一种信息提取方法及装置制造方法及图纸

本申请公开了一种信息提取方法及装置，该方法包括：获取原始信息，对该原始信息进行分词处理，得到该原始信息中的各分词，并按各分词在该原始信息中的排序，确定由各分词构成的分词序列，根据该分词序列，确定每个分词各自对应的观察特征序列，根据每个分词各自对应的各观察特征序列，通过预先建立的条件随机场模型，确定出使各观察特征序列的联合概率最大的每个分词的分类标签，根据确定的各分词的分类标签，从该原始信息中提取所需信息。通过上述方法，无论待提取的信息是否是按照固定的信息格式构成的，都可以有效的将用户所需的信息提取出来，提高了信息提取的准确率。

【技术实现步骤摘要】
一种信息提取方法及装置
本申请涉及计算机
，尤其涉及一种信息提取方法及装置。
技术介绍
随着网络技术的不断发展，用户所能够获取到的信息也越来越多，但是，用户所获取到的信息中通常只有部分信息是用户真正所需的信息，因此，需要将用户真正所需的信息提取出来，如，在整理法院的判处书时，通常是需要将判决书中所包含的诉讼当事人、诉讼时间、判决结果等信息整理出来，因此，需要将判决书中所包含的诉讼当事人、诉讼时间、判决结果等信息提取出来。目前，每个领域的信息通常都是按照一定的信息格式展示给用户的，因此，在现有技术中，当需要将用户真正所需的信息提取出来时，可预先设置用于信息提取的模板，其中，模板上携带有固定的信息格式，通过该模板可将待提取的信息中用户所需的信息提取出来。但是，模板在设计完成后通常都是固定不变的，如果待提取的信息存在不规范的情况，则会导致信息提取的准确率较低，如，模板中设计的格式为“原告：XXX”，当服务器在待提取的信息中识别出“原告：”后，直接将“原告：”后的信息提取出来，但是，当待提取的信息为“原告是XX”时，则服务器就无法识别出原告的姓名并提取，而且，有些领域的信息不存在特定的本文档来自技高网...

【技术保护点】
一种信息提取方法，其特征在于，所述方法包括：获取原始信息；对所述原始信息进行分词处理，得到所述原始信息中的各分词；按各分词在所述原始信息中的排序，确定由各分词构成的分词序列；根据所述分词序列，确定所述每个分词各自对应的观察特征序列；根据所述每个分词各自对应的观察特征序列，通过预先建立的条件随机场模型，确定出使各观察特征序列的联合概率最大的每个分词的分类标签；根据确定的各分词的分类标签，从所述原始信息中提取所需信息。

【技术特征摘要】
1.一种信息提取方法，其特征在于，所述方法包括：获取原始信息；对所述原始信息进行分词处理，得到所述原始信息中的各分词；按各分词在所述原始信息中的排序，确定由各分词构成的分词序列；根据所述分词序列，确定所述每个分词各自对应的观察特征序列；根据所述每个分词各自对应的观察特征序列，通过预先建立的条件随机场模型，确定出使各观察特征序列的联合概率最大的每个分词的分类标签；根据确定的各分词的分类标签，从所述原始信息中提取所需信息。2.如权利要求1所述的方法，其特征在于，在确定所述每个分词各自对应的观察特征序列之前，所述方法还包括：确定所述分词序列中每个分词的词性；根据所述分词序列，确定所述每个分词各自对应的观察特征序列，具体包括：根据所述分词序列中的分词内容、分词词序以及分词词性，确定所述每个分词各自对应的观察特征序列。3.如权利要求1所述的方法，其特征在于，预先建立条件随机场模型，具体包括：预先获取样本信息；对所述样本信息进行分词，得到所述样本信息中的各分词；按各分词在所述样本信息中的排序，确定由各分词构成的样本序列；确定所述样本序列中各分词的词性；根据所述样本序列中各分词的排序、各分词的词性以及已知的各分词的分类标签，训练得到条件随机场模型。4.如权利要求1所述的方法，其特征在于，确定出使各观察特征序列的联合概率最大的每个分词的分类标签，具体包括：根据公式确定出使P(y|x，λ)最大的每个分词的分类标签分类标签，其中，Z(x)表示为归一化函数，λj表示第j个特征函数对应的权重，fj表示所述条件随机场模型中的第j个特征函数，yi-1表示所述分词序列中第i-1个分词对应的分类标签，yi表示所述分词序列中第i个分词对应的分类标签，x表示每个分词各自对应的观察特征序列。5.如权利要求1所述的方法，其特征在于，根据确定的各分词的分类标签，从所述原始信息中提取所需信息，具体包括：确定所需信息对应的分类标签，作为指定标签；从所述原始信息中提取所述指定标签对应的信息。6.一...

【专利技术属性】
技术研发人员：景艺亮，代斌，隋豌辰，赵科科，王晓光，杨旭，蔡宁，张凯，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY