CN111324747B

CN111324747B - 三元组的生成方法、装置及电子设备

Info

Publication number: CN111324747B
Application number: CN202010127840.XA
Authority: CN
Inventors: 罗亚东; 晋小玲; 蒋雨倩; 刘盼; 郭方园
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2020-02-28
Filing date: 2020-02-28
Publication date: 2023-06-06
Anticipated expiration: 2040-02-28
Also published as: CN111324747A

Abstract

本申请公开了一种三元组的生成方法及相关设备，涉及计算机技术领域中的小程序技术。具体实现方案为：将目标文本、第一主体以及目标预测关系输入至第一预测模型，确定所述目标文本中的客体；将所述目标文本、所述客体以及所述目标预测关系输入至第二预测模型，确定所述目标文本中的第二主体；基于所述第一主体和所述第二主体，生成三元组，其中所述三元组包括所述第一主体、所述客体和所述目标预测关系。这里，通过第二预测模型对第一预测模型预测得到的客体进行反向交叉验证，可以提升基于文本、主体以及预测关系预测得到的客体的准确性，从而可以提升生成三元组的准确性。

Description

三元组的生成方法、装置及电子设备

技术领域

本申请涉及计算机技术领域中的知识图谱技术，尤其涉及一种三元组的生成方法、装置及电子设备。

背景技术

知识图谱通常会使用三元组来记录数以亿计的真实世界事实，这些三元组可写成(主体，关系，客体)的形式，其中主体和客体均表示实体，目标预测关系表示主体和客体之间的关系。当前的知识图谱还远未包含所有知识，所以需要知识图谱补全任务，即基于主体和目标预测关系从文本中抽取对应的客体生成新的三元组。但是，目前在图谱补全任务中，存在基于主体和目标预测关系从文本中抽取到的客体的准确率低的问题。

发明内容

本申请实施例提供一种三元组的生成方法及相关设备，以解决目前在图谱补全任务中，存在基于主体和目标预测关系从文本中抽取到的客体的准确率低的问题。

为解决上述技术问题，本申请是这样实现的：

第一方面，本申请提供一种三元组的生成方法，所述方法包括：

将目标文本、第一主体以及目标预测关系输入至第一预测模型，确定所述目标文本中的客体；

将所述目标文本、所述客体以及所述目标预测关系输入至第二预测模型，确定所述目标文本中的第二主体；

基于所述第一主体和所述第二主体，生成三元组，其中所述三元组包括所述第一主体、所述客体和所述目标预测关系。

可选的，所述基于所述第一主体和所述第二主体，生成三元组，包括：

在所述第一主体和所述第二主体相同的情况下，生成三元组。

所述将目标文本、第一主体以及目标预测关系输入至第一预测模型，确定所述文本中的第二实体之前，还包括：

在接收到输入的第一主体的情况下，确定所述第一主体的目标预测关系；

查找与所述第一主体和所述目标预测关系关联的目标文本。

可选的，所述第一预测模型和所述第二预测模型为网络结构相同且参数不同的深度学习模型。

第二方面，本申请还提供一种三元组的生成装置，包括：

第一确定模块，用于将目标文本、第一主体以及目标预测关系输入至第一预测模型，确定所述目标文本中的客体；

第二确定模块，用于将所述目标文本、所述客体以及所述目标预测关系输入至第二预测模型，确定所述目标文本中的第二主体；

生成模块，用于基于所述第一主体和所述第二主体，生成三元组，其中所述三元组包括所述第一主体、所述客体和所述目标预测关系。

可选的，所述生成模块，具体用于：

可选的，所述装置，还包括：

第三确定模块，用于在接收到输入的第一主体的情况下，确定所述第一主体的目标预测关系；

查找模块，用于查找与所述第一主体和所述目标预测关系关联的目标文本。

本申请第三方面提供一种服务器，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面所述的方法。

本申请第四方面提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述第一方面所述的方法。

上述申请中的一个实施例具有如下优点或有益效果：将目标文本、第一主体以及目标预测关系输入至第一预测模型，确定所述目标文本中的客体；将所述目标文本、所述客体以及所述目标预测关系输入至第二预测模型，确定所述目标文本中的第二主体；基于所述第一主体和所述第二主体，生成三元组，其中所述三元组包括所述第一主体、所述客体和所述目标预测关系。因为采用通过第二预测模型对第一预测模型预测得到的客体进行反向交叉验证的技术手段，所以克服了目前在图谱补全任务中存在基于主体和目标预测关系从文本中抽取到的客体的准确率低的问题，进而生成三元组的准确性。

