数目除以上述负样本集合中负样本的数目所得的比值在预设比例范围内。