CN108228567B - 用于提取组织机构的简称的方法和装置 - Google Patents
用于提取组织机构的简称的方法和装置 Download PDFInfo
- Publication number
- CN108228567B CN108228567B CN201810045722.7A CN201810045722A CN108228567B CN 108228567 B CN108228567 B CN 108228567B CN 201810045722 A CN201810045722 A CN 201810045722A CN 108228567 B CN108228567 B CN 108228567B
- Authority
- CN
- China
- Prior art keywords
- sample
- organization mechanism
- word sequence
- words
- name
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/258—Heading extraction; Automatic titling; Numbering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本申请实施例公开了用于提取组织机构的简称的方法和装置。该方法的一具体实施方式包括:获取目标组织机构的全称;对目标组织机构的全称进行分词,得到目标组织机构的全称的词语序列;生成目标组织机构的全称的词语序列中的词语的特征向量,其中,词语的特征向量用于描述词语所具有的特征;将目标组织机构的全称的词语序列中的词语的特征向量输入至预先训练的简称提取模型,得到目标组织机构的简称,其中,简称提取模型用于提取组织机构的简称。该实施方式利用简称提取模型提取组织机构的简称,提高了所提取出的组织机构的简称的准确度。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及用于提取组织机构的简称的方法和装置。
背景技术
组织机构是指依法设立的机关、事业、企业、社团及其他依法成立的单位,可以包括政府部门、科研单位、各类院校、公司企业、国际组织等。在日常生活中,对于全称较长的组织机构,我们习惯用其约定俗成的简称来代替。同时,在互联网上,与组织机构相关的信息中也通常只出现组织机构的简称。因此,若要从互联网上获取较为全面的、与组织机构相关的信息,就需要识别出组织机构的简称。
现有的组织机构的简称提取方式通常是模式匹配方式,即,将组织机构的全称划分成开始部分、关键部分、行业部分和组织部分,然后通过词典和规则的方式匹配出组织机构的简称。
发明内容
本申请实施例提出了用于提取组织机构的简称的方法和装置。
第一方面,本申请实施例提供了一种用于提取组织机构的简称的方法,该方法包括:获取目标组织机构的全称;对目标组织机构的全称进行分词,得到目标组织机构的全称的词语序列;生成目标组织机构的全称的词语序列中的词语的特征向量,其中,词语的特征向量用于描述词语所具有的特征;将目标组织机构的全称的词语序列中的词语的特征向量输入至预先训练的简称提取模型,得到目标组织机构的简称,其中,简称提取模型用于提取组织机构的简称。
在一些实施例中,生成目标组织机构的全称的词语序列中的词语的特征向量,包括:执行以下至少一项操作:将目标组织机构的全称的词语序列中的词语输入至预先训练的文本深度表示模型,得到目标组织机构的全称的词语序列中的词语的词向量,其中,文本深度表示模型用于生成词语的词向量;对目标组织机构的全称的词语序列中的词语进行词性分析,得到目标组织机构的全称的词语序列中的词语的词性特征向量和权重特征向量;对目标组织机构的全称的词语序列中的词语进行地点分析,得到目标组织机构的全称的词语序列中的词语的地点特征向量;对目标组织机构的全称的词语序列中的词语进行行业分析,得到目标组织机构的全称的词语序列中的词语的行业特征向量;基于以上至少一项操作的结果,生成目标组织机构的全称的词语序列中的词语的特征向量。
在一些实施例中,简称提取模型包括长短期记忆网络和条件随机场模型。
在一些实施例中,简称提取模型是通过如下步骤训练得到的:获取样本,其中,样本包括样本组织机构的全称的词语序列和样本组织机构的全称的词语序列的简称标注结果;生成样本组织机构的全称的词语序列的词语的特征向量;将样本组织机构的全称的词语序列的词语的特征向量作为输入,将样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到简称提取模型。
在一些实施例中,将样本组织机构的全称的词语序列的词语的特征向量作为输入,将样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到简称提取模型,包括:从样本中选取出第一预设数目的样本作为训练样本,并从样本中选取出第二预设数目的样本作为测试样本;将训练样本中的样本组织机构的全称的词语序列的词语的特征向量作为输入,将训练样本中的样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到待测试简称提取模型;将测试样本中的样本组织机构的全称的词语序列的词语的特征向量输入至待测试简称提取模型,得到测试样本中的样本组织机构的简称;将测试样本中的样本组织机构的简称与测试样本中的样本组织机构的全称的词语序列的简称标注结果进行比较,得到待测试简称提取模型的准确率;响应于确定准确率达到预设准确率阈值,将待测试简称提取模型作为简称提取模型。
在一些实施例中,样本是通过如下步骤得到的:获取组织机构的全称;获取利用组织机构的全称进行搜索所得到的与组织机构相关的信息;基于与组织机构相关的信息,对组织机构进行分层;对分层后的组织机构进行分层抽样,得到样本组织机构;对样本组织机构的全称进行分词,得到样本组织机构的全称的词语序列;接收对样本组织机构的全称的词语序列进行的人工标注,得到样本组织机构的全称的词语序列的简称标注结果。