另外，电子设备可以根据接收到输入的第一主体确定目标预测关系，并查找到与第一主体和目标预测关系关联的目标文本，从而使获取目标文本更便捷且省时。

通过设置第一预测模型和第二预测模型的网络结构相同，可以实现预测模型的反向交叉验证，提升验证的准确性，进而提升生成的三元组的准确性。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的示意图；

图2是根据本申请第二实施例的示意图之一；

图3是根据本申请第二实施例的示意图之二；

图4是用来实现本申请实施例的三元组的生成方法的服务器的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

请参见图1，本申请实施例提供的一种三元组的生成方法，该方法可以应用于服务器等电子设备，如图1所示，所述三元组的生成方法包括如下步骤：

步骤101、将目标文本、第一主体以及目标预测关系输入至第一预测模型，确定所述目标文本中的客体。

本申请中，在知识图谱补全任务过程中，电子设备可以将目标文本、第一主题以及目标预测关系输入至第一预测模型，通过第一预测模型预测得到目标文本中与第一主体之间存在上述目标预测关系的客体(即客体)。

其中，上述目标文本可以是电子设备获取到的任意文本，且该目标文本包括上述第一主体和上述客体，以及目标文本还可能间接或者直接地包含有第一主体和客体之间的关系(即上述目标预测关系)，即第一主体和客体为目标文本中可能具有上述目标预测关系的两个实体。

例如，假设上述目标文本为“张明毕业于北大，师从李树生”，在将“张明毕业于北大，师从李树生”，以及“张明毕业于北大，师从李树生”中的实体“张明”(即第一主体)和目标预测关系“毕业院校”(如[“张明”，“毕业院校”，？])输入至第一预测模型的情况下，第一预测模型可能在“张明毕业于北大，师从李树生”预测到客体“北大”(即[“张明”，“毕业院校”，？]中的“？”为“北大”)；或者，在电子设备将“张明毕业于北大，师从李树生”以及[“李树生”(即第一主体)，“毕业院校”，？]输入至第一预测模型的情况下，第一预测模型也可能在“张明毕业于北大，师从李树生”预测到客体“北大”(即[“李树生”，“毕业院校”，？]中的“？”为“北大”)。

需要说明的是，上述目标文本可以是电子设备实时接收到输入的文本，或者也可以是电子设备中预设的文本。

在一些实施方式中，上述步骤101之前，还可以包括：

查找与所述第一主体和所述目标预测关系关联的目标文本。

这里，电子设备可以根据接收到输入的第一主体确定目标预测关系，并查找到与第一主体和目标预测关系关联的目标文本，从而使获取目标文本更便捷且省时。

本实施方式中，上述确定第一主体的目标预测关系，可以是电子设备载接收到用户输入的第一主体的情况下，通过预设的预测关系获取规则或者方法，获取第一主体的目标预测关系。

例如，可以是数据库中预设有实体的属性与预测关系的映射(该预测关系可以是历史采集得到，且一种属性可以映射一个或者多个预测关系)，如，实体的属性为人，预设与“夫妻”、“子女”以及“毕业院校”等预测关系存在映射；当电子设备接收到用户输入实体“李明”(如在搜索引擎中输入“李明”)的情况下，电子设备获取到用户输入的“李明”的属性为人，则可以在“夫妻”、“子女”以及“毕业院校”等预测关系中确定一种预测关系作为上述目标预测关系，如随机选择“毕业院校”作为上述目标预测关系。

另外，上述查找与所述第一主体和所述目标预测关系关联的目标文本，可以是电子设备在文本数据库中查找包括上述第一主体，以及间接或者直接包含上述目标预测关系的文本，并件查找到的文本作为上述目标文本。

例如，在上述第一主体为“李明”，且上述目标预测关系为“毕业院校”的情况下，电子设备可以在文本数据库中查找到文本“张明毕业于北大，师从李树生”作为上述目标文本。

需要说明的是，上述第一预测模型可以是任何能够在输入文本、主体(该主体为文本中的一实体)以及预测关系的情况下，实现在该文本中预测到与该主体可能存在预测关系的客体的模型，具体地，该第一预测模型可以是基于知识图谱中标注的三元组训练得到的深度学习模型，由于深度学习模型的训练过程为本领域熟知，在此对于深度学习模型的训练过程并不进行赘述。

步骤102、将所述目标文本、客体以及所述目标预测关系输入至第二预测模型，确定所述目标文本中的第二主体。

本申请中，电子设备在目标文本中预测到客体的情况下，电子设备可以将目标文本、客体和目标预测关系输入至第二预测模型，在目标文本中预测得到可能与客体存在目标预测关系的主体(即第二主体)，从而通过第一预测模型预测得到的客体反向预测得到主体。

例如，在电子设备通过上述第一预测模型在上述“张明毕业于北大，师从李树生”中确定客体为“北大”的情况下，电子设备可以将“张明毕业于北大，师从李树生”，以及“北大”和“毕业院校”(如[？，“毕业院校”，“北大”])输入至第二预测模型，电子设备通过第二预测模型可能在“张明毕业于北大，师从李树生”中确定“李明”(即第二主体)，即[？，“毕业院校”，“北大”]中的“？”为“李明”。

需要说明的是，上述第二预测模型可以是任何能够在输入文本、客体以及预测关系的情况下，实现在文本中确定与客体存在预设关系的主体的预测模型，同样地，上述第二预测模型可以是基于知识图谱中标注的三元组训练得到的深度学习模型。

另外，上述第二预测模型和第一预测模型可以是网络结构不同的预测模型；或者，在一些实施方式中，上述第一预测模型和上述第二预测模型为网络结构相同且参数不同的深度学习模型，通过设置第一预测模型和第二预测模型的网络结构相同，可以实现预测模型的反向交叉验证，提升验证的准确性，进而提升生成的三元组的准确性。

步骤103、基于所述第一主体和所述第二主体，生成三元组，其中所述三元组包括所述第一主体、所述客体和所述目标预测关系。

本申请中，在电子设备确定上述第二主体之后，电子设备可以基于上述第一主体和第二主体，生成三元组。

其中，上述基于第一主体和第二主体生成三元组，可以是电子设备计算第一主体和第二主体的相似性，并在第一主体和第二主体的相似性高于一定阈值的情况下，提取上述目标预测关系以及目标文本中的第一主体和上述客体，组合形成上述三元组。

在一些实施方式中，上述步骤103，可以包括：

这里，电子设备仅在第一主体与第二主体相同的情况下才生成三元组，从而可以进一步提升生成的三元组的准确性。

例如，在电子设备将“张明毕业于北大，师从李树生”以及[“张明”，“毕业院校”，？]输入至第一预测模型预测得到客体“北大”，且将“张明毕业于北大，师从李树生”以及[？，“毕业院校”，“北大”]输入至第二预测模型预测得到主体“张明”的情况下，电子设备确定第一预设模型输入的主体(即第一主体)与第二预测模型预测得到的主体(即第二主体)相同，电子设备生成新的三元组[“李明”，“毕业院校”，“北大”]；而在电子设备将“张明毕业于北大，师从李树生”以及[“李树生”，“毕业院校”，？]输入至第一预测模型预测得到客体“北大”，且将“张明毕业于北大，师从李树生”以及[？，“毕业院校”，“北大”]输入至第二预测模型预测得到主体“张明”的情况下，由于第一预测模型输入的主体“李树生”与第二预测模型预测得到的主体“张明”不同，电子设备不生成新的三元组。

当然，在上述第一主体和第二主体不同的情况下，电子设备可以是停止生成三元组；或者，也可以是电子设备将上述目标文本、第一主体和上述目标预测关系输入至其他预测模型预测得到客体，并通过第二预测模型进行反向交叉验证，在此并不进行限定。

