以文本关键信息抽取为案例的人工智能综合实践课程设计  

Experimental Design for Key Information Extraction from Unstructured Texts Based on Deep Learning

作　　者：邹亮 宁琪玥 孟振 董燕飞 雷萌 Zou Liang;Ning Qiyue;Meng Zhen;Dong Yanfei;Lei Meng

机构地区：[1]中国矿业大学信息与控制工程学院,江苏徐州221116 [2]河南城建学院电气与控制工程学院,河南平顶山467044

出　　处：《山东高等教育》2025年第1期50-55,91,共7页Review of Higher Education

基　　金：国家自然科学基金“多模数据驱动与领域知识引导的煤岩显微组分自动识别方法研究”(62373360);中国矿业大学教学研究项目重大课题“以行业特色项目为载体的人工智能课程群实践教学创新研究”(子课题,2022ZDKT03-208);徐州市自然科学基金-基础研究计划“数据与知识协同驱动的煤岩显微组分识别方法及关键技术研究(青年人才)”(KC22020);河南省高等教育教学改革研究与实践项目(本科教育类)“研创双驱、产教联动—面向新工科的电气信息类应用型人才培养模式探索与实践”(2024SJGLX0476)的阶段性成果。

摘　　要：针对人工智能综合实践课程存在算法理论抽象、实际工程案例稀缺等问题,设计了非结构化关键信息抽取实验。实验采用渐进式尺度扩展网络、ABINet、VI-Layout XLM等11种先进的深度学习网络结构,构建了光学字符识别模型和关键信息抽取模型,开发涵盖文本检测、文本识别以及关系提取等环节的综合性实验平台,实现对非结构化文本中文字位置和内容的精确识别及重要信息的提取。通过实验,能够提升学生运用深度学习方法解决实际工程问题的能力,激发学生在人工智能领域的创新思维和科研兴趣,进而培养拔尖创新人才推动新质生产力发展。We designed a hands-on experiment focused on extracting key information from unstructured texts.This experiment integrates eleven advanced deep learning architectures,including the Progressive Scale Expansion Network,ABINet,and VI-LayoutXLM.It involves building optical character recognition(OCR)models,key information extraction models,and a comprehensive experimental platform that covers text detection,text recognition,and relationship extraction.The platform aims to accurately identify text positions and contents in unstructured texts and extract critical information.Through this experiment,students are expected to improve their ability to apply deep learning techniques to solve real-world engineering problems,fostering innovative thinking and research interest in artificial intelligence.Ultimately,the goal is to cultivate top-tier innovative talent to advance new quality productivity.

关 键 词：非结构化文本 光学字符识别 语义实体识别 关键信息抽取 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术] TP18-4[自动化与计算机技术—计算机科学与技术] G642.3[文化科学—高等教育学]