在一些实施例中,该方法还包括:获取利用目标组织机构的全称和简称进行搜索所得到与目标组织机构相关的信息;输出与目标组织机构相关的信息。
第二方面,本申请实施例提供了一种用于提取组织机构的简称的装置,该装置包括:第一获取单元,配置用于获取目标组织机构的全称;分词单元,配置用于对目标组织机构的全称进行分词,得到目标组织机构的全称的词语序列;生成单元,配置用于生成目标组织机构的全称的词语序列中的词语的特征向量,其中,词语的特征向量用于描述词语所具有的特征;提取单元,配置用于将目标组织机构的全称的词语序列中的词语的特征向量输入至预先训练的简称提取模型,得到目标组织机构的简称,其中,简称提取模型用于提取组织机构的简称。
在一些实施例中,生成单元进一步配置用于:执行以下至少一项操作:将目标组织机构的全称的词语序列中的词语输入至预先训练的文本深度表示模型,得到目标组织机构的全称的词语序列中的词语的词向量,其中,文本深度表示模型用于生成词语的词向量;对目标组织机构的全称的词语序列中的词语进行词性分析,得到目标组织机构的全称的词语序列中的词语的词性特征向量和权重特征向量;对目标组织机构的全称的词语序列中的词语进行地点分析,得到目标组织机构的全称的词语序列中的词语的地点特征向量;对目标组织机构的全称的词语序列中的词语进行行业分析,得到目标组织机构的全称的词语序列中的词语的行业特征向量;基于以上至少一项操作的结果,生成目标组织机构的全称的词语序列中的词语的特征向量。
在一些实施例中,简称提取模型包括长短期记忆网络和条件随机场模型。
在一些实施例中,该装置还包括模型训练单元,模型训练单元包括:第一获取子单元,配置用于获取样本,其中,样本包括样本组织机构的全称的词语序列和样本组织机构的全称的词语序列的简称标注结果;生成子单元,配置用于生成样本组织机构的全称的词语序列的词语的特征向量;训练子单元,配置用于将样本组织机构的全称的词语序列的词语的特征向量作为输入,将样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到简称提取模型。
在一些实施例中,训练子单元包括:选取模块,配置用于从样本中选取出第一预设数目的样本作为训练样本,并从样本中选取出第二预设数目的样本作为测试样本;训练模块,配置用于将训练样本中的样本组织机构的全称的词语序列的词语的特征向量作为输入,将训练样本中的样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到待测试简称提取模型;提取模块,配置用于将测试样本中的样本组织机构的全称的词语序列的词语的特征向量输入至待测试简称提取模型,得到测试样本中的样本组织机构的简称;比较模块,配置用于将测试样本中的样本组织机构的简称与测试样本中的样本组织机构的全称的词语序列的简称标注结果进行比较,得到待测试简称提取模型的准确率;确定模块,配置用于响应于确定准确率达到预设准确率阈值,将待测试简称提取模型作为简称提取模型。
在一些实施例中,该装置还包括样本生成单元,样本生成单元包括:第二获取子单元,配置用于获取组织机构的全称;第三获取子单元,配置用于获取利用组织机构的全称进行搜索所得到的与组织机构相关的信息;分层子单元,配置用于基于与组织机构相关的信息,对组织机构进行分层;抽样子单元,配置用于对分层后的组织机构进行分层抽样,得到样本组织机构;分词子单元,配置用于对样本组织机构的全称进行分词,得到样本组织机构的全称的词语序列;标注子单元,配置用于接收对样本组织机构的全称的词语序列进行的人工标注,得到样本组织机构的全称的词语序列的简称标注结果。
在一些实施例中,该装置还包括:第二获取单元,配置用于获取利用目标组织机构的全称和简称进行搜索所得到与目标组织机构相关的信息;输出单元,配置用于输出与目标组织机构相关的信息。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于提取组织机构的简称的方法和装置,通过对所获取的目标组织机构的全称进行分词,从而得到目标组织机构的全称的词语序列;然后生成目标组织机构的全称的词语序列的词语的特征向量;最后将目标组织机构的全称的词语序列的词语的特征向量输入至简称提取模型,从而得到目标组织机构的简称。利用简称提取模型提取组织机构的简称,提高了所提取出的组织机构的简称的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于提取组织机构的简称的方法的一个实施例的流程图;
图3是根据本申请的用于训练简称提取模型的方法的一个实施例的流程图;
图4是根据本申请的用于生成样本的方法的一个实施例的流程图;
图5是根据本申请的用于提取组织机构的简称的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于提取组织机构的简称的方法或用于提取组织机构的简称的装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络105可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以提供各种服务,例如,服务器105可以对获取到的目标组织机构的全称等进行分析等处理,并生成处理结果(例如目标组织机构的简称)。
需要说明的是,本申请实施例所提供的用于提取组织机构的简称的方法一般由服务器105执行,相应地,用于提取组织机构的简称的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。在服务器105本地存储有目标组织机构的全称的情况下,系统架构100可以不设置终端设备101、102、103。
继续参考图2,其示出了根据本申请的用于提取组织机构的简称的方法的一个实施例的流程200。该用于提取组织机构的简称的方法,包括以下步骤:
步骤201,获取目标组织机构的全称。
在本实施例中,用于提取组织机构的简称的方法运行于其上的电子设备(例如图1所示的服务器105)可以从本地或与其通信连接的终端设备(例如图1所示的终端设备101、102、103)获取目标组织机构的全称。其中,组织机构是指依法设立的机关、事业、企业、社团及其他依法成立的单位,可以包括政府部门、科研单位、各类院校、公司企业、国际组织等。作为示例,若组织机构是公司企业,则组织机构的全称可以例如是“北京XX网讯科技有限公司”、“深圳市YY计算机系统有限公司”等;若组织机构是各类院校,则组织机构的全称可以例如是“中国科学技术大学”、“北京邮电大学”等。目标组织机构可以是待提取简称的任意一个组织机构。
步骤202,对目标组织机构的全称进行分词,得到目标组织机构的全称的词语序列。
在本实施例中,基于步骤201所获取的目标组织机构的全称,电子设备可以利用中文分词技术对目标组织机构的全称进行分词,从而得到目标组织机构的全称的词语序列。其中,中文分词技术指的是将一个汉字序列切分成一个一个单独的词。分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。。现有的分词方法主要分为三大类:基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。作为示例,若目标组织机构的全称是“深圳市YY计算机系统有限公司”,则目标组织机构的全称的词语序列可以例如是“深圳、市、YY、计算、机、系统、有限、公司”。
需要说明的是,中文分词技术的各种分词方法是目前广泛研究和应用的公知技术,在此不再赘述。
步骤203,生成目标组织机构的全称的词语序列中的词语的特征向量。
在本实施例中,基于步骤202所得到的目标组织机构的全称的词语序列,电子设备可以生成目标组织机构的全称的词语序列中的词语的特征向量。其中,词语的特征向量可以用于描述词语所具有的特征。词语所具有的特征可以包括但不限于词语的词性特征、词语的类别特征、词语的重要度特征等等。
在本实施例的一些可选的实现方式中,电子设备可以通过如下步骤生成目标组织机构的全称的词语序列中的词语的特征向量:
首先,执行以下至少一项操作:
1、将目标组织机构的全称的词语序列中的词语输入至预先训练的、用于生成词语的词向量的文本深度表示模型,得到目标组织机构的全称的词语序列中的词语的词向量。
实践中,文本深度表示模型Word2Vec可以把文本内容的处理简化为K(K为正整数)维向量空间中的向量运算,而向量空间上的相似度可以用来表示文本语义上的相似度。这里,Word2Vec可以是根据目标组织机构的全称中的每个词语的上下文关系,把每个词语的关系映射到同一坐标系下,构成了一个大矩阵,矩阵下反映了每个词语的关系,这些词语的关系是通过上下文相关得出来的。Word2Vec可以包括skip-gram模型和CBOW模型。其中,skip-gram模型可以根据当前词来预测周围的词,CBOW模型可以根据周围词来预测当前词。因此,这里可以利用Word2Vec的skip-gram模型生成词语的词向量,例如,生成256维的词向量。
2、对目标组织机构的全称的词语序列中的词语进行词性分析,得到目标组织机构的全称的词语序列中的词语的词性特征向量和权重特征向量。
实践中,词语的词性可以包括多种类型,例如名词、动词、形容词等等。这里,可以预设N(N为正整数)种词性,对词语进行词性分析后,就可以得到词语的N维词性特征向量。例如,可以预设40种词性,这样,所得到的词语的词性特征向量就可以是40维向量。
实践中,不同词性的词语对应不同的权重。这里,可以预设N种词性所对应的权重特征向量,根据词语的词性可以得到词语的权重特征向量。例如,权重特征向量可以是1维向量,其取值范围是[-1,1]。
3、对目标组织机构的全称的词语序列中的词语进行地点分析,得到目标组织机构的全称的词语序列中的词语的地点特征向量。
实践中,可以将地点词语划分为省、市、县和乡镇四个粒度,并且,每个粒度对应有地点词典。这里,可以将词语在各个粒度对应的地点词典中进行匹配,若匹配不成功,则说明词语不是地点词语,若在某个粒度对应的地点词典中匹配成功,则说明词语是该粒度的地点词语。其中,词语的地点特征向量可以是5维向量,用于表示词语是否是地点词语,是哪个粒度的地点词语。
4、对目标组织机构的全称的词语序列中的词语进行行业分析,得到目标组织机构的全称的词语序列中的词语的行业特征向量。
实践中,可以预设行业词典,行业词典中可以包括例如是“信息技术”、“咨询管理”、“国际贸易”等行业词语。这里,可以将词语在行业词典中进行匹配,若匹配不成功,则说明词语不是行业词语,若匹配成功,则说明词语是行业词语。其中,词语的行业特征向量可以是1维向量,用于表示词语是否是行业词语。
其次,基于以上至少一项操作的结果,生成目标组织机构的全称的词语序列中的词语的特征向量。
这里,电子设备可以选取出以上四项结果中的任意一项,并把所选取出的结果直接作为目标组织机构的全称的词语序列中的词语的特征向量;还可以选取出以上四项结果中的任意几项,并把所选取出的几项结果拼接成一个新的向量,作为目标组织机构的全称的词语序列中的词语的特征向量。例如,可以将256维的词向量、40维的词性特征向量、1维的权重特征向量、5维的地点特征向量和1维的行业特征向量拼接成一个303维的向量。
步骤204,将目标组织机构的全称的词语序列中的词语的特征向量输入至预先训练的简称提取模型,得到目标组织机构的简称。
在本实施例中,基于步骤203所生成的目标组织机构的全称的词语序列中的词语的特征向量,电子设备可以将目标组织机构的全称的词语序列中的词语的特征向量输入至用于提取组织机构的简称的简称提取模型,从而得到目标组织机构的简称。其中,简称提取模型可以用于表征组织机构的全称的词语序列中的词语的特征向量与组织机构的简称之间的对应关系。作为示例,本领域技术人员可以对大量组织机构的全称的词语序列中的词语的特征向量和组织机构的简称进行统计分析,从而制定出存储有多个组织机构的全称的词语序列中的词语的特征向量和组织机构的简称的对应关系表,并将该对应关系表作为简称提取模型。电子设备可以将目标组织机构的全称的词语序列的词语的特征向量在对应关系表中进行匹配,匹配成功的组织机构的简称即为目标组织机构的简称。
在本实施例的一些可选的实现方式中,简称提取模型可以包括长短期记忆网络(Long Short-Term Memory,LSTM)和条件随机场(conditional random fields,CRF)模型。其中,LSTM是一种时间递归神经网络,适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。CRF模型是一种判别式概率模型,常用于标注或分析序列资料,适合捕捉序列前后状态的强依赖关系。这里,将LSTM与CRF模型相结合,兼容了两者优点,使得简称提取模型具有强非线性拟合能力,既能够捕捉长远上下文信息,又能捕捉序列前后状态的强依赖关系。
在本实施例的一些可选的实现方式中,在提取出目标组织机构的简称之后,电子设备可以获取利用目标组织机构的全称和简称进行搜索所得到与目标组织机构相关的信息,并输出与目标组织机构相关的信息。这里,可以将目标组织机构的全称和简称分别作为搜索式在搜索引擎系统中进行搜索,从而获取更加全面的与目标组织机构相关的信息。电子设备可以将所获取到的与目标组织机构相关的信息发送至本领域技术人员的终端设备中,以便于本领域技术人员根据与目标组织机构相关的信息构建目标组织机构的知识图谱。
本申请实施例提供的用于提取组织机构的简称的方法,通过对所获取的目标组织机构的全称进行分词,从而得到目标组织机构的全称的词语序列;然后生成目标组织机构的全称的词语序列的词语的特征向量;最后将目标组织机构的全称的词语序列的词语的特征向量输入至简称提取模型,从而得到目标组织机构的简称。利用简称提取模型提取组织机构的简称,提高了所提取出的组织机构的简称的准确度。
进一步参考图3,其示出了根据本申请的用于训练简称提取模型的方法的一个实施例的流程300,该用于训练简称提取模型的方法的流程300,包括以下步骤:
步骤301,获取样本。
在本实施例中,用于训练简称提取模型的方法运行于其上的电子设备(例如图1所示的服务器105)可以从本地或者与其通信连接的其他设备获取样本。其中,样本可以包括样本组织机构的全称的词语序列和样本组织机构的全称的词语序列的简称标注结果。这里,电子设备可以获取大量组织机构的全称,并对大量组织机构的全称进行分词,从而得到大量组织机构的全称的词语序列。本领域技术人员可以对大量组织机构的全称的词语序列进行简称标注,例如将组织机构的全称的词语序列中属于简称的词语标注为1,将组织机构的全称的词语序列中不属于简称的词语标注为0。这样,就可以将上述全部或部分组织机构的全称的词语序列和组织机构的全称的词语序列的简称标注结果作为样本。
步骤302,生成样本组织机构的全称的词语序列的词语的特征向量。
在本实施例中,基于步骤301所获取的样本,电子设备可以生成样本组织机构的全称的词语序列的词语的特征向量。其中,词语的特征向量可以用于描述词语所具有的特征,词语所具有的特征可以包括但不限于词语的词性特征、词语的类别特征、词语的重要度特征等等。
需要说明的是,生成样本组织机构的全称的词语序列的词语的特征向量的具体操作可以参见步骤203,在此不再赘述。
步骤303,将样本组织机构的全称的词语序列的词语的特征向量作为输入,将样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到简称提取模型。
在本实施例中,电子设备可以将样本组织机构的全称的词语序列的词语的特征向量作为输入,将样本组织机构的全称的词语序列的简称标注结果作为输出,从而训练得到简称提取模型。其中,简称提取模型可以用于表征组织机构的全称的词语序列中的词语的特征向量与组织机构的简称之间的对应关系。
在本实施例的一些可选的实现方式中,电子设备可以通过以下步骤训练得到简称提取模型:
首先,从样本中选取出第一预设数目的样本作为训练样本,并从样本中选取出第二预设数目的样本作为测试样本。
例如,可以选取出90%的样本作为训练样本,剩余10%的样本作为测试样本。
其次,将训练样本中的样本组织机构的全称的词语序列的词语的特征向量作为输入,将训练样本中的样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到待测试简称提取模型。
这里,可以对初始简称提取模型进行训练。初始简称提取模型可以是各种类型的未经训练的神经网络或者对多种未经训练的神经网络进行组合所得到的模型。初始简称提取模型中设置有初始参数,在训练过程中会不断调整初始简称提取模型的参数。例如,可以采用BP(Back Propagation,反向传播)算法或者SGD(Stochastic Gradient Descent,随机梯度下降)算法来调整初始简称提取模型的参数。
再次,将测试样本中的样本组织机构的全称的词语序列的词语的特征向量输入至待测试简称提取模型,得到测试样本中的样本组织机构的简称。
然后,将测试样本中的样本组织机构的简称与测试样本中的样本组织机构的全称的词语序列的简称标注结果进行比较,得到待测试简称提取模型的准确率。
这里,可以比较结果相同的数目与测试样本的数目的比值作为待测试简称提取模型的准确率。
最后,响应于确定准确率达到预设准确率阈值,将待测试简称提取模型作为简称提取模型。
实践中,若准确率达到预设准确率阈值,则说明简称提取模型训练完成,其可以用于表征组织机构的全称的词语序列的词语的特征向量与组织机构的简称之间的对应关系;若准确率未达到预设准确率阈值,则说明简称提取模型未训练完成,可以获取新的样本和/或新的初始简称提取模型继续执行以上训练步骤。
在本实施例的一些可选的实现方式中,对于样本中的每个样本,电子设备可以通过以下步骤训练得到简称提取模型:
首先,将该样本中的样本组织机构的全称的词语序列的词语的特征向量输入至简称提取模型,得到该样本中的样本组织机构的简称。
其中,简称提取模型中设置有初始参数。
其次,确定该样本中的样本组织机构的简称与该样本中的样本组织机构的全称的词语序列的简称标注结果之间的差异;
这里,可以采用各种损失函数来确定差异,采用损失函数确定差异的方式是目前广泛研究和应用的公知技术,在此不再赘述。
最后,基于差异调整初始简称提取模型的参数。
实践中,当样本中的每个样本执行完上述训练步骤之后,简称提取模型训练完成。
进一步参考图4,其示出了根据本申请的用于生成样本的方法的一个实施例的流程400。该用于生成样本的方法的流程400,包括以下步骤:
步骤401,获取组织机构的全称。
在本实施例中,用于生成样本的方法运行于其上的电子设备(例如图1所示的服务器105)可以从本地或者与其通信连接的其他设备获取大量组织机构的全称。
步骤402,获取利用组织机构的全称进行搜索所得到的与组织机构相关的信息。
在本实施例中,基于步骤401所获取的组织机构的全称,可以将组织机构的全称作为搜索式在搜索引擎系统中进行搜索,从而得到与组织机构相关的信息,并将与组织机构相关的信息发送至电子设备。
步骤403,基于与组织机构相关的信息,对组织机构进行分层。
在本实施例中,电子设备可以对与组织机构相关的信息进行分析,从而得到组织机构的信息规模、注册资本、营收水平以及搜索热度等信息;然后对组织机构的信息规模、注册资本、营收水平以及搜索热度等信息进行线性加权,从而得到组织机构的重要性得分;最后按照组织机构的重要性得分,可以将组织机构划分为多个层次。
步骤404,对分层后的组织机构进行分层抽样,得到样本组织机构。
在本实施例中,电子设备可以对分层后的组织机构进行分层抽样,从而得到样本组织机构。例如,对于重要性得分较高的层次的组织机构,可以抽取出数量相对较多的组织机构作为样本组织机构;对于重要性得分较低的层次的组织机构,可以抽取出数量相对较少的组织机构作为样本组织机构。
步骤405,对样本组织机构的全称进行分词,得到样本组织机构的全称的词语序列。
在本实施例中,基于步骤404所得到的样本组织机构,电子设备可以利用中文分词技术对样本组织机构的全称进行分词,从而得到样本组织机构的全称的词语序列。
需要说明的是,对样本组织机构的全称进行分词的具体操作可以参考步骤202,在此不再赘述。
步骤406,接收对样本组织机构的全称的词语序列进行的人工标注,得到样本组织机构的全称的词语序列的简称标注结果。
在本实施例中,本领域技术人员可以对样本组织机构的全称的词语序列中属于简称的词语和不属于简称的词语分别进行人工标注,电子设备接收到本领域技术人员对样本组织机构的全称的词语序列进行的人工标注后,即可得到样本组织机构的全称的词语序列的简称标注结果。例如,可以将组织机构的全称的词语序列中属于简称的词语标注为1,将组织机构的全称的词语序列中不属于简称的词语标注为0。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种信息输出装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于提取组织机构的简称的装置500可以包括:第一获取单元501、分词单元502、生成单元503和提取单元504。其中,第一获取单元504,配置用于获取目标组织机构的全称;分词单元502,配置用于对目标组织机构的全称进行分词,得到目标组织机构的全称的词语序列;生成单元503,配置用于生成目标组织机构的全称的词语序列中的词语的特征向量,其中,词语的特征向量用于描述词语所具有的特征;提取单元504,配置用于将目标组织机构的全称的词语序列中的词语的特征向量输入至预先训练的简称提取模型,得到目标组织机构的简称,其中,简称提取模型用于提取组织机构的简称。
在本实施例中,用于提取组织机构的简称的装置500中:第一获取单元501、分词单元502、生成单元503和提取单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,生成单元503可以进一步配置用于:执行以下至少一项操作:将目标组织机构的全称的词语序列中的词语输入至预先训练的文本深度表示模型,得到目标组织机构的全称的词语序列中的词语的词向量,其中,文本深度表示模型用于生成词语的词向量;对目标组织机构的全称的词语序列中的词语进行词性分析,得到目标组织机构的全称的词语序列中的词语的词性特征向量和权重特征向量;对目标组织机构的全称的词语序列中的词语进行地点分析,得到目标组织机构的全称的词语序列中的词语的地点特征向量;对目标组织机构的全称的词语序列中的词语进行行业分析,得到目标组织机构的全称的词语序列中的词语的行业特征向量;基于以上至少一项操作的结果,生成目标组织机构的全称的词语序列中的词语的特征向量。
在本实施例的一些可选的实现方式中,简称提取模型可以包括长短期记忆网络和条件随机场模型。
在本实施例的一些可选的实现方式中,用于提取组织机构的简称的装置500还可以包括模型训练单元(图中未示出),模型训练单元可以包括:第一获取子单元(图中未示出),配置用于获取样本,其中,样本包括样本组织机构的全称的词语序列和样本组织机构的全称的词语序列的简称标注结果;生成子单元(图中未示出),配置用于生成样本组织机构的全称的词语序列的词语的特征向量;训练字段元(图中未示出),配置用于将样本组织机构的全称的词语序列的词语的特征向量作为输入,将样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到简称提取模型。
在本实施例的一些可选的实现方式中,训练子单元可以包括:选取模块(图中未示出),配置用于从样本中选取出第一预设数目的样本作为训练样本,并从样本中选取出第二预设数目的样本作为测试样本;训练模块(图中未示出),配置用于将训练样本中的样本组织机构的全称的词语序列的词语的特征向量作为输入,将训练样本中的样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到待测试简称提取模型;提取模块(图中未示出),配置用于将测试样本中的样本组织机构的全称的词语序列的词语的特征向量输入至待测试简称提取模型,得到测试样本中的样本组织机构的简称;比较模块(图中未示出),配置用于将测试样本中的样本组织机构的简称与测试样本中的样本组织机构的全称的词语序列的简称标注结果进行比较,得到待测试简称提取模型的准确率;确定模块(图中未示出),配置用于响应于确定准确率达到预设准确率阈值,将待测试简称提取模型作为简称提取模型。
在本实施例的一些可选的实现方式中,用于提取组织机构的简称的装置500还可以包括样本生成单元(图中未示出),样本生成单元可以包括:第二获取子单元(图中未示出),配置用于获取组织机构的全称;第三获取子单元(图中未示出),配置用于获取利用组织机构的全称进行搜索所得到的与组织机构相关的信息;分层子单元(图中未示出),配置用于基于与组织机构相关的信息,对组织机构进行分层;抽样子单元(图中未示出),配置用于对分层后的组织机构进行分层抽样,得到样本组织机构;分词子单元(图中未示出),配置用于对样本组织机构的全称进行分词,得到样本组织机构的全称的词语序列;标注子单元(图中未示出),配置用于接收对样本组织机构的全称的词语序列进行的人工标注,得到样本组织机构的全称的词语序列的简称标注结果。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一获取单元、分词单元、生成单元和提取单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取目标组织机构的全称的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取目标组织机构的全称;对目标组织机构的全称进行分词,得到目标组织机构的全称的词语序列;生成目标组织机构的全称的词语序列中的词语的特征向量,其中,词语的特征向量用于描述词语所具有的特征;将目标组织机构的全称的词语序列中的词语的特征向量输入至预先训练的简称提取模型,得到目标组织机构的简称,其中,简称提取模型用于提取组织机构的简称。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于提取组织机构的简称的方法,包括:
获取目标组织机构的全称;
对所述目标组织机构的全称进行分词,得到所述目标组织机构的全称的词语序列;
生成所述目标组织机构的全称的词语序列中的词语的特征向量,其中,词语的特征向量用于描述词语所具有的特征;
将所述目标组织机构的全称的词语序列中的词语的特征向量输入至预先训练的简称提取模型,得到所述目标组织机构的简称,其中,所述简称提取模型用于提取组织机构的简称;
其中,所述生成所述目标组织机构的全称的词语序列中的词语的特征向量,包括:
执行以下至少一项操作:
将所述目标组织机构的全称的词语序列中的词语输入至预先训练的文本深度表示模型,得到所述目标组织机构的全称的词语序列中的词语的词向量,其中,所述文本深度表示模型用于生成词语的词向量;
对所述目标组织机构的全称的词语序列中的词语进行词性分析,得到所述目标组织机构的全称的词语序列中的词语的词性特征向量和权重特征向量;
对所述目标组织机构的全称的词语序列中的词语进行地点分析,得到所述目标组织机构的全称的词语序列中的词语的地点特征向量;
对所述目标组织机构的全称的词语序列中的词语进行行业分析,得到所述目标组织机构的全称的词语序列中的词语的行业特征向量;
基于以上至少一项操作的结果,生成所述目标组织机构的全称的词语序列中的词语的特征向量。
2.根据权利要求1所述的方法,其中,所述简称提取模型包括长短期记忆网络和条件随机场模型。
3.根据权利要求1所述的方法,其中,所述简称提取模型是通过如下步骤训练得到的:
获取样本,其中,所述样本包括样本组织机构的全称的词语序列和所述样本组织机构的全称的词语序列的简称标注结果;
生成所述样本组织机构的全称的词语序列的词语的特征向量;
将所述样本组织机构的全称的词语序列的词语的特征向量作为输入,将所述样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到所述简称提取模型。
4.根据权利要求3所述的方法,其中,所述将所述样本组织机构的全称的词语序列的词语的特征向量作为输入,将所述样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到所述简称提取模型,包括:
从所述样本中选取出第一预设数目的样本作为训练样本,并从所述样本中选取出第二预设数目的样本作为测试样本;
将所述训练样本中的样本组织机构的全称的词语序列的词语的特征向量作为输入,将所述训练样本中的样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到待测试简称提取模型;
将所述测试样本中的样本组织机构的全称的词语序列的词语的特征向量输入至所述待测试简称提取模型,得到所述测试样本中的样本组织机构的简称;
将所述测试样本中的样本组织机构的简称与所述测试样本中的样本组织机构的全称的词语序列的简称标注结果进行比较,得到所述待测试简称提取模型的准确率;
响应于确定所述准确率达到预设准确率阈值,将所述待测试简称提取模型作为所述简称提取模型。
5.根据权利要求3所述的方法,其中,所述样本是通过如下步骤得到的:
获取组织机构的全称;
获取利用所述组织机构的全称进行搜索所得到的与所述组织机构相关的信息;
基于与所述组织机构相关的信息,对所述组织机构进行分层;
对分层后的所述组织机构进行分层抽样,得到样本组织机构;
对所述样本组织机构的全称进行分词,得到所述样本组织机构的全称的词语序列;