本申请实施例中，将目标文本、第一主体以及目标预测关系输入至第一预测模型，确定所述目标文本中的客体；将所述目标文本、所述客体以及所述目标预测关系输入至第二预测模型，确定所述目标文本中的第二主体；基于所述第一主体和所述第二主体，生成三元组，其中所述三元组包括所述第一主体、所述客体和所述目标预测关系。这里，通过第二预测模型对第一预测模型预测得到的客体进行反向交叉验证，可以提升基于文本、主体以及预测关系预测得到的客体的准确性，从而可以提升生成三元组的准确性。

请参见图2，本申请实施例提供一种三元组的生成装置，如图2所示，三元组的生成装置200包括：

第一确定模块201，用于将目标文本、第一主体以及目标预测关系输入至第一预测模型，确定所述目标文本中的客体；

第二确定模块202，用于将所述目标文本、所述客体以及所述目标预测关系输入至第二预测模型，确定所述目标文本中的第二主体；

生成模块203，用于基于所述第一主体和所述第二主体，生成三元组，其中所述三元组包括所述第一主体、所述客体和所述目标预测关系。

可选的，所述生成模块203，具体用于：

可选的，如图3所示，所述装置200，还包括：

需要说明的是，三元组的生成装置200能够实现本申请图1方法实施例中电子设备实现的各个过程，以及达到相同的有益效果，为避免重复，这里不再赘述。

根据本申请的实施例，本申请还提供了一种服务器和一种可读存储介质。

如图4所示，是根据本申请实施例的三元组的生成方法(如图1所示的三元组的生成方法)的服务器的框图。服务器旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。服务器还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图4所示，该服务器包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在服务器内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个服务器，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器401为例。

存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的三元组的生成方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的三元组的生成方法(如图1所示的三元组的生成方法)。

存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的三元组的生成方法对应的程序指令/模块(例如，附图2所示的第一确定模块201、第二确定模块202、和生成模块203)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述图1所示的方法实施例中的三元组的生成方法。

存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据小程序处理的服务器的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至小程序处理的服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

三元组的生成方法的服务器还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图4中以通过总线连接为例。

输入装置403可接收输入的数字或字符信息，以及产生与小程序处理的服务器的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，将目标文本、第一主体以及目标预测关系输入至第一预测模型，确定所述目标文本中的客体；将所述目标文本、所述客体以及所述目标预测关系输入至第二预测模型，确定所述目标文本中的第二主体；基于所述第一主体和所述第二主体，生成三元组，其中所述三元组包括所述第一主体、所述客体和所述目标预测关系。因为采用通过第二预测模型对第一预测模型预测得到的客体进行反向交叉验证的技术手段，所以克服了目前在图谱补全任务中存在基于主体和目标预测关系从文本中抽取到的客体的准确率低的问题，进而生成三元组的准确性。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims

1.一种三元组的生成方法，其特征在于，包括：

基于所述第一主体和所述第二主体，生成三元组，其中所述三元组包括所述第一主体、所述客体和所述目标预测关系；

所述基于所述第一主体和所述第二主体，生成三元组，包括：

在所述第一主体和所述第二主体相同的情况下，生成三元组；或者，在所述第一主体和所述第二主体的相似性高于阈值的情况下，生成所述三元组。

2.根据权利要求1所述的方法，其特征在于，所述将目标文本、第一主体以及目标预测关系输入至第一预测模型，确定所述文本中的第二实体之前，还包括：

查找与所述第一主体和所述目标预测关系关联的目标文本。

3.根据权利要求1或2所述的方法，其特征在于，所述第一预测模型和所述第二预测模型为网络结构相同且参数不同的深度学习模型。

4.一种三元组的生成装置，其特征在于，包括：

生成模块，用于基于所述第一主体和所述第二主体，生成三元组，其中所述三元组包括所述第一主体、所述客体和所述目标预测关系；

所述生成模块，具体用于：

5.根据权利要求4所述的装置，其特征在于，所述装置，还包括：

6.根据权利要求4或5所述的装置，其特征在于，所述第一预测模型和所述第二预测模型为网络结构相同且参数不同的深度学习模型。

7.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-3中任一项所述的方法。

8.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-3中任一项所述的方法。