CN114444508A - 日期识别方法、装置、可读介质及电子设备 - Google Patents
日期识别方法、装置、可读介质及电子设备 Download PDFInfo
- Publication number
- CN114444508A CN114444508A CN202210113138.7A CN202210113138A CN114444508A CN 114444508 A CN114444508 A CN 114444508A CN 202210113138 A CN202210113138 A CN 202210113138A CN 114444508 A CN114444508 A CN 114444508A
- Authority
- CN
- China
- Prior art keywords
- date
- text
- target
- character
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000009471 action Effects 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012015 optical character recognition Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种日期识别方法、装置、可读介质及电子设备，该方法通过该预设日期识别模型识别该日期文本对应的待定日期，获取该日期文本中每个字符对应的目标实体类别，根据该日期文本中每个字符对应的目标实体类别和该待定日期确定该日期文本对应的目标日期，该目标实体类别用于表征该字符是否为与日期数字相关的指定字符，以及在该字符为与日期数字相关的指定字符时，该字符对应数字在日期中的位置信息，能够针对多种日期识别场景中的日期进行有效识别，也能够有效保证日期识别结果的准确性，从而不仅能够有效保证日期识别率，也能够有效提升日期识别结果的可靠性。
Description
技术领域
本公开涉及计算机技术领域，具体地，涉及一种日期识别方法、装置、可读介质及电子设备。
背景技术
随着科技的发展，人类对计算机视觉技术的应用逐渐广泛，OCR(OpticalCharacter Recognition，光学字符识别)字符识别是计算机视觉技术中的一个重要分支，在完成OCR字符识别后，经常伴随着对识别文本中关键信息的提取，例如，对识别文本中日期信息的提取。
目前的日期识别方法通常仅能针对简单的日期文本识别场景(例如，发票，火车票，证件等日期识别场景)，做到有效识别，而针对相对复杂的日期文本识别场景(例如针对OCR字符识别结果中日期文本的识别)，则存在识别率低，识别结果准确性较差的问题。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开提供一种日期识别方法、装置、可读介质及电子设备。
第一方面，本公开提供一种日期识别方法，所述方法包括：
获取待识别文本，所述待识别文本包括日期文本；
将所述待识别文本输入预设日期识别模型，以获取所述预设日期识别模型输出的目标日期；
其中，所述预设日期识别模型用于，识别所述日期文本对应的待定日期，获取所述日期文本中每个字符对应的目标实体类别，根据所述日期文本中每个字符对应的目标实体类别和所述待定日期确定所述日期文本对应的目标日期，所述目标实体类别用于表征所述字符是否为与日期数字相关的指定字符，以及在所述字符为与日期数字相关的指定字符时，所述字符对应数字在日期中的位置信息。
第二方面本公开提供一种日期识别装置，所述装置包括：
第一获取模块，被配置为获取待识别文本，所述待识别文本包括日期文本；
第二获取模块，被配置为将所述待识别文本输入预设日期识别模型，以获取所述预设日期识别模型输出的目标日期；
其中，所述预设日期识别模型用于，识别所述日期文本对应的待定日期，获取所述日期文本中每个字符对应的目标实体类别，根据所述日期文本中每个字符对应的目标实体类别和所述待定日期确定所述日期文本对应的目标日期，所述目标实体类别用于表征所述字符是否为与日期数字相关的指定字符，以及在所述字符为与日期数字相关的指定字符时，所述字符对应数字在日期中的位置信息。
第三方面，本公开一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现以上第一方面所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现以上第一方面所述方法的步骤。
上述技术方案，通过所述预设日期识别模型识别所述日期文本对应的待定日期，获取所述日期文本中每个字符对应的目标实体类别，根据所述日期文本中每个字符对应的目标实体类别和所述待定日期确定所述日期文本对应的目标日期，所述目标实体类别用于表征所述字符是否为与日期数字相关的指定字符，以及在所述字符为与日期数字相关的指定字符时，所述字符对应数字在日期中的位置信息，这样，通过根据所述日期文本中每个字符对应的目标实体类别和所述待定日期确定所述日期文本对应的目标日期，能够有效且准确的识别到待识别文本中的目标日期，从而能够有效保证针对待识别文本中日期的识别率，也能够有效提升日期识别结果的可靠性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是本公开一示例性实施例示出的一种日期识别方法的流程图；
图2是本公开一示例性实施例示出的一种预设日期识别模型的结构框图；
图3是本公开根据图1所示实施例示出的一种日期识别方法的流程图；
图4是本公开一示例性实施例示出的一种预设日期识别模型的训练方法流程图；
图5是本公开一示例性实施例示出的一种日期识别装置的框图；
图6是本公开一示例性实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
在详细介绍本公开的具体实施方式之前，首先对本公开的应用场景进行以下说明，本公开可以应用于对图像、文档(PDF文档，Word文档)、或票据(例如，发票、火车票)中日期的识别过程中，目前的日期识别方法大多是基于特定识别场景训练专用的日期识别模型，例如，相关技术中会针对火车票中日期的识别或者发票中日期的识别训练专用模型，由于这些专用模型通常是针对某个单一的场景设计，通常模型的泛化能力较差，因此会存在无法通用，无法对其他日期识别场景中的日期进行有效识别，不能保证日期识别结果的准确性，也不利于提升日期识别率。