接收对所述样本组织机构的全称的词语序列进行的人工标注,得到所述样本组织机构的全称的词语序列的简称标注结果。
6.根据权利要求1-5之一所述的方法,其中,所述方法还包括:
获取利用所述目标组织机构的全称和简称进行搜索所得到与所述目标组织机构相关的信息;
输出与所述目标组织机构相关的信息。
7.一种用于提取组织机构的简称的装置,包括:
第一获取单元,配置用于获取目标组织机构的全称;
分词单元,配置用于对所述目标组织机构的全称进行分词,得到所述目标组织机构的全称的词语序列;
生成单元,配置用于生成所述目标组织机构的全称的词语序列中的词语的特征向量,其中,词语的特征向量用于描述词语所具有的特征;
提取单元,配置用于将所述目标组织机构的全称的词语序列中的词语的特征向量输入至预先训练的简称提取模型,得到所述目标组织机构的简称,其中,所述简称提取模型用于提取组织机构的简称;
其中,所述生成单元进一步配置用于:
执行以下至少一项操作:
将所述目标组织机构的全称的词语序列中的词语输入至预先训练的文本深度表示模型,得到所述目标组织机构的全称的词语序列中的词语的词向量,其中,所述文本深度表示模型用于生成词语的词向量;
对所述目标组织机构的全称的词语序列中的词语进行词性分析,得到所述目标组织机构的全称的词语序列中的词语的词性特征向量和权重特征向量;
对所述目标组织机构的全称的词语序列中的词语进行地点分析,得到所述目标组织机构的全称的词语序列中的词语的地点特征向量;
对所述目标组织机构的全称的词语序列中的词语进行行业分析,得到所述目标组织机构的全称的词语序列中的词语的行业特征向量;
基于以上至少一项操作的结果,生成所述目标组织机构的全称的词语序列中的词语的特征向量。
8.根据权利要求7所述的装置,其中,所述简称提取模型包括长短期记忆网络和条件随机场模型。
9.根据权利要求7所述的装置,其中,所述装置还包括模型训练单元,所述模型训练单元包括:
第一获取子单元,配置用于获取样本,其中,所述样本包括样本组织机构的全称的词语序列和所述样本组织机构的全称的词语序列的简称标注结果;
生成子单元,配置用于生成所述样本组织机构的全称的词语序列的词语的特征向量;
训练子单元,配置用于将所述样本组织机构的全称的词语序列的词语的特征向量作为输入,将所述样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到所述简称提取模型。
10.根据权利要求9所述的装置,其中,所述训练子单元包括:
选取模块,配置用于从所述样本中选取出第一预设数目的样本作为训练样本,并从所述样本中选取出第二预设数目的样本作为测试样本;
训练模块,配置用于将所述训练样本中的样本组织机构的全称的词语序列的词语的特征向量作为输入,将所述训练样本中的样本组织机构的全称的词语序列的简称标注结果作为输出,训练得到待测试简称提取模型;
提取模块,配置用于将所述测试样本中的样本组织机构的全称的词语序列的词语的特征向量输入至所述待测试简称提取模型,得到所述测试样本中的样本组织机构的简称;
比较模块,配置用于将所述测试样本中的样本组织机构的简称与所述测试样本中的样本组织机构的全称的词语序列的简称标注结果进行比较,得到所述待测试简称提取模型的准确率;
确定模块,配置用于响应于确定所述准确率达到预设准确率阈值,将所述待测试简称提取模型作为所述简称提取模型。
11.根据权利要求9所述的装置,其中,所述装置还包括样本生成单元,所述样本生成单元包括:
第二获取子单元,配置用于获取组织机构的全称;
第三获取子单元,配置用于获取利用所述组织机构的全称进行搜索所得到的与所述组织机构相关的信息;
分层子单元,配置用于基于与所述组织机构相关的信息,对所述组织机构进行分层;
抽样子单元,配置用于对分层后的所述组织机构进行分层抽样,得到样本组织机构;
分词子单元,配置用于对所述样本组织机构的全称进行分词,得到所述样本组织机构的全称的词语序列;
标注子单元,配置用于接收对所述样本组织机构的全称的词语序列进行的人工标注,得到所述样本组织机构的全称的词语序列的简称标注结果。
12.根据权利要求7-11之一所述的装置,其中,所述装置还包括:
第二获取单元,配置用于获取利用所述目标组织机构的全称和简称进行搜索所得到与所述目标组织机构相关的信息;
输出单元,配置用于输出与所述目标组织机构相关的信息。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810045722.7A CN108228567B (zh) | 2018-01-17 | 2018-01-17 | 用于提取组织机构的简称的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810045722.7A CN108228567B (zh) | 2018-01-17 | 2018-01-17 | 用于提取组织机构的简称的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108228567A CN108228567A (zh) | 2018-06-29 |
CN108228567B true CN108228567B (zh) | 2021-09-28 |
Family
ID=62642000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810045722.7A Active CN108228567B (zh) | 2018-01-17 | 2018-01-17 | 用于提取组织机构的简称的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108228567B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110096571B (zh) * | 2019-04-10 | 2021-06-08 | 北京明略软件系统有限公司 | 一种机构名简称生成方法和装置、计算机可读存储介质 |
CN110147425B (zh) * | 2019-05-22 | 2021-04-06 | 华泰期货有限公司 | 一种关键词提取方法、装置、计算机设备及存储介质 |
CN110377818A (zh) * | 2019-06-14 | 2019-10-25 | 平安科技(深圳)有限公司 | 用户信息推送方法、装置、存储介质和计算机设备 |
CN111797622B (zh) * | 2019-06-20 | 2024-04-09 | 北京沃东天骏信息技术有限公司 | 用于生成属性信息的方法和装置 |
CN111259112B (zh) * | 2020-01-14 | 2023-07-04 | 北京百度网讯科技有限公司 | 医疗事实的验证方法和装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880647A (zh) * | 2012-08-24 | 2013-01-16 | 北京百度网讯科技有限公司 | 一种机构别称的获取方法和装置 |
-
2018
- 2018-01-17 CN CN201810045722.7A patent/CN108228567B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880647A (zh) * | 2012-08-24 | 2013-01-16 | 北京百度网讯科技有限公司 | 一种机构别称的获取方法和装置 |
Non-Patent Citations (4)
Title |
---|
Algorithms of Generating and Recognizing the Abbreviation of Chinese Organization Names;Zhou Faguo 等;《2013 Asian Network for Scientific Information》;20131231;全文 * |
Automatic Chinese Abbreviation Generation Using Conditional Random Field;Dong Yang 等;《Proc of Human Language Technologies: the Annual Conference of the North American Chapter of the Association for Computational Linguistics》;20091231;全文 * |
基于分词信息的中文机构名简称自动生成方法;连誉舜 等;《计算机应用与软件》;20140415;第31卷(第4期);第2-4页 * |
基于网页信息和分词的中文机构名全称和简称提取方法;张俊玲 等;《计算机应用研究》;20160622;第34卷(第4期);第2-3页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108228567A (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110837550B (zh) | 基于知识图谱的问答方法、装置、电子设备及存储介质 | |
CN107679039B (zh) | 用于确定语句意图的方法和装置 | |
CN107491534B (zh) | 信息处理方法和装置 | |
CN108228567B (zh) | 用于提取组织机构的简称的方法和装置 | |
CN109299320B (zh) | 一种信息交互方法、装置、计算机设备和存储介质 | |
CN111428010B (zh) | 人机智能问答的方法和装置 | |
CN110069698B (zh) | 信息推送方法和装置 | |
CN109766418B (zh) | 用于输出信息的方法和装置 | |
CN108121699B (zh) | 用于输出信息的方法和装置 | |
CN110245232B (zh) | 文本分类方法、装置、介质和计算设备 | |
CN114861889B (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
WO2023024975A1 (zh) | 文本处理方法、装置和电子设备 | |
US20230008897A1 (en) | Information search method and device, electronic device, and storage medium | |
US11416682B2 (en) | Evaluating chatbots for knowledge gaps | |
CN110737824B (zh) | 内容查询方法和装置 | |
CN107766498B (zh) | 用于生成信息的方法和装置 | |
CN109902152B (zh) | 用于检索信息的方法和装置 | |
CN111723180A (zh) | 一种面试方法和装置 | |
CN110991183A (zh) | 问题的谓词确定方法、装置、设备及存储介质 | |
CN110675865B (zh) | 用于训练混合语言识别模型的方法和装置 | |
CN111666405B (zh) | 用于识别文本蕴含关系的方法和装置 | |
CN116402166A (zh) | 一种预测模型的训练方法、装置、电子设备及存储介质 | |
CN110287487A (zh) | 主谓语识别方法、装置、设备及计算机可读存储介质 | |
CN115470790A (zh) | 一种识别文件中的命名实体的方法和装置 | |
CN114676237A (zh) | 语句相似度确定方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |