一种面向结构化文本识别的快速反绎学习方法及装置

本发明公开一种面向结构化文本识别的快速反绎学习方法及装置，利用机器学习模型学习获取的知识库内文本符号序列，选择概率最高的文本符号作为概率预测信息，再使用神经网络模型预测所述文本符号序列中符号之间的关系。结合概率预测信息和符号之间的关系得到属于常量的概率序列，再基于属于常量的概率序列生成离散布尔序列输入原反绛学习架构进行逻辑推理。本发明赋予了反绎学习类似于人类专家的基于文本符号的元推理能力，只需少量的试错尝试就能取得可观的成果。另外，还能够使面向结构化文本识别的快速反绎学习更加高效且严谨，有效减少反绎学习中逻辑推理模块的运行次数，显著提升了反绎学习的效率。