为了解决以上技术问题，本公开提供了一种日期识别方法、装置、可读介质及电子设备，该方法通过该预设日期识别模型识别该日期文本对应的待定日期，获取该日期文本中每个字符对应的目标实体类别，根据该日期文本中每个字符对应的目标实体类别和该待定日期确定该日期文本对应的目标日期，该目标实体类别用于表征该字符是否为与日期数字相关的指定字符，以及在该字符为与日期数字相关的指定字符时，该字符对应数字在日期中的位置信息，能够针对多种日期识别场景中的日期进行有效识别，也能够有效保证日期识别结果的准确性，从而不仅能够有效保证日期识别率，也能够有效提升日期识别结果的可靠性。
下面结合具体实施例对本公开的技术方案进行详细阐述。
图1是本公开一示例性实施例示出的一种日期识别方法的流程图；如图1所示，该方法可以包括以下步骤：
步骤101，获取待识别文本，该待识别文本包括日期文本。
其中，该待识别文本可以是对图像进行OCR字符识别之后得到的目标文本，例如，可以是对某纸质文件的扫描件进行OCR识别后，得到的字符文本，也可以是WORD文件中的某段文本，还可以是电子票据对应的文本。
步骤102，将该待识别文本输入预设日期识别模型，以获取该预设日期识别模型输出的目标日期。
其中，该预设日期识别模型用于，识别该日期文本对应的待定日期，获取该日期文本中每个字符对应的目标实体类别，根据该日期文本中每个字符对应的目标实体类别和该待定日期确定该日期文本对应的目标日期，该目标实体类别用于表征该字符是否为与日期数字相关的指定字符，以及在该字符为与日期数字相关的指定字符时，该字符对应数字在日期中的位置信息。
示例地，该目标实体类别可以是“其他”，“年-起”，“年-中”“年-止”，“月-起”，“月-止”，“月-单独”，“日-起”，“日-止”或者“日-单独”，该“其他”表征该字符为非与日期数字相关的指定字符，该“年-起”表征年份数据中的第一位数字，该“年-止”表征该年份数据中的最后一位数字，该“年-中”表征年份数据中除年第一位数字与最后一位数字之外的其他数字，例如，若年份数据为“2018”，则第一位数字“2”(即年份数据中从左至右的第一个数字)对应的目标实体类别为“年-起”，“8”(即年份数据中从左至右的最后一个数字)对应的目标实体类别为“年-止”，“0”与“1”对应的目标实体类别为“年-中”。该“月-起”表征在月份数据为两位数时，该月份数据中的第一位数字，该“月-止”表征在月份数据为两位数时，该月份数据中的第二位数字，该“月-单独”表征月份数据为一位数，例如，在月份数据为“12”时，该“1”对应的目标实体类别为“月-起”，该“2”对应的目标实体类别为“月-止”，在月份数据为“04”时，该“0”对应的目标实体类别为“月-起”，该“4”对应的目标实体类别为“月-止”，在月份数据为“3”时，该“3”对应的目标实体类别为“月-单独”。该“日-起”表征在日期中的日数据为两位数时，该日数据中的第一位数字，该“日-止”表征在日期中的日数据为两位数时，该日数据中的第二位数字，该“日-单独”表征日数据为一位数，例如，在日数据为“26”时，该“2”对应的目标实体类别为“日-起”，该“6”对应的目标实体类别为“日-止”，在日数据为“05”时，该“0”对应的目标实体类别为“日-起”，该“5”对应的目标实体类别为“日-止”，在日数据为“7”时，该“7”对应的目标实体类别为“日-单独”。
以上所述的根据该日期文本中每个字符对应的目标实体类别和该待定日期确定该日期文本对应的目标日期可以是包括：
获取该待定日期中每个数字对应的指定实体类别；在该待定日期中每个数字对应的该指定实体类别与该数字在该日期文本中对应字符的该目标实体类别一致的情况下，将该待定日期确定为该目标日期。
需要说明的是，在获取该待定日期中每个数字对应的指定实体类别时，一种可能的实施方式为：根据该待定日期中每个数字的位置确定该数字对应的指定实体类型。例如，在该待定日期的格式为“待定年份-待定月份-待定日”时，在该数字为第一个“-”之前的数据，则确定该数字属于待定年份中的数字，在该数字为该待定年份数字中的第一位数字的情况下，确定该数字对应的指定实体类别为“年-起”，在该数字为该待定年份数字中的最后一位数字的情况下，确定该数字对应的指定实体类别为“年-止”，若确定该数字属于待定年份数据，但又不是该待定年份数字中的第一位数字，也不是该待定年份数字中的最后一位数字，则确定该数字对应的指定实体类别为“年-中”；在该数字为两个“-”之间的数据，则确定该数字属于待定月份中的数字，在确定该待定月份仅包括一位数字的情况下，确定该待定月份对应的数字的指定实体类别为“月-单独”，在确定该待定月份包括两位数字的情况下，若该数字为该待定月份中的第一位数字，则确定该数字对应的指定实体类别为“月-起”，若该数字为该待定月份中的第二位数字，则确定该数字对应的指定实体类别为“月-止”；在该数字为第二个“-”之后的数据，则确定该数字属于待定日对应的数字，在确定该待定日仅包括一位数字的情况下，确定该待定日对应的数字的指定实体类别为“日-单独”，在确定该待定月份包括两位数字的情况下，若该数字为该待定日中的第一位数字，则确定该数字对应的指定实体类别为“日-起”，若该数字为该待定日中的第二位数字，则确定该数字对应的指定实体类别为“日-止”。
另一种可能的实施方式为：将该待定日期输入预设命名实体类型识别模型中，以使该预设命名实体识别模型输出该待定日期中每个数字对应的指定命名实体，该指定命名实体可以是“其他”，“年-起”，“年-中”“年-止”，“月-起”，“月-止”，“月-单独”，“日-起”，“日-止”和“日-单独”中的一种，该预设命名实体识别模型可以是神经网络模型，也可以是其他的机器学习模型。
以上技术方案，由于该待识别文本可以是OCR字符识别得到的文本，也可以是其他文档中的文本，还可以是票据对应的文本，因此能够保证针对多种日期识别场景中的日期进行有效识别，也能够有效保证日期识别结果的准确性，从而不仅能够有效保证日期识别率，也能够有效提升日期识别结果的可靠性。
图2是本公开一示例性实施例示出的一种预设日期识别模型的结构框图，如图2所示，该预设日期识别模型包括编码器201，以及与该编码器201耦合的年分类模块202，月分类模块203，日分类模块204和字符实体类别检测模块205；
该年分类模块202，用于识别该日期文本中的该待定年份，该年分类模块包括多个分类器，不同的分类器用于识别该待定年份中不同位置的数字；
该月分类模块203，用于识别该日期文本中的待定月份；
该日分类模块204，用于识别该日期文本中的待定日；
该字符实体类别检测模块205，用于获取该日期文本中每个字符对应的该目标实体类别。
其中，该编码器201可以是BERT(Bidirectional Encoder Representation fromTransformers，双向编码器表示)编码器，预设日期识别模型中还可以包括文本预处理模块206，该文本预处理模块206的输出端与该编码器201的输入端耦合，用于对该待识别文本进行分词处理，以得到适用于该编码器201数据输入要求的初始特征序列，其中，该初始特征序列可以是包括[CLS]和[SEP]的特征序列，该[CLS]用于表征embedding开始，[SEP]用在句子之间，用于隔开两个句子。该编码器201可以将该[CLS]符号对应的编码向量作为该待识别文本对应的目标文本特征输入至该年分类模块202，该月分类模块203，该日分类模块204以及该字符实体类别检测模块205，这样，由于该[CLS]符号对应的编码向量包含了该待识别文本中较完整的语义信息，因此以该编码向量作为分类预测的依据数据，能够有效提升分类结果的准确性。
可选地，该年分类模块202包括第一分类器2021，第二分类器2022，第三分类器2023以及第四分类器2024，该月分类模块203包括第五分类器，该日分类模块204包括第六分类器，该字符实体类别检测模块205包括第七分类器，图3是本公开根据图1所示实施例示出的一种日期识别方法的流程图，如图3所示，该预设日期识别模型通过以下步骤确定待识别文本中的目标日期：
步骤1021，通过该编码器获取该待识别文本对应的目标文本特征。
其中，该目标文本特征包括该日期文本的上下文语义信息。
示例地，输入该编码器的初始特征序列可以是包括[CLS]和[SEP]的特征序列，该目标文本特征可以是编码器输出的初始特征序列中[CLS]符号对应的编码向量。
步骤1022，通过该第一分类器根据该目标文本特征识别该日期文本对应年份数据中的第一位目标数字，通过该第二分类器根据该目标文本特征识别该日期文本对应年份数据中的第二位目标数字，通过该第三分类器根据该目标文本特征识别该日期文本对应年份数据中的第三位目标数字，通过该第四分类器根据该目标文本特征识别该日期文本对应年份数据中的第四位目标数字。
其中，该第一分类器可以输出1*10维的特征数据，分别用于表征年份数据中的第一位目标数字为0至9中每个数字的概率；该第二分类器可以输出1*10维的特征数据，分别用于表征年份数据中的第二位目标数字为0至9中每个数字的概率；该第三分类器可以输出1*10维的特征数据，分别用于表征年份数据中的第三位目标数字为0至9中每个数字的概率；该第四分类器可以输出1*10维的特征数据，分别用于表征年份数据中的第四位目标数字为0至9中每个数字的概率。
步骤1023，根据该第一位目标数字，该第二位目标数字，该第三位目标数字，以及该第四位目标数字，确定该日期文本对应的该待定年份。
示例地，若该第一分类器识别到该第一目标数据为“2”，该第二分类器识别到该第二位目标数字为“0”，该第三分类器识别到该第三位目标数字为“1”，该第四分类器识别到该第四位目标数字为“8”，则该待定年份为“2018”。
步骤1024，通过该第五分类器根据该目标文本特征识别该日期文本中月份数据对应的待定月份。
其中，该第五分类器可以输出1*13维的特征数据，分别用于表征月份数据为0至12(13个数字)中每个数字的概率。
步骤1025，通过该第六分类器根据该目标文本特征识别该日期文本中日数据对应的待定日。
其中，该第五分类器可以输出1*32维的特征数据，分别用于表征日数据为0至31(32个数字)中每个数字的概率。
步骤1026，通过该第七分类器获取该日期文本中每个字符分别属于每种预设实体类别的概率。
其中，该预设实体类别可以包括“其他”，“年-起”，“年-中”“年-止”，“月-起”，“月-止”，“月-单独”，“日-起”，“日-止”和“日-单独”，该第七分类器输出的数据可以是L*10维数据，该L为编码器输入数据的预设长度。
本步骤中，通过该第七分类器根据该目标文本特征获取该待识别文本中每个字符属于“年-起”(即属于待定年份中第一位数字)的第一概率，属于“年-中”(例如在年份为四位数时，属于该待定年份中第二位数字或者属于该待定年份中第三位数字)第二概率，属于“年-止”(例如在年份为四位数时，即该待定年份中第四位数字)的第三概率，属于“月-单独”的第四概率，属于“月-起”的第五概率，属于“月-止”的第六概率，属于“日-单独”的第七概率，属于“日-起”的第八概率，属于“日-止”的第九概率，属于“其他”的第十概率。
步骤1027，根据该日期文本中每个字符分别属于每种预设实体类别的概率确定该字符对应的该目标实体类别。
本步骤中，可以获取每个字符对应的第一概率至第十概率，将第一概率至第十概率中的最大值对应的预设实体类别作为该目标实体类别。
示例地，若字符“2”对应的第一概率至第十概率分别为0.1，0.3，0.13，0.15,0.22，0.31，0.5，0.4，0.90，0.3，则确定该字符“2”对应的目标实体类别为“日-止”。
步骤1028，获取该待定日期中每个数字对应的指定实体类别。
本步骤中，一种可能的实施方式为：根据该待定日期中每个数字的位置确定该数字对应的指定实体类型。例如，在该待定日期的格式为“待定年份-待定月份-待定日”时，在该数字为第一个“-”之前的数据，则确定该数字属于待定年份中的数字，在该数字为该待定年份数字中的第一位数字的情况下，确定该数字对应的指定实体类别为“年-起”，在该数字为该待定年份数字中的最后一位数字的情况下，确定该数字对应的指定实体类别为“年-止”，若确定该数字属于待定年份数据，但既不是该待定年份数字中的第一位数字，也不是该待定年份数字中的最后一位数字，则确定该数字对应的指定实体类别为“年-中”；在该数字为两个“-”之间的数据，则确定该数字属于待定月份中的数字，在确定该待定月份仅包括一位数字的情况下，确定该待定月份对应的数字的指定实体类别为“月-单独”，在确定该待定月份包括两位数字的情况下，若该数字为该待定月份中的第一位数字，则确定该数字对应的指定实体类别为“月-起”，若该数字为该待定月份中的第二位数字，则确定该数字对应的指定实体类别为“月-止”；在该数字为第二个“-”之后的数据，则确定该数字属于待定日对应的数字，在确定该待定日仅包括一位数字的情况下，确定该待定日对应的数字的指定实体类别为“日-单独”，在确定该待定月份包括两位数字的情况下，若该数字为该待定日中的第一位数字，则确定该数字对应的指定实体类别为“日-起”，若该数字为该待定日中的第二位数字，则确定该数字对应的指定实体类别为“日-止”。
另一种可能的实施方式为：将该待定日期输入预设命名实体类型识别模型中，以使该预设命名实体识别模型输出该待定日期中每个数字对应的指定命名实体，该指定命名实体可以是“其他”，“年-起”，“年-中”“年-止”，“月-起”，“月-止”，“月-单独”，“日-起”，“日-止”和“日-单独”中的一种，该预设命名实体识别模型可以是神经网络模型，也可以是其他的机器学习模型。
步骤1029，在该待定日期中每个数字对应的该指定实体类别与该数字在该日期文本中对应字符的该目标实体类别一致的情况下，将该待定日期确定为该目标日期。
示例地，在得到的该待定日期为“2018-7-4”，该“2”对应的该指定实体类别为“年-起”，该“0”对应的该指定实体类别为“年-中”，该“1”对应的该指定实体类别为“年-中”，该“8”对应的该指定实体类别为“年-止”，“-”对应的指定实体类别为“其他”，该“7”对应的该指定实体类别为“月-单独”，该“4”对应的该指定实体类别为“日-单独”，同样，通过以上步骤1026至步骤1027所示方法，能够得到2018-7-4中每个字符对应的目标实体类别，在每个字符对应的该指定实体类别与该目标实体类别一致的情况下，将该待定日期确定为该目标日期，在存在字符对应的该指定实体类别与该目标实体类别不一致的情况下，输出预设提示信息，该预设提示信息用于表征得到的待定日期的准确性较低。
以上技术方案，能够通过根据该日期文本中每个字符对应的目标实体类别和该待定日期确定该日期文本对应的目标日期，能够有效且准确的识别到待识别文本中的目标日期，从而能够有效保证针对待识别文本中日期的识别率，也能够有效提升日期识别结果的可靠性。
图4是本公开一示例性实施例示出的一种预设日期识别模型的训练方法流程图；如图4所示，该预设日期识别模型可以通过以下方式训练得到：
步骤401，通过预设语料库中的目标语料文本生成多个日期文本样本。
其中，该日期文本样本包括日期文本标签和日期文本样本中每个字符的命名实体标签。
本步骤中，可以从该预设语料库中获取该目标语料文本；通过对该目标语料文本进行日期更新操作，得到该目标语料文本对应的多个待定文本样本，该日期更新操作包括日期添加动作，和/或，日期替换动作；根据该待定文本样本生成该日期文本样本。
需要说明的是，该日期添加动作包括年份添加动作，月份添加动作，以及日添加动作，该日期替换动作包括年份替换动作，月份替换动作，以及日替换动作，以上所述的通过对该目标语料文本进行日期更新操作，得到该目标语料文本对应的多个待定文本样本，可以包括：
在确定该目标语料文本中不包括年份数据的情况下，对该目标语料文本执行该年份添加动作，并将添加的年份数据与该目标语料文本进行拼接，以得到多个第一文本样本；在确定该目标语料文本中包括年份数据的情况下，对该目标语料文本执行该年份替换动作，以得到多个第一文本样本；在确定该第一文本样本中包括月份数据和日数据的情况下，对该目标语料文本执行月份替换动作，或者，对该目标语料文本执行该日替换动作，以得到该待定文本样本；在确定该第一文本样本中不包括月份数据的情况下，对该目标语料文本执行该月份添加动作，并在确定该第一文本样本中不包括日数据的情况下，对目标语料文本执行该日添加动作，并将添加的月份数据和日数据与该目标语料文本进行拼接，以得到该待定文本样本。
另外，本步骤中，还包括自动生成日期文本标签，以及该日期文本样本中每个字符的命名实体标签的步骤，具体如下：
在对该目标语料文本进行日期添加动作的情况下，将添加的第一日期作为该日期文本标签；和/或，在对该目标语料文本进行日期替换动作的情况下，将替换后的第二日期作为该日期文本标签；
获取该日期文本标签中每个数字的目标位置信息；根据该日期文本标签中每个数字的该目标位置信息生成该日期文本样本中每个字符的命名实体类别标签。
需要说明的是，在该日期文本标签的格式为“年份-月份-日”的情况下，该目标位置信息可以包括该数字为第一个“-”之前的第几位数字，或者，该数字为两个“-”之间的第几位数字，再或者为，在第二个“-”之后的第几位数据。若该数字为第一个“-”之前的数据，则确定该数字属于年份中的数字，在该数字为该第一个“-”之前的第一位数字，确定该数字对应的命名实体标签为“年-起”，在该数字为该第一个“-”之前的最后一位数字的情况下，确定该数字对应的命名实体标签为“年-止”，若确定该数字属于年份中的中间数字，即该数字属于该第一个“-”之前的数字，但既不是该第一个“-”之前的第一位数字，也不是该第一个“-”之前的最后一位数字，则确定该数字对应的命名实体标签为“年-中”；在该数字为两个“-”之间的数据，则确定该数字属于月份中的数字，在确定该月份仅包括一位数字的情况下，确定该月份对应的数字的命名实体标签为“月-单独”，在确定该月份包括两位数字的情况下，若该数字为两个“-”之间的第一位数字，则确定该数字对应的命名实体标签为“月-起”，若该数字为两个“-”之间的第二位数字，则确定该数字对应的命名实体标签为“月-止”；在该数字为第二个“-”之后的数据，则确定该数字属于日对应的数字，在确定该日仅包括一位数字的情况下，确定该日对应的数字的命名实体标签为“日-单独”，在确定该日数据包括两位数字的情况下，若该数字为在第二个“-”之后的第一位数字，则确定该数字对应的命名实体标签为“日-起”，若该数字为在第二个“-”之后的第二位数字，则确定该数字对应的命名实体标签为“日-止”，另外，在该日期文本样本中除年份数字，月份数字，日数字对应字符以外的其他字符的命名实体标签确定为“其他”。
步骤402，以该多个日期文本样本为训练数据，对预设初始模型进行模型训练，以得到该预设日期识别模型，其中，该预设初始模型包括初始年分类模块，初始月分类模块，初始日分类模块以及初始字符实体类别检测模块。
其中，该预设初始模型可以包括初始BERT编码器，该初始年分类模块，初始月分类模块，初始日分类模块以及初始字符实体类别检测模块均与该初始BERT编码器耦合，在模型训练过程中，可以以交叉熵为损失函数进行模型训练。
以上技术方案，由于能够自动合成多个日期文本样本，作为训练数据，能够有效避免相关技术中，训练数据获取难度大，标注效率较低，标注过程费时费力的问题，同时由于包括进行日期识别的初始年分类模块，初始月分类模块，初始日分类模块，还包括初始字符实体类别检测模块，因此能够有效提升该预设日期识别模型的收敛速度，提升模型训练效率，也能够有效保证训练得到的该预设日期识别模型的泛化能力，以及日期识别结果的准确性。
图5是本公开一示例性实施例示出的一种日期识别装置的框图，如图5所示，该装置可以包括：
第一获取模块501，被配置为获取待识别文本，该待识别文本包括日期文本；
第二获取模块502，被配置为将该待识别文本输入预设日期识别模型，以获取该预设日期识别模型输出的目标日期；
其中，该预设日期识别模型用于，识别该日期文本对应的待定日期，获取该日期文本中每个字符对应的目标实体类别，根据该日期文本中每个字符对应的目标实体类别和该待定日期确定该日期文本对应的目标日期，该目标实体类别用于表征该字符是否为与日期数字相关的指定字符，以及在该字符为与日期数字相关的指定字符时，该字符对应数字在日期中的位置信息。
以上技术方案，能够通过根据该日期文本中每个字符对应的目标实体类别和该待定日期确定该日期文本对应的目标日期，能够有效且准确的识别到待识别文本中的目标日期，从而能够有效保证针对待识别文本中日期的识别率，也能够有效提升日期识别结果的可靠性。
可选地，该预设日期识别模型用于：获取该待定日期中每个数字对应的指定实体类别；在该待定日期中每个数字对应的该指定实体类别与该数字在该日期文本中对应字符的该目标实体类别一致的情况下，将该待定日期确定为该目标日期。
可选地，该待定日期包括待定年份，待定月份，以及待定日，该预设日期识别模型包括编码器，以及与该编码器耦合的年分类模块，月分类模块，日分类模块和字符实体类别检测模块；
该年分类模块，用于识别该日期文本中的该待定年份，该年分类模块包括多个分类器，不同的分类器用于识别该待定年份中不同位置的数字；
该月分类模块，用于识别该日期文本中的待定月份；
该日分类模块，用于识别该日期文本中的待定日；
该字符实体类别检测模块，用于获取该日期文本中每个字符对应的该目标实体类别。
可选地，该年分类模块包括第一分类器，第二分类器，第三分类器以及第四分类器，该月分类模块包括第五分类器，该日分类模块包括第六分类器，该字符实体类别检测模块包括第七分类器，该预设日期识别模型用于：
通过该编码器获取该待识别文本对应的目标文本特征，该目标文本特征包括该日期文本的上下文语义信息；
通过该第一分类器根据该目标文本特征识别该日期文本对应年份数据中的第一位目标数字，通过该第二分类器根据该目标文本特征识别该日期文本对应年份数据中的第二位目标数字，通过该第三分类器根据该目标文本特征识别该日期文本对应年份数据中的第三位目标数字，通过该第四分类器根据该目标文本特征识别该日期文本对应年份数据中的第四位目标数字；
根据该第一位目标数字，该第二位目标数字，该第三位目标数字，以及该第四位目标数字，确定该日期文本对应的该待定年份；
通过该第五分类器根据该目标文本特征识别该日期文本中月份数据对应的待定月份；
通过该第六分类器根据该目标文本特征识别该日期文本中日数据对应的待定日；
通过该第七分类器获取该日期文本中每个字符分别属于每种预设实体类别的概率；
根据该日期文本中每个字符分别属于每种预设实体类别的概率确定该字符对应的该目标实体类别。
可选地，该装置还包括模型训练模块503，该模型训练模块503，用于：
通过预设语料库中的目标语料文本生成多个日期文本样本，该日期文本样本包括日期文本标签和日期文本样本中每个字符的命名实体标签；
以该多个日期文本样本为训练数据，对预设初始模型进行模型训练，以得到该预设日期识别模型，其中，该预设初始模型包括初始年分类模块，初始月分类模块，初始日分类模块以及初始字符实体类别检测模块。
可选地，该模型训练模块503，用于：从该预设语料库中获取该目标语料文本；通过对该目标语料文本进行日期更新操作，得到该目标语料文本对应的多个待定文本样本，该日期更新操作包括日期添加动作，和/或，日期替换动作；根据该待定文本样本生成该日期文本样本。
可选地，该模型训练模块503，用于：获取预设干扰文本；将该预设干扰文本添加至该待定文本样本；对添加该预设干扰文本后的待定文本样本进行模拟字符粘连操作，以得到该日期文本样本。
可选地，该模型训练模块503，还用于：在对该目标语料文本进行日期添加动作的情况下，将添加的第一日期作为该日期文本标签；和/或，在对该目标语料文本进行日期替换动作的情况下，将替换后的第二日期作为该日期文本标签。
可选地，该模型训练模块503，还用于：获取该日期文本标签中每个数字的目标位置信息；根据该日期文本标签中每个数字的该目标位置信息生成该日期文本样本中每个字符的命名实体类别标签。
以上技术方案，由于能够自动合成多个日期文本样本，作为训练数据，能够有效避免相关技术中，训练数据获取难度大，标注过程费时费力的问题，同时由于包括进行日期识别的初始年分类模块，初始月分类模块，初始日分类模块，还包括初始字符实体类别检测模块，因此能够有效提升该预设日期识别模型的收敛速度，提升模型训练效率，也能够有效保证训练得到的该预设日期识别模型的泛化能力，以及日期识别结果的准确性。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，可以利用诸如HTTP(HyperText Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待识别文本，所述待识别文本包括日期文本；将所述待识别文本输入预设日期识别模型，以获取所述预设日期识别模型输出的目标日期；其中，所述预设日期识别模型用于，识别所述日期文本对应的待定日期，获取所述日期文本中每个字符对应的目标实体类别，根据所述日期文本中每个字符对应的目标实体类别和所述待定日期确定所述日期文本对应的目标日期，所述目标实体类别用于表征所述字符是否为与日期数字相关的指定字符，以及在所述字符为与日期数字相关的指定字符时，所述字符对应数字在日期中的位置信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一获取模块还可以被描述为“获取待识别文本，所述待识别文本包括日期文本的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种日期识别方法，所述方法包括：
获取待识别文本，所述待识别文本包括日期文本；
将所述待识别文本输入预设日期识别模型，以获取所述预设日期识别模型输出的目标日期；
其中，所述预设日期识别模型用于，识别所述日期文本对应的待定日期，获取所述日期文本中每个字符对应的目标实体类别，根据所述日期文本中每个字符对应的目标实体类别和所述待定日期确定所述日期文本对应的目标日期，所述目标实体类别用于表征所述字符是否为与日期数字相关的指定字符，以及在所述字符为与日期数字相关的指定字符时，所述字符对应数字在日期中的位置信息。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述根据所述日期文本中每个字符对应的目标实体类别和所述待定日期确定所述日期文本对应的目标日期，包括：
获取所述待定日期中每个数字对应的指定实体类别；
在所述待定日期中每个数字对应的所述指定实体类别与所述数字在所述日期文本中对应字符的所述目标实体类别一致的情况下，将所述待定日期确定为所述目标日期。
根据本公开的一个或多个实施例，示例3提供了示例1的方法，所述待定日期包括待定年份，待定月份，以及待定日，所述预设日期识别模型包括编码器，以及与所述编码器耦合的年分类模块，月分类模块，日分类模块和字符实体类别检测模块；
所述年分类模块，用于识别所述日期文本中的所述待定年份，所述年分类模块包括多个分类器，不同的分类器用于识别所述待定年份中不同位置的数字；
所述月分类模块，用于识别所述日期文本中的待定月份；
所述日分类模块，用于识别所述日期文本中的待定日；
所述字符实体类别检测模块，用于获取所述日期文本中每个字符对应的所述目标实体类别。
根据本公开的一个或多个实施例，示例4提供了示例3的方法，所述年分类模块包括第一分类器，第二分类器，第三分类器以及第四分类器，所述月分类模块包括第五分类器，所述日分类模块包括第六分类器，所述字符实体类别检测模块包括第七分类器，所述预设日期识别模型用于：
