一种基于文档结构与深度学习的金融类公告信息抽取方法

专利申请号：CN201811549314.1

公 开 号：CN109857990B

发 明 人：黄胜 王博博 李胜 

代 理 人：赵荣之

代理机构：北京同恒源知识产权代理有限公司

专利类型：发明专利

申 请 日：20221125

公 开 日：20181218

专利主分类号：G06F40/14

关 键 词：节点信息 抽取 词向量 触发 文档结构树 信息抽取技术 结构化信息 抽取结构 定义句子 公告信息 规则提取 句子结构 人工干预 文档结构 字段识别 构建 句子 查找 学习 拓展 金融 

摘      要：本发明涉及一种基于文档结构与深度学习的金融类公告信息抽取方法，属于信息抽取技术领域。该方法包括：S1：生成文档结构树；S2：抽取节点信息：基于文档结构树设计便捷的查找节点信息的方法，利用规则提取树的节点信息；S3：抽取信息句：对于已抽取到的节点信息，定义句子触发词集，在句子触发词集的基础上，拓展包含触发词集的局部句子结构规则，从而抽取符合规则的信息句；S4：训练词向量：预训练上下文的词向量，并利用CNN训练字符词向量；S5：抽取结构化信息：构建基于Bi‑LSTM‑CRF的深度学习模型，训练该模型进行字段识别。本发明能快速高效且在人工干预较少的情况下准确提取出所需的各类结构化信息。