一种文本信息抽取方法、装置、设备及介质与流程

本发明涉及数据处理，尤其涉及一种文本信息抽取方法、装置、设备及介质。

背景技术：

1、在产险理赔业务中，人伤案件约占全部理赔案件的35%，其申报材料大量以非结构化文本形式存在，给传统技术处理带来严峻挑战。首先，通用命名实体识别（ner）模型在面对“伤情等级”“费用明细”等高度定制化的理赔字段时，抽取准确率不足60%，难以满足业务对精细信息提取的需求。其次，即便引入大模型进行生成式解析，其自由输出也常导致结果结构混乱、格式不一，必须依赖人工二次清洗，这部分额外耗时已占单案处理总时间的40%，严重拖累作业效率。更关键的是，整个流程缺乏面向理赔规则的业务逻辑校验，错误数据一旦流入核赔系统，便会引发高达25%的退单率，不仅大幅增加重复处理成本，更损害了客户体验，同时埋下合规风险，亟需构建兼顾精准抽取、结构化生成与业务校验的智能化解决方案。

2、在金融科技领域，自动化理赔流程中的数据质量与风控能力存在明显短板。针对车险人伤案件的定制化字段抽取精度不足，直接削弱了金融科技系统对索赔金额、责任比例、免赔额等财务要素的自动计算能力，导致理赔定价和准备金评估缺乏可靠的数据基础，影响资金流管理的准确性。大模型生成的非结构化输出需要人工二次清理，不仅使单案处理时间延长40%，还破坏了端到端自动化作业的流畅性，降低了金融科技本该具备的高效响应与成本集约优势。更为严峻的是，核赔阶段缺乏嵌入式的业务逻辑校验，如费率规则、赔付上限、重复索赔检测等金融风控策略无法实时生效，致使错误数据触发高达25%的退单率，这不仅推高了运营成本和客户投诉率，更暴露了系统在合规内控、反欺诈监测及监管报送方面的脆弱性，亟需通过融合领域知识图谱、规则引擎与可解释ai来重塑理赔全链路的智能化决策体系。

技术实现思路

1、本发明的主要目的在于提供一种文本信息抽取方法、装置、设备及存储介质，旨在解决现有非结构化文本抽取准确率不足、输出结构非标准化且依赖人工清洗、以及缺乏业务逻辑校验导致高退单率和合规风险的技术问题。

2、为实现上述目的，本发明提供一种文本信息抽取方法，包括：

3、预先构建抽取模板，向所述抽取模板中注入业务语义元数据，形成带有约束条件的动态模板；

4、基于所述动态模板对待抽取非结构化文本进行信息抽取，输出结构化数据；

5、调用预设的业务策略引擎对所述结构化数据进行多维度逻辑校验，当逻辑校验未通过时，定位错误字段并触发局部修复式重生成机制，直至校验通过；

6、对逻辑校验通过后的结构化数据的各个字段，基于多维度评分指标计算置信度分数，并根据所述置信度分数所处的预设阈值区间，将对应字段分流至不同的处理队列；

7、采集处理队列中的修正记录，基于所述修正记录进行模式分析，得到分析结果，并根据所述分析结果更新所述动态模板。

8、进一步地，为实现上述目的，本发明提供一种文本信息抽取装置，包括：

9、模板构建模块，用于预先构建抽取模板，向所述抽取模板中注入业务语义元数据，形成带有约束条件的动态模板；

10、信息抽取模块，用于基于所述动态模板对待抽取非结构化文本进行信息抽取，输出结构化数据；

11、多轮校验模块，用于调用预设的业务策略引擎对所述结构化数据进行多维度逻辑校验，当逻辑校验未通过时，定位错误字段并触发局部修复式重生成机制，直至校验通过；

12、队列处理模块，用于对逻辑校验通过后的结构化数据的各个字段，基于多维度评分指标计算置信度分数，并根据所述置信度分数所处的预设阈值区间，将对应字段分流至不同的处理队列；

13、模板更新模块，用于采集处理队列中的修正记录，基于所述修正记录进行模式分析，得到分析结果，并根据所述分析结果更新所述动态模板。

14、进一步地，为实现上述目的，本发明还提供一种计算机设备，所述计算机设备包括存储器、处理器以及存储至所述存储器上并可在所述处理器上运行的文本信息抽取程序，所述文本信息抽取程序被所述处理器执行时实现如上述所述的文本信息抽取方法的步骤。

15、进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，所述存储介质上存储有文本信息抽取程序，所述文本信息抽取程序被处理器执行时实现如上所述的文本信息抽取方法的步骤。

16、有益效果：本发明涉及数据处理技术领域，公开了一种文本信息抽取方法、装置、设备及介质，包括：预先构建抽取模板，向所述抽取模板中注入业务语义元数据，形成带有约束条件的动态模板；基于所述动态模板对待抽取非结构化文本进行信息抽取，输出结构化数据；调用预设的业务策略引擎对所述结构化数据进行多维度逻辑校验，当逻辑校验未通过时，定位错误字段并触发局部修复式重生成机制，直至校验通过；对逻辑校验通过后的结构化数据的各个字段，基于多维度评分指标计算置信度分数，并根据所述置信度分数所处的预设阈值区间，将对应字段分流至不同的处理队列；采集处理队列中的修正记录，基于所述修正记录进行模式分析，得到分析结果，并根据所述分析结果更新所述动态模板。本发明可应用于金融科技等业务场景中，通过预先构建带业务约束的动态抽取模板，结合策略引擎进行多维校验与局部修复，并依据置信度分流处理，同时基于修正记录持续优化模板，从而提升非结构化文本的结构化抽取准确性与适应性，保障数据质量与处理效率。

1.一种文本信息抽取方法，其特征在于，包括以下步骤：

2.如权利要求1所述的文本信息抽取方法，其特征在于，预先构建抽取模板，向所述抽取模板中注入业务语义元数据，形成带有约束条件的动态模板，包括：

3.如权利要求1所述的文本信息抽取方法，其特征在于，基于所述动态模板对待抽取非结构化文本进行信息抽取，输出结构化数据，包括：

4.如权利要求1所述的文本信息抽取方法，其特征在于，调用预设的业务策略引擎对所述结构化数据进行多维度逻辑校验，当逻辑校验未通过时，定位错误字段并触发局部修复式重生成机制，直至校验通过，包括：

5.如权利要求1所述的文本信息抽取方法，其特征在于，当逻辑校验未通过时，定位错误字段并触发局部修复式重生成机制，直至校验通过，包括：

6.如权利要求1所述的文本信息抽取方法，其特征在于，对逻辑校验通过后的结构化数据的各个字段，基于多维度评分指标计算置信度分数，并根据所述置信度分数所处的预设阈值区间，将对应字段分流至不同的处理队列，包括：

7.如权利要求6所述的文本信息抽取方法，其特征在于，采集处理队列中的修正记录，基于所述修正记录进行模式分析，得到分析结果，并根据所述分析结果更新所述动态模板，包括：

8.一种文本信息抽取装置，其特征在于，所述文本信息抽取装置包括：

9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器以及存储至所述存储器上并可以在所述处理器上运行的文本信息抽取程序，所述文本信息抽取程序被所述处理器执行时实现如权利要求1-7中任一项所述的文本信息抽取方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有文本信息抽取程序，所述文本信息抽取程序被处理器执行时实现如权利要求1-7中任一项所述的文本信息抽取方法的步骤。