通过所述编码器获取所述待识别文本对应的目标文本特征，所述目标文本特征包括所述日期文本的上下文语义信息；
通过所述第一分类器根据所述目标文本特征识别所述日期文本对应年份数据中的第一位目标数字，通过所述第二分类器根据所述目标文本特征识别所述日期文本对应年份数据中的第二位目标数字，通过所述第三分类器根据所述目标文本特征识别所述日期文本对应年份数据中的第三位目标数字，通过所述第四分类器根据所述目标文本特征识别所述日期文本对应年份数据中的第四位目标数字；
根据所述第一位目标数字，所述第二位目标数字，所述第三位目标数字，以及所述第四位目标数字，确定所述日期文本对应的所述待定年份；
通过所述第五分类器根据所述目标文本特征识别所述日期文本中月份数据对应的待定月份；
通过所述第六分类器根据所述目标文本特征识别所述日期文本中日数据对应的待定日；
通过所述第七分类器获取所述日期文本中每个字符分别属于每种预设实体类别的概率；
根据所述日期文本中每个字符分别属于每种预设实体类别的概率确定所述字符对应的所述目标实体类别。
根据本公开的一个或多个实施例，示例5提供了示例1的方法，所述预设日期识别模型通过以下方式训练得到：
通过预设语料库中的目标语料文本生成多个日期文本样本，所述日期文本样本包括日期文本标签和日期文本样本中每个字符的命名实体标签；
以所述多个日期文本样本为训练数据，对预设初始模型进行模型训练，以得到所述预设日期识别模型，其中，所述预设初始模型包括初始年分类模块，初始月分类模块，初始日分类模块以及初始字符实体类别检测模块。
根据本公开的一个或多个实施例，示例6提供了示例5的方法，所述根据预设语料库中的目标语料文本生成多个日期文本样本，包括：
从所述预设语料库中获取所述目标语料文本；
通过对所述目标语料文本进行日期更新操作，得到所述目标语料文本对应的多个待定文本样本，所述日期更新操作包括日期添加动作，和/或，日期替换动作；
根据所述待定文本样本生成所述日期文本样本。
根据本公开的一个或多个实施例，示例7提供了示例6的方法，所述根据所述待定文本样本生成所述日期文本样本，包括：
获取预设干扰文本；
将所述预设干扰文本添加至所述待定文本样本；
对添加所述预设干扰文本后的待定文本样本进行模拟字符粘连操作，以得到所述日期文本样本。
根据本公开的一个或多个实施例，示例8提供了示例6的方法，所述根据预设语料库中的目标语料文本生成多个日期文本样本，还包括：
在对所述目标语料文本进行日期添加动作的情况下，将添加的第一日期作为所述日期文本标签；和/或，
在对所述目标语料文本进行日期替换动作的情况下，将替换后的第二日期作为所述日期文本标签。
根据本公开的一个或多个实施例，示例9提供了示例6的方法，所述根据预设语料库中的目标语料文本生成多个日期文本样本，还包括：
获取所述日期文本标签中每个数字的目标位置信息；
根据所述日期文本标签中每个数字的所述目标位置信息生成所述日期文本样本中每个字符的命名实体类别标签。
根据本公开的一个或多个实施例，示例10提供了一种日期识别装置，所述装置包括：
第一获取模块，被配置为获取待识别文本，所述待识别文本包括日期文本；
第二获取模块，被配置为将所述待识别文本输入预设日期识别模型，以获取所述预设日期识别模型输出的目标日期；
其中，所述预设日期识别模型用于，识别所述日期文本对应的待定日期，获取所述日期文本中每个字符对应的目标实体类别，根据所述日期文本中每个字符对应的目标实体类别和所述待定日期确定所述日期文本对应的目标日期，所述目标实体类别用于表征所述字符是否为与日期数字相关的指定字符，以及在所述字符为与日期数字相关的指定字符时，所述字符对应数字在日期中的位置信息。
根据本公开的一个或多个实施例，示例11提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现以上示例1-9中任一项所述方法的步骤。
根据本公开的一个或多个实施例，示例12提供了一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现以上示例1-9中任一项所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
Claims (12)
1.一种日期识别方法，其特征在于，所述方法包括：
获取待识别文本，所述待识别文本包括日期文本；
将所述待识别文本输入预设日期识别模型，以获取所述预设日期识别模型输出的目标日期；
其中，所述预设日期识别模型用于，识别所述日期文本对应的待定日期，获取所述日期文本中每个字符对应的目标实体类别，根据所述日期文本中每个字符对应的目标实体类别和所述待定日期确定所述日期文本对应的目标日期，所述目标实体类别用于表征所述字符是否为与日期数字相关的指定字符，以及在所述字符为与日期数字相关的指定字符时，所述字符对应数字在日期中的位置信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述日期文本中每个字符对应的目标实体类别和所述待定日期确定所述日期文本对应的目标日期，包括：
获取所述待定日期中每个数字对应的指定实体类别；
在所述待定日期中每个数字对应的所述指定实体类别与所述数字在所述日期文本中对应字符的所述目标实体类别一致的情况下，将所述待定日期确定为所述目标日期。
3.根据权利要求1所述的方法，其特征在于，所述待定日期包括待定年份，待定月份，以及待定日，所述预设日期识别模型包括编码器，以及与所述编码器耦合的年分类模块，月分类模块，日分类模块和字符实体类别检测模块；
所述年分类模块，用于识别所述日期文本中的所述待定年份，所述年分类模块包括多个分类器，不同的分类器用于识别所述待定年份中不同位置的数字；
所述月分类模块，用于识别所述日期文本中的待定月份；
所述日分类模块，用于识别所述日期文本中的待定日；
所述字符实体类别检测模块，用于获取所述日期文本中每个字符对应的所述目标实体类别。
4.根据权利要求3所述的方法，其特征在于，所述年分类模块包括第一分类器，第二分类器，第三分类器以及第四分类器，所述月分类模块包括第五分类器，所述日分类模块包括第六分类器，所述字符实体类别检测模块包括第七分类器，所述预设日期识别模型用于：
通过所述编码器获取所述待识别文本对应的目标文本特征，所述目标文本特征包括所述日期文本的上下文语义信息；
通过所述第一分类器根据所述目标文本特征识别所述日期文本对应年份数据中的第一位目标数字，通过所述第二分类器根据所述目标文本特征识别所述日期文本对应年份数据中的第二位目标数字，通过所述第三分类器根据所述目标文本特征识别所述日期文本对应年份数据中的第三位目标数字，通过所述第四分类器根据所述目标文本特征识别所述日期文本对应年份数据中的第四位目标数字；
