公开(公告)号：CN112818645A

公开(公告)日：2021-05-18

申请号：CN202110145267.X

申请日：2021-02-02

申请人： 广州楹鼎生物科技有限公司

发明人： 钟实 ,  张睿哲 ,  宋悦飞 ,  潘志锋

IPC分类号： G06F40/166 ,  G06F40/169 ,  G06F40/279 ,  G06F40/284 ,  G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  G06F16/31

摘要： 本发明公开了一种化学信息抽取方法、装置、设备及存储介质。方法包括：获取化工文档，从化工文档中分离出图像和文本，从图像中提取出化学结构和用于标注化学结构的标签，建立化学结构与标签的映射关系，得到第一存储信息，从文本中提取出化学实体以及化学实体间的关联关系，得到第二存储信息，将第一存储信息和第二存储信息存储到化学数据库中。可以自动对化工文档进行扫描，从非结构化或半结构化的数据中提取出结构化的数据，便于数据管理，对化工行业的科研、生产、实验提供巨大的帮助。此外，由于无需人工手动，节省了人力成本，同时降低了输入错误，提高了数据更新速度。

公开(公告)号：CN112699668B

公开(公告)日：2024-09-20

申请号：CN202110007886.2

申请日：2021-01-05

申请人： 广州楹鼎生物科技有限公司

发明人： 钟实 ,  张睿哲 ,  宋悦飞 ,  潘志锋

IPC分类号： G06F40/216 ,  G06F16/35 ,  G16C20/70

摘要： 本发明公开了一种化学信息抽取模型的训练方法、抽取方法、装置、设备及存储介质。训练方法包括：获取训练集，训练集包括多条化工语句样本，化工语句样本标注有参考化学信息，对化工语句样本中的字符进行表征，得到各字符的表征向量，将表征向量输入化学信息抽取模型中进行处理，得到化工语句样本中存在参考化学信息的概率，基于概率和参考化学信息计算化工语句样本的交叉熵损失，基于交叉熵损失更新化学信息抽取模型的参数。通过上述化学信息抽取模型的训练方法训练出化学信息抽取模型，以便从包含非/半结构化数据的化学信息的化工文献中提取结构化数据，便于数据管理，对化工行业的科研、生产、实验提供巨大的帮助。

公开(公告)号：CN112699668A

公开(公告)日：2021-04-23

申请号：CN202110007886.2

申请日：2021-01-05

申请人： 广州楹鼎生物科技有限公司

发明人： 钟实 ,  张睿哲 ,  宋悦飞 ,  潘志锋

IPC分类号： G06F40/216 ,  G06F16/35 ,  G16C20/70

摘要： 本发明公开了一种化学信息抽取模型的训练方法、抽取方法、装置、设备及存储介质。训练方法包括：获取训练集，训练集包括多条化工语句样本，化工语句样本标注有参考化学信息，对化工语句样本中的字符进行表征，得到各字符的表征向量，将表征向量输入化学信息抽取模型中进行处理，得到化工语句样本中存在参考化学信息的概率，基于概率和参考化学信息计算化工语句样本的交叉熵损失，基于交叉熵损失更新化学信息抽取模型的参数。通过上述化学信息抽取模型的训练方法训练出化学信息抽取模型，以便从包含非/半结构化数据的化学信息的化工文献中提取结构化数据，便于数据管理，对化工行业的科研、生产、实验提供巨大的帮助。