信息提取

【问题标题】：Information Extraction信息提取
【发布时间】：2020-02-05 07:07:26
【问题描述】：

我正在寻找使用机器学习/NLP/深度学习技术从发票中提取信息的步骤/流程。要遵循的步骤/流程是什么？

该方法需要在下面进行说明

假设有来自 2 个供应商的发票，需要如何创建模型来提取以下字段中提到的值？它会有关键字提取吗？是否需要实施自定义 NER，如果需要，如何实施？应该如何为此创建训练数据？

发票编号发票日期发票金额地址

【问题讨论】：

【解决方案1】：

您可以使用 SpaCy 训练您的自定义 NER。 SpaCy 需要一种特定的输入格式，其中包含每个实体的开始和结束索引及其标签。可以参考 SpaCy 文档：https://spacy.io/usage/training

【讨论】：

谢谢，我提到过这个。这是最好的选择吗？您是否知道任何其他方法可以解决此问题？
我只尝试过 SpaCy NER，另一个流行的选项是斯坦福 NER。我认为可以更好地看到上下文的更高级的 NER 是 BERT-NER (github.com/kyzhouhzau/BERT-NER)。