(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211498217.0 (22)申请日 2022.11.28 (71)申请人 上海朝阳永续信息技 术股份有限公 司 地址 201203 上海市浦东 新区张江高科 碧 波路690号 4号楼 (72)发明人 朱峰　郑益明　苗嫣　 (74)专利代理 机构 北京市金杜律师事务所 11256 专利代理师 王茂华 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/35(2019.01) (54)发明名称 获取文本中的信息的方法、 设备和存 储介质 (57)摘要 本公开涉及一种用于获取文本中的信息的 方法、 计算设备和计算机可读存储介质。 该方法 包括： 基于所输入的文本的预定信息， 经由第一 自然语言处理模 型， 将文本分类为目标文本和非 目标文本， 第一自然语言处理模 型是基于二分类 模型而构建的； 将目标文本进行语句切分， 以得 到切分后的语句； 经由第二自然语言处理模型， 在切分后的语句中识别出目标语句； 基于正则表 达式匹配算法， 提取目标语句中的目标数据； 以 及基于目标数据， 获取目标信息。 本公开至少能 够快速、 准确地获取差异化文本中的目标信息 。 权利要求书2页 说明书13页 附图3页 CN 115544213 A 2022.12.30 CN 115544213 A 1.一种用于获取文本中的信息的方法， 其特 征在于， 所述方法包括： 基于所输入的文本的预定信息， 经由第一自然语言处理模型， 将所述文本分类为目标 文本和非目标文本， 所述第一自然语言处理模型是基于二分类模型而构建的， 所述 目标文 本是个股研究报告； 将所述目标文本进行语句切分， 以得到切分后的语句； 经由第二自然语言处理模型， 在所述切分后的语句中识别出用于指示预定盈利预测数 据的目标语句； 基于正则表达式匹配算法， 提取 所述目标语句中的目标 数据； 基于所述目标 数据， 获取目标信息； 以及 对所述目标信息进行 校验， 以判断所述目标信息与预定条件的匹配性， 其中， 对所述目标信息进行校验包括： 基于从所述文本中的第一文本所提取的第一目 标数据和从所述文本中的第一文本所提取的第二目标数据之间的关联关系， 对从所述第一 文本所获取的目标信息进行 校验。 2.根据权利要求1所述的方法， 其特征在于， 所述文本的预定信息包括所述文本的摘 要， 所述非目标文本是除了所述个股研究报告以外的其 他文本。 3.根据权利要求1所述的方法， 其特征在于， 经由第一自然语言处理模型， 将所述文本 分类为目标文本和非目标文本包括： 计算所述文本中的第一文本的预定信息中的每 个词语的词频 ‑逆文本频率； 基于所计算的词频 ‑逆文本频率， 创建与所述第一文本相对应的特 征向量； 以及 将与所述第一文本相对应的特征向量输入所述第 一自然语言处理模型， 以对所述第 一 文本进行分类。 4.根据权利要求3所述的方法， 其特征在于， 创建与所述第 一文本相对应的特征向量包 括： 获取词库词语集 合， 其中所述词库词语集 合含有N个词库词语， N 为正整数； 创建维度为N的与所述第一文本相对应的特征向量， 其中与所述第一文本相对应的特 征向量的N个维度分别与所述词库词语集 合中的N个词库词语相关联； 判断所述第一文本的预定信息中的每 个词语是否属于所述词库词语集 合； 响应于所述第 一文本的预定信 息中的当前词语是所述词库词语集合中的第 i个词库词 语， 将所述当前词语的词 频‑逆文本频率赋值到与所述第一文本相对应的特征向量的与所 述第i个词库词语相关联的维度， 其中i是小于或者 等于N的正整数； 以及 响应于所述当前词语不属于所述词库词语集合， 不将所述当前词语的词频 ‑逆文本频 率赋值到与所述第一文本相对应的特 征向量。 5.根据权利要求 4所述的方法， 其特 征在于， 还 包括： 基于维度为N的与样本文本相对应的特征向量， 经由逻辑回归算法， 对第 一自然语言处 理模型进行训练。 6.根据权利要求1所述的方法， 其特征在于， 第二自然语言处理模型是基于bert模型而 构建的， 在所述切分后的语句中识别出用于指示预定 盈利预测数据的目标语句包括： 将所述切分后的语句中的第一语句输入所述bert模型， 识别出用于指示预定盈利预测 数据的目标语句。权　利　要　求　书 1/2 页 2 CN 115544213 A 27.根据权利要求1所述的方法， 其特征在于， 基于正则表达式匹配算法， 提取所述目标 语句中的目标 数据包括： 基于正则表达式匹配算法， 确定所述目标语句中的预测时间； 基于正则表达式匹配算法， 确定所述目标语句中的预测指标； 以及 基于所述预测时间的格式信 息和所述预测指标的格式信 息， 将所述预测时间与所述预 测指标按照年份进行关联， 以得到目标 数据。 8.根据权利要求1所述的方法， 其特 征在于， 对所述目标信息进行 校验还包括： 基于从所述文本中的第一文本所提取的第一目标数据和从所述文本中的第二文本所 提取的第三目标 数据之间的关联关系， 对从所述第一文本所获取的目标信息进行 校验。 9.根据权利要求8所述的方法， 其特 征在于， 对所述目标信息进行 校验还包括： 基于外部输入信息， 对从所述第一文本所获取的目标信息进行 校验。 10. 一种计算设备， 包括： 至少一个处 理器； 以及 至少一个存储器， 所述至少一个存储器被耦合到所述至少一个处理器并且存储用于由 所述至少一个处理器执行 的指令， 所述指令当由所述至少一个处理器执行时， 使得所述计 算设备执行根据权利要求1至9中任一项所述的方法。 11.一种计算机可读存储介质， 其上存储有计算机程序代码， 所述计算机程序代码在被 运行时执 行根据权利要求1至9中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115544213 A 3