基于规则及文本序列标注的统计公报指标提取方法

摘要

一种基于规则及文本序列标注的统计公报指标提取方法。其包括收集所有地区现有统计公报的文本获得数据集并划分成训练集和测试集；构建由嵌入有正则表达式的BiLSTM+CRF模型组成的指标提取模型；利用训练集训练BiLSTM+CRF模型，利用测试集验证，获得指标提取模型；将待提取指标的统计公报文本输入指标提取模型，以表格方式输出指标增长趋势关系结果等步骤。本发明效果：利用自然语言处理信息抽取技术，基于规则的方法匹配和基于BiLSTM+CRF序列标注模型进行指标提取，可将统计公报中出现的指标名称、地区、趋势、数值、单位在内的指标及时间提取出来，形成结构化关系数据，有效地完成了统计公报中的重点指标抽取任务。