本發(fā)明涉及軟件，具體涉及一種卷宗關(guān)鍵信息抽取方法。

背景技術(shù)：

1、目前，公司處理大量的卷宗文檔，其中包含了大量的關(guān)鍵信息，如項(xiàng)目名稱、當(dāng)事人信息等，這些信息對(duì)用戶信息回填、無(wú)紙化辦公等工作至關(guān)重要。然而，由于這些信息分散在材料文檔的不同部分，且材料文檔格式各異，傳統(tǒng)的人工處理方式效率低下，容易出現(xiàn)錯(cuò)誤。而傳統(tǒng)的基于正則抽取由于材料的多樣性維護(hù)和開發(fā)成本極高，魯棒性差，準(zhǔn)確率低。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述問(wèn)題，本發(fā)明提供了一種卷宗關(guān)鍵信息抽取方法，旨在高效、精準(zhǔn)的從大量非標(biāo)的卷宗材料中提取出有用的關(guān)鍵信息。為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下技術(shù)方案：

2、一種卷宗關(guān)鍵信息抽取方法，包括以下步驟：

3、s1：根據(jù)要抽取關(guān)鍵信息的卷宗類型，設(shè)置需要抽取的關(guān)鍵信息的表達(dá)形式；

4、s2：對(duì)長(zhǎng)度可能超過(guò)長(zhǎng)度閾值的關(guān)鍵信息，制定正則抽取規(guī)則；對(duì)長(zhǎng)度不可能超過(guò)長(zhǎng)度閾值的關(guān)鍵信息，訓(xùn)練深度學(xué)習(xí)模型抽取關(guān)鍵信息；長(zhǎng)度不可能超過(guò)長(zhǎng)度閾的關(guān)鍵信息，如果在卷宗中表述統(tǒng)一或者有前后文字特征，則也制定正則抽取規(guī)則；

5、s3：在對(duì)卷宗抽取過(guò)程中，對(duì)只存在正則抽取規(guī)則的關(guān)鍵信息，使用正則抽取規(guī)則抽取；

6、對(duì)只存在深度學(xué)習(xí)模型的關(guān)鍵信息，使用深度學(xué)習(xí)模型抽取關(guān)鍵信息；

7、對(duì)同時(shí)存在深度學(xué)習(xí)模型與正則抽取規(guī)則的關(guān)鍵信息，優(yōu)先使用深度學(xué)習(xí)模型抽取，當(dāng)抽取失敗或者收到用戶反饋的關(guān)鍵信息抽取錯(cuò)誤時(shí)，使用正則抽取規(guī)則進(jìn)行二次抽??；

8、根據(jù)關(guān)鍵信息的表達(dá)形式，將提取的關(guān)鍵信息展示給用戶。

9、優(yōu)選的，還包括步驟：

10、s4：對(duì)卷宗抽取過(guò)程產(chǎn)生的關(guān)鍵信息進(jìn)行錯(cuò)誤修正、存儲(chǔ)，并以此定期更新正則抽取規(guī)則、深度學(xué)習(xí)模型。

11、優(yōu)選的，關(guān)鍵信息的表達(dá)形式用schema結(jié)構(gòu)的形式去表述；

12、優(yōu)選的，深度學(xué)習(xí)模型為bert。

13、優(yōu)選的，長(zhǎng)度閾值為400個(gè)漢字的長(zhǎng)度。

14、有益效果：本發(fā)明結(jié)合了正則抽取與深度學(xué)習(xí)模型抽取，適應(yīng)性更強(qiáng)，大大節(jié)省了從卷宗獲取關(guān)鍵信息的人力成本。

技術(shù)特征：

1.一種卷宗關(guān)鍵信息抽取方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種卷宗關(guān)鍵信息抽取方法，其特征在于，還包括步驟：

3.根據(jù)權(quán)利要求1所述的一種卷宗關(guān)鍵信息抽取方法，其特征在于，關(guān)鍵信息的表達(dá)形式用schema結(jié)構(gòu)的形式去表述。

4.根據(jù)權(quán)利要求1所述的一種卷宗關(guān)鍵信息抽取方法，其特征在于，深度學(xué)習(xí)模型為bert。

5.根據(jù)權(quán)利要求1所述的一種卷宗關(guān)鍵信息抽取方法，其特征在于，長(zhǎng)度閾值為400個(gè)漢字的長(zhǎng)度。

技術(shù)總結(jié)
本發(fā)明涉及軟件技術(shù)領(lǐng)域，具體涉及一種卷宗關(guān)鍵信息抽取方法。方法包括以下步驟：根據(jù)要抽取關(guān)鍵信息的卷宗類型，設(shè)置需要抽取的關(guān)鍵信息的表達(dá)形式；根據(jù)關(guān)鍵信息的特爾點(diǎn)，制定正則抽取規(guī)則或者訓(xùn)練深度學(xué)習(xí)模型抽取關(guān)鍵信息；在對(duì)卷宗抽取過(guò)程中，優(yōu)先使用深度學(xué)習(xí)模型抽取關(guān)鍵信息；使用正則抽取規(guī)則作為補(bǔ)充；根據(jù)關(guān)鍵信息的表達(dá)形式，將提取的關(guān)鍵信息展示給用戶。本發(fā)明結(jié)合了正則抽取與深度學(xué)習(xí)模型抽取，適應(yīng)性更強(qiáng)，大大節(jié)省了從卷宗獲取關(guān)鍵信息的人力成本。

技術(shù)研發(fā)人員：許衡,吳云朝,王池
受保護(hù)的技術(shù)使用者：南京通達(dá)海軟件有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2