根据所述第一位目标数字，所述第二位目标数字，所述第三位目标数字，以及所述第四位目标数字，确定所述日期文本对应的所述待定年份；
通过所述第五分类器根据所述目标文本特征识别所述日期文本中月份数据对应的待定月份；
通过所述第六分类器根据所述目标文本特征识别所述日期文本中日数据对应的待定日；
通过所述第七分类器获取所述日期文本中每个字符分别属于每种预设实体类别的概率；
根据所述日期文本中每个字符分别属于每种预设实体类别的概率确定所述字符对应的所述目标实体类别。
5.根据权利要求1所述的方法，其特征在于，所述预设日期识别模型通过以下方式训练得到：
通过预设语料库中的目标语料文本生成多个日期文本样本，所述日期文本样本包括日期文本标签和日期文本样本中每个字符的命名实体标签；
以所述多个日期文本样本为训练数据，对预设初始模型进行模型训练，以得到所述预设日期识别模型，其中，所述预设初始模型包括初始年分类模块，初始月分类模块，初始日分类模块以及初始字符实体类别检测模块。
6.根据权利要求5所述的方法，其特征在于，所述根据预设语料库中的目标语料文本生成多个日期文本样本，包括：
从所述预设语料库中获取所述目标语料文本；
通过对所述目标语料文本进行日期更新操作，得到所述目标语料文本对应的多个待定文本样本，所述日期更新操作包括日期添加动作，和/或，日期替换动作；
根据所述待定文本样本生成所述日期文本样本。
7.根据权利要求6所述的方法，其特征在于，所述根据所述待定文本样本生成所述日期文本样本，包括：
获取预设干扰文本；
将所述预设干扰文本添加至所述待定文本样本；
对添加所述预设干扰文本后的待定文本样本进行模拟字符粘连操作，以得到所述日期文本样本。
8.根据权利要求6所述的方法，其特征在于，所述根据预设语料库中的目标语料文本生成多个日期文本样本，还包括：
在对所述目标语料文本进行日期添加动作的情况下，将添加的第一日期作为所述日期文本标签；和/或，
在对所述目标语料文本进行日期替换动作的情况下，将替换后的第二日期作为所述日期文本标签。
9.根据权利要求6所述的方法，其特征在于，所述根据预设语料库中的目标语料文本生成多个日期文本样本，还包括：
获取所述日期文本标签中每个数字的目标位置信息；
根据所述日期文本标签中每个数字的所述目标位置信息生成所述日期文本样本中每个字符的命名实体类别标签。
10.一种日期识别装置，其特征在于，所述装置包括：
第一获取模块，被配置为获取待识别文本，所述待识别文本包括日期文本；
第二获取模块，被配置为将所述待识别文本输入预设日期识别模型，以获取所述预设日期识别模型输出的目标日期；
其中，所述预设日期识别模型用于，识别所述日期文本对应的待定日期，获取所述日期文本中每个字符对应的目标实体类别，根据所述日期文本中每个字符对应的目标实体类别和所述待定日期确定所述日期文本对应的目标日期，所述目标实体类别用于表征所述字符是否为与日期数字相关的指定字符，以及在所述字符为与日期数字相关的指定字符时，所述字符对应数字在日期中的位置信息。
11.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-9中任一项所述方法的步骤。
12.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-9中任一项所述方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210113138.7A CN114444508A (zh) | 2022-01-29 | 2022-01-29 | 日期识别方法、装置、可读介质及电子设备 |
| PCT/CN2023/070269 WO2023142914A1 (zh) | 2022-01-29 | 2023-01-04 | 日期识别方法、装置、可读介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210113138.7A CN114444508A (zh) | 2022-01-29 | 2022-01-29 | 日期识别方法、装置、可读介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114444508A true CN114444508A (zh) | 2022-05-06 |
Family
ID=81371887
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210113138.7A Pending CN114444508A (zh) | 2022-01-29 | 2022-01-29 | 日期识别方法、装置、可读介质及电子设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114444508A (zh) |
| WO (1) | WO2023142914A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023142914A1 (zh) * | 2022-01-29 | 2023-08-03 | 北京有竹居网络技术有限公司 | 日期识别方法、装置、可读介质及电子设备 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117725908B (zh) * | 2024-02-07 | 2024-05-24 | 青岛海尔科技有限公司 | 一种自然语言处理中的时间解析方法、装置及设备 |
| CN118658153A (zh) * | 2024-08-21 | 2024-09-17 | 大连亚明汽车部件股份有限公司 | 一种基于机器视觉的压铸件时间标识识别方法及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060047500A1 (en) * | 2004-08-31 | 2006-03-02 | Microsoft Corporation | Named entity recognition using compiler methods |
| CN108491787A (zh) * | 2018-03-20 | 2018-09-04 | 上海眼控科技股份有限公司 | 一种用于财务报表的日期检测与识别方法及装置 |
| CN110399616A (zh) * | 2019-07-31 | 2019-11-01 | 国信优易数据有限公司 | 命名实体检测方法、装置、电子设备及可读存储介质 |
