基于文本分类和阅读理解的文档信息抽取方法及系统

摘要

本发明属于信息内容加工技术领域，具体涉及基于文本分类和阅读理解的文档信息抽取方法及系统。方法包括S1，将文档转换为纯文本格式；S2，对文档预处理，获得输入数据；S3，生成对应的词向量、字向量和上下文向量，并拼接，得到拼接后的向量；S4，若拼接后的向量为可回答类型，则作为下一步骤的输入；S5，获得最匹配的长标签数据的位置；S6，最终输出为待抽取的长实体字段。系统包括文本信息智能抽取模块、数据预处理模块、特征抽取模块、文本分类模块、阅读理解模块、长实体标签数据生成模块、数据后处理模块。本发明具有能极大缩短训练以及预测时间，并提升文档抽取模型在抽取字段时的精度和速度的特点。