[发明专利]金融文本识别方法、装置、计算机设备和存储介质

权利要求书

1.一种金融文本识别方法，其特征在于，所述方法包括：

获取待识别金融文本和所述待识别金融文本对应的实体集合；

通过预先训练的金融文本识别模型，确定所述待识别金融文本的目标向量和所述实体集合中每个实体的目标向量；

分别将每个实体的目标向量和所述待识别金融文本的目标向量，输入预先训练的第一关键实体识别模型，得到所述每个实体对应的实体标签；所述实体标签用于表征对应的实体是否为关键实体；所述第一关键实体识别模型通过对所述预先训练的金融文本识别模型进行再次训练得到；

从所述实体集合中，筛选出对应的实体标签为关键实体标签的实体，作为所述待识别金融文本的关键实体。

2.根据权利要求1所述的方法，其特征在于，所述预先训练的金融文本识别模型通过下述方式训练得到：

获取样本文本和所述样本文本对应的实际目标向量；所述样本文本包括通用文本和金融文本，所述实际目标向量由所述样本文本中的每个字的组合向量组成，所述组合向量由对应的字的字向量、文本向量、位置向量和任务向量组成；

将所述样本文本输入待训练的金融文本识别模型，得到所述样本文本对应的预测目标向量；

根据所述实际目标向量和所述预测目标向量之间的差值，对所述待训练的金融文本识别模型进行训练，直到满足第一预设结束条件，并将满足所述第一预设结束条件的训练后的金融文本识别模型，作为所述预先训练的金融文本识别模型。

3.根据权利要求1所述的方法，其特征在于，所述分别将每个实体的目标向量和所述待识别金融文本的目标向量，输入预先训练的第一关键实体识别模型，得到所述每个实体对应的实体标签，包括：

分别将每个实体的目标向量和所述待识别金融文本的目标向量进行组合，得到所述每个实体的组合目标向量；

分别将所述每个实体的组合目标向量，输入预先训练的第一关键实体识别模型，得到所述每个实体的关键实体概率；所述关键实体概率用于表示对应的实体属于关键实体的概率；

根据所述每个实体的关键实体概率，确定所述每个实体对应的实体标签。

4.根据权利要求3所述的方法，其特征在于，所述预先训练的第一关键实体识别模型通过下述方式训练得到：

获取样本金融文本、所述样本金融文本的样本实体和所述样本实体对应的实际实体标签；

通过所述预先训练的金融文本识别模型，确定所述样本金融文本的目标向量和所述样本实体的目标向量；

将所述样本金融文本的目标向量和所述样本实体的目标向量，输入所述预先训练的金融文本识别模型，得到所述样本实体对应的预测实体标签；

根据所述实际实体标签和所述预测实体标签之间的差值，对所述预先训练的金融文本识别模型进行再次训练，直到满足第二预设结束条件，并将满足所述第二预设结束条件的训练后的金融文本识别模型，作为所述预先训练的第一关键实体识别模型。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

获取所述待识别金融文本的变更主题标签；所述变更主题标签通过对所述待识别金融文本的主题标签进行变更得到；

通过所述预先训练的金融文本识别模型，确定所述变更主题标签的目标向量；

将所述待识别金融文本的目标向量和所述变更主题标签的目标向量，输入预先训练的第二关键实体识别模型，得到所述待识别金融文本中的关键实体位置；所述第二关键实体识别模型通过对所述预先训练的金融文本识别模型进行再次训练得到；

将所述待识别金融文本中与所述关键实体位置对应的关键实体，确定为与所述待识别金融文本的主题标签对应的目标关键实体。