| CN112712085A (zh) * | 2020-12-28 | 2021-04-27 | 哈尔滨工业大学 | 一种提取多语言pdf文档中日期的方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007128160A (ja) * | 2005-11-01 | 2007-05-24 | Toshiba Corp | 情報処理装置 |
| US20180101750A1 (en) * | 2016-10-11 | 2018-04-12 | Xerox Corporation | License plate recognition with low-rank, shared character classifiers |
| CN108960233A (zh) * | 2018-06-13 | 2018-12-07 | 北京小米移动软件有限公司 | 识别身份证有效期的方法及装置 |
| CN110443159A (zh) * | 2019-07-17 | 2019-11-12 | 新华三大数据技术有限公司 | 数字识别方法、装置、电子设备及存储介质 |
| CN113762160B (zh) * | 2021-09-08 | 2024-09-17 | 深圳前海环融联易信息科技服务有限公司 | 一种日期提取方法、装置、计算机设备及存储介质 |
| CN114444508A (zh) * | 2022-01-29 | 2022-05-06 | 北京有竹居网络技术有限公司 | 日期识别方法、装置、可读介质及电子设备 |
-
2022
- 2022-01-29 CN CN202210113138.7A patent/CN114444508A/zh active Pending
-
2023
- 2023-01-04 WO PCT/CN2023/070269 patent/WO2023142914A1/zh unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060047500A1 (en) * | 2004-08-31 | 2006-03-02 | Microsoft Corporation | Named entity recognition using compiler methods |
| CN108491787A (zh) * | 2018-03-20 | 2018-09-04 | 上海眼控科技股份有限公司 | 一种用于财务报表的日期检测与识别方法及装置 |
| CN110399616A (zh) * | 2019-07-31 | 2019-11-01 | 国信优易数据有限公司 | 命名实体检测方法、装置、电子设备及可读存储介质 |
| CN112712085A (zh) * | 2020-12-28 | 2021-04-27 | 哈尔滨工业大学 | 一种提取多语言pdf文档中日期的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 孟迎: "基于统计的机器学习的中文命名实体识别", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 04, 15 December 2004 (2004-12-15), pages 140 - 59 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023142914A1 (zh) * | 2022-01-29 | 2023-08-03 | 北京有竹居网络技术有限公司 | 日期识别方法、装置、可读介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023142914A1 (zh) | 2023-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111177393B (zh) | 一种知识图谱的构建方法、装置、电子设备及存储介质 | |
| CN111274815B (zh) | 用于挖掘文本中的实体关注点的方法和装置 | |
| CN114444508A (zh) | 日期识别方法、装置、可读介质及电子设备 | |
| CN112906380B (zh) | 文本中角色的识别方法、装置、可读介质和电子设备 | |
| CN112883968B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
| CN112364829B (zh) | 一种人脸识别方法、装置、设备及存储介质 | |
| CN113158656B (zh) | 讽刺内容识别方法、装置、电子设备以及存储介质 | |
| CN112883967B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
| CN113408507B (zh) | 基于履历文件的命名实体识别方法、装置和电子设备 | |
| CN112364653A (zh) | 用于语音合成的文本分析方法、装置、服务器和介质 | |
| CN112906381B (zh) | 对话归属的识别方法、装置、可读介质和电子设备 | |
| CN114445813A (zh) | 一种字符识别方法、装置、设备及介质 | |
| CN113140012B (zh) | 图像处理方法、装置、介质及电子设备 | |
| CN116912847A (zh) | 一种医学文本识别方法、装置、计算机设备及存储介质 | |
| CN112309389A (zh) | 信息交互方法和装置 | |
| CN111462548A (zh) | 一种段落点读方法、装置、设备和可读介质 | |
| CN115630166A (zh) | 一种信息提取方法、装置、电子设备及存储介质 | |
| CN112528674B (zh) | 文本处理方法、模型的训练方法、装置、设备及存储介质 | |
| CN115937888A (zh) | 文档比对方法、装置、设备和介质 | |
| CN111914535B (zh) | 一种单词识别方法、装置、计算机设备和存储介质 | |
| CN113887724A (zh) | 一种基于深度学习的文本训练增强方法与系统 | |
| CN118097674B (zh) | 基于深度学习的企业文本信息智能自动审核方法与装置 | |
| CN114495111B (zh) | 文本识别方法、装置、可读介质及电子设备 | |
| CN109934279A (zh) | 基于人工智能的文本序列的图像识别方法 | |
| CN118823811A (zh) | 图像处理方法、装置、存储介质、电子设备及程序产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |