CN111339268A - 实体词识别方法和装置 - Google Patents

实体词识别方法和装置 Download PDF

Info

Publication number
CN111339268A
CN111339268A CN202010103350.6A CN202010103350A CN111339268A CN 111339268 A CN111339268 A CN 111339268A CN 202010103350 A CN202010103350 A CN 202010103350A CN 111339268 A CN111339268 A CN 111339268A
Authority
CN
China
Prior art keywords
entity word
entity
sample
question
words
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.)
Granted
Application number
CN202010103350.6A
Other languages
English (en)
Other versions
CN111339268B (zh
Inventor
史亚冰
李双婕
蒋烨
张扬
朱勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010103350.6A priority Critical patent/CN111339268B/zh
Publication of CN111339268A publication Critical patent/CN111339268A/zh
Priority to EP21157264.9A priority patent/EP3869358A1/en
Priority to JP2021022635A priority patent/JP7096919B2/ja
Priority to KR1020210020555A priority patent/KR102431568B1/ko
Priority to US17/249,001 priority patent/US11361002B2/en
Application granted granted Critical
Publication of CN111339268B publication Critical patent/CN111339268B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • 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
    • 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
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Character Discrimination (AREA)

Abstract

本申请公开了一种实体词识别方法和装置，涉及人工智能中的信息处理技术领域，其中，方法，包括：获取实体词类别和待识别文档；根据实体词类别生成实体词问题；对待识别文档拆分，生成多个候选语句；将实体词问题和多个候选语句输入预先训练的问答模型，获取实体词识别结果；根据实体词识别结果获取与实体词问题对应的实体词集合。由此，实现了一种适用范围比较广的实体词识别方法，提高了实体词的召回率和实体词识别的智能化。

Description

实体词识别方法和装置
技术领域
本申请涉及人工智能技术中的信息处理技术领域，尤其涉及一种实体词识别方法和装置。
背景技术
目前，知识图谱的构建在各行各业越来越被重视，比如，可以给予法律体系的知识图谱提供法律行业的法律推理等，其中，知识图谱的构建依赖于实体词的挖掘。
相关技术中，根据行业内积累的专业文档来挖掘出实体词，获取行业内的专业术语表，根据关键词匹配的技术来在专业文档中挖掘出对应的实体词。
然而，这种实体词获取方式，依赖于术语词表的覆盖全面程度。大多数情况下，行业内累计的术语词表非常局限，导致实体词的召回率较低。
发明内容
本申请的第一个目的在于提出一种实体词识别方法。
本申请的第二个目的在于提出一种实体词识别装置。
本申请的第三个目的在于提出一种电子设备。
本申请的第四个目的在于提出一种存储有计算机指令的非瞬时计算机可读存储介质。
为达上述目的，本申请第一方面实施例提出了一种实体词识别，包括：获取实体词类别和待识别文档；根据所述实体词类别生成实体词问题；对所述待识别文档拆分，生成多个候选语句；将所述实体词问题和所述多个候选语句输入预先训练的问答模型，获取实体词识别结果；根据所述实体词识别结果获取与所述实体词问题对应的实体词集合。
为达上述目的，本申请第二方面实施例提出了一种实体词识别装置，包括：第一获取模块，用于获取实体词类别和待识别文档；第一生成模块，用于获取实体词类别和待识别文档；第二生成模块，用于对所述待识别文档拆分，生成多个候选语句；第二获取模块，用于将所述实体词问题和所述多个候选语句输入预先训练的问答模型，获取实体词识别结果；第三获取模块，用于根据所述实体词识别结果获取与所述实体词问题对应的实体词集合。
为达上述目的，本申请第三方面实施例提出了一种电子设备，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实施例描述的实体词识别方法。
为达上述目的，本申请第四方面实施例提出了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实施例描述的实体词识别方法。
上述申请中的一个实施例具有如下优点或有益效果：
获取实体词类别和待识别文档，根据实体词类别生成实体词问题，进而，对待识别文档拆分，生成多个候选语句，将实体词问题和多个候选语句输入预先训练的问答模型，获取实体词识别结果，最后，根据实体词识别结果获取与实体词问题对应的实体词集合。由此，实现了一种适用范围比较广的实体词识别方法，提高了实体词的召回率和实体词识别的智能化。
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实体词识别场景示意图；
图2是根据本申请第二实施例的实体词识别方法的流程图；
图3是根据本申请第三实施例的问答模型的结构示意图；
图4是根据本申请第四实施例的待识别文档示意图；
图5是根据本申请第五实施例的实体词识别装置的结构示意图；
图6是根据本申请第六实施例的实体词识别装置的结构示意图；
图7是根据本申请第七实施例的实体词识别装置的结构示意图；
图8是根据本申请第八实施例的实体词识别装置的结构示意图；
图9是用来实现本申请实施例的实体词识别方法的电子设备的框图。
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。
下面参考附图描述本申请实施例的实体词识别方法和装置。其中，本实施例中所指的实体词是每个行业中的专业词汇，比如，法律行业中的“要约”等。
为了解决相关技术中提到的，实体词召回率不高的问题，本申请提出了一种基于自动化的识别行业实体的方法。目标是利用问答技术，实现一种高扩展性、低成本的识别行业中实体词的方法，从而辅助大规模知识图谱构建、智能问答、实体检索等上层应用，比如，如图1所示，在用户输入的搜索语句为“信用卡类型”时，可以为用户提供对应的实体词。
具体而言，图2是根据本申请一个实施例的实体词识别方法的流程图，如图2所示，该方法包括：
步骤101，获取实体词类别和待识别文档。
其中，实体词类别指的是待获取的实体词所属于的技术领域等，比如，该实体词类别可以是法律、经济、医疗等。另外，待识别文档通常是对应领域下待召回实体词的专业文档。
需要说明的是，在不同的领域下，获取实体词类别的方式不同，作为一种可能的实现方式，提供给用户实体词类别选择界面，根据用户在界面上选择的标签确定所属的实体词类别；
作为另一种可能的实现方式，可以根据待识别文档包含的内容，确定待识别文档中的主题，根据主题内容确定实体词类别。
步骤102，根据实体词类别生成实体词问题。
在本申请的实施例中，为了挖掘实体词类别的泛化特征，根据实体词类别生成实体词问题，比如，实体词类别为“人物”，则可以将其处理为实体词问题“句中提到的人物是谁”等。
当然，在不同的场景中，根据实体词类别生成实体词问题的方式不同，作为一种可能的实现方式，预先训练学习模型，该模型的输入为实体词类别，输出为实体词问题；作为另一种可能的实现方式，预先构建对应实体词类别所属的领域下，实体词类别和最常用的问题的对应关系，根据该对应关系确定对应的实体词问题。
步骤103，对待识别文档拆分，生成多个候选语句。
为了便于与实体词问题匹配，本实施例中，对待识别文档拆分，比如案按照换行符等标点符号以及语义分析等，生成一个一个的句子，获取多个候选语句，候选语句的长度便于后续的处理和匹配操作。
步骤104，将实体词问题和多个候选语句输入预先训练的问答模型，获取实体词识别结果。
应当理解的是，预先训练问答模型，该问答模型可以根据输入的实体词问题和多个候选语句识别与对应的实体词问题匹配的回答的候选语句，并在该回答的语句中标注出对应的实体词。
具体而言，预先构建初始问答模型，其中，如图3所示，构建的问答模型包括4层，第一层为输入层，用于输入实体词问题和对应的候选语句序列，其中，在输入的时候，为了便于模型的识别，开头使用CLS，候选语句之间通过SEP连接，由此，可以将实体词问题和对应的所有的候选语句输入进去，当然，也可以将实体词问题和对应的一个或者几个候选问题输入进去，为了提高识别效率，也可以预先排除明显与实体词问题不相关的候选语句(可以根据语义识别等技术来排除)，继续以图1中所示的例子，当待识别文档为图4所示的银行行业文档，实体词问题是“信用卡”时，输入层输入的可以是“CLS信用卡SEP广发携程联名卡业务介绍”。
问答模型的第二层是嵌入层，该层对应于图中的embeddinglayers，主要是用于提取输入的序列的特征，比如，可以使用以下三种方法提取，第一种，可以为词嵌入，通过预先构建的词表将输入的词序列中的转化为对应的词标识信息，比如词的ID信息等，进而，通过嵌入技术将转换后的ID压缩成低纬向量；第二种，可以为位置嵌入，将每个词在输入序列的位置信息通过嵌入技术压缩成低维向量；第三种，为段落片段嵌入，这个特征用来表征候选语句处于文档中的哪一个段落当中，其中，图中的EA表示出现在第一个段落中，EB表示出现在第二个段落中，嵌入层可以将这三种向量特征拼接后，输入到第三层的模型层。
问答模型的第三层模型层对应图中的modelinglayers，该层主要由transformer单元构成。模型层中可以有多层的transformer单元，每一层的每一个transformer单元对应了输入中的一个单元，也就是说，输入层、嵌入层、模型层的序列长度应该都是一致的。同一层内的transformer单元不互相连接，不同层之间的transformer单元两两连接(考虑美观因素，图中展示了两层，且只展示了第一层的T0与上层tranformer的连接情况)。
问答模型的第四层为输出层，输出层是一个指针网络，通过两个指针(开头指针START和结尾指针END来标识输入候选语句中的实体词边界)。
在问答模型的训练过程中，获取各个领域下大量的样本实体词问题和样本识别文档，对样本识别文档拆分处理，获取多个候选样本语句，进而，将实体词问题和多个候选样本语句输入初始问答模型，将实体词问题和多个候选样本语句输入初始问答模型。
控制初始问答模型的嵌入层，提取样本实体词问题的第一特征和多个样本语句的第二特征，其中，第一特征可以理解为上述标识ID等，第二特征可以理解为上述ID和位置信息转换为的特征向量等。
进而，拼接第一特征和第二特征生成样本特征，将样本特征输入初始问答模型的模型层，获取模型层输出的样本实体词。
判断样本实体词与预先标注的样本识别文档中的目标实体词是否一致，若是一致，则表明模型训练完成，若是不一致，则继续调节初始问答模型的模型参数，直至样本实体词与预先标注的样本识别文档中的目标实体词一致。
其中，正如上述实施例所描述的，模型层包括多层解码单元，每一层解码单元的解码子单元的数量与样本特征对应的长度一致，每一层解码单元的解码子单元互不连接，多层解码单元中，每一层的每个解码子单元与上一层中的所有解码子单元连接，从而，在实际训练过程中，将样本特征中的每个子特征输入到对应位置的第一层解码单元的子单元，即按照顺序将对应位置的子特征输入到对应位置下的子单元，获取模型层最后一层解码单元对应位置输出的实体词解码结果。
步骤105，根据实体词识别结果获取与实体词问题对应的实体词集合。
具体的，在获取到实体词识别结果后，获取与实体词问题对应的实体词集合。
作为一种可能的实现方式，实体词识别结果包括的是个候选语句中的实体词及对应的概率，本实施例中，可以根据概率值的大小，确定概率值大于预设阈值的实体词为实体词集合中的实体词。
作为另一种可能的实现方式，正如上述提到的，实体词识别结果中包括的是标注后的候选语句，识别问答模型输出的与多个后续语句对应的标注语句，进而，识别标注语句中的开始标识和结束标识，提取开始标识和相邻结束标识之间的实体词，生成实体词集合。
在获取到实体词后，可能有的实体词并不正确，因为，为了确保实体词获取的准确性，在可以对获取的实体词进行后处理校验。
作为一种可能的实现方式，对实体词集合中每个实体词进行语义分析，获取每个实体词的语义通顺度，比如，给予依赖依存等句法信息校验，确定如果语义依赖关系错乱，则语义通顺度较低，过滤掉实体词集合中，语义通顺度小于预设阈值的实体词，进而，将过滤后的实体词集合提供给用户。
作为另一种可能的实现方式，获取实体词集合中每个实体词的长度，过滤掉实体词集合中，长度不属于预设长度范围的实体词，进而，将过滤后的实体词集合提供给用户。其中，预设长度范围用于过滤掉长度过长或者过短的实体词，该范围可以根据实体词类别确定。
需要说明的是，上述两种示例的校验处理方式，可以单独执行，也可以结合执行，在此不作限制。
由此，本申请实施例的实体词识别方法，一方面，泛化性强，通过预先训练的模型保证了可以在预训练阶段可以学到广泛的文本特征，从而具有较强的泛化性。另一方面，召回率高，可以通过补充训练样本与迁移学习等方式，深度学习的问答模型可以取得很好的准确率与召回率。又一方面，不需要人工构造词表等，只需要补充训练样本，即可优化模型效果。
综上，本申请实施例的实体词识别方法，获取实体词类别和待识别文档，根据实体词类别生成实体词问题，进而，对待识别文档拆分，生成多个候选语句，将实体词问题和多个候选语句输入预先训练的问答模型，获取实体词识别结果，最后，根据实体词识别结果获取与实体词问题对应的实体词集合。由此，实现了一种适用范围比较广的实体词识别方法，提高了实体词的召回率和实体词识别的智能化。
为了实现上述实施例，本申请还提出了一种实体词识别装置，图5是根据本申请一个实施例的实体词识别装置的结构示意图，如图5所示，该实体词识别装置包括：第一获取模块10、第一生成模块20、第二生成模块30、第二获取模块40和第三获取模块50，其中，
第一获取模块10，用于获取实体词类别和待识别文档；
第一生成模块20，用于获取实体词类别和待识别文档；
第二生成模块30，用于对待识别文档拆分，生成多个候选语句；
第二获取模块40，用于将实体词问题和多个候选语句输入预先训练的问答模型，获取实体词识别结果；
第三获取模块50，用于根据实体词识别结果获取与实体词问题对应的实体词集合。
在本申请的一个实施例中，如图6所示，该装置还包括：第四获取模块60、第五获取模块70、输入模块80、提取模块90、拼接模块100、第六获取模块110、判断模块120和训练模块130，其中，
第四获取模块60，用于获取样本实体词问题和样本识别文档；
第五获取模块70，用于对样本识别文档拆分处理，获取多个候选样本语句；
输入模块80，用于将实体词问题和多个候选样本语句输入初始问答模型；
提取模块90，用于控制初始问答模型的嵌入层，提取样本实体词问题的第一特征和多个样本语句的第二特征；
拼接模块100，用于拼接第一特征和第二特征生成样本特征；
第六获取模块110，用于将样本特征输入初始问答模型的模型层，获取模型层输出的样本实体词；
判断模块120，用于判断样本实体词与预先标注的样本识别文档中的目标实体词是否一致；
训练模块130，用于在不一致时，继续调节初始问答模型的模型参数，直至样本实体词与预先标注的样本识别文档中的目标实体词一致。
在本申请的一个实施例中，如图7所示，在如图5所示的基础上，该装置还包括：第七获取模块140、第一过滤模块150和第一提供模块160，其中，
第七获取模块140，用于对实体词集合中每个实体词进行语义分析，获取每个实体词的语义通顺度；
第一过滤模块150，用于过滤掉实体词集合中，语义通顺度小于预设阈值的实体词；
第一提供模块160，用于将过滤后的实体词集合提供给用户。
在本申请的一个实施例中，如图8所示，在如图5所示的基础上，该装置还包括：第八获取模块170、第二过滤模块180和第二提供模块190，其中，
第八获取模块170，用于获取实体词集合中每个实体词的长度；
第二过滤模块180，用于过滤掉实体词集合中，长度不属于预设长度范围的实体词；
第二提供模块190，用于将过滤后的实体词集合提供给用户。
需要说明的是，前述对实体词识别方法的解释说明，也适用于本发明实施例的实体词识别装置，其实现原理类似，在此不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图9所示，是根据本申请实施例的实体词识别方法的电子设备的框图。电子设备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。电子设备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9所示，该电子设备包括：一个或多个处理器501、存储器502，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。处理器可以对在电子设备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，可以连接多个电子设备，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9中以一个处理器501为例。
存储器502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实体词识别方法。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实体词识别方法。
存储器502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实体词识别的方法对应的程序指令/模块(例如，附图5所示的第一获取模块10、第一生成模块20、第二生成模块30、第二获取模块40和第三获取模块50)。处理器501通过运行存储在存储器502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，即实现上述方法实施例中的实体词识别方法。
存储器502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电子设备的使用所创建的数据等。此外，存储器502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502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。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。
执行实体词识别的方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图9中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与电子设备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504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。
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 (12)

1.一种实体词识别方法，其特征在于，包括：
获取实体词类别和待识别文档；
根据所述实体词类别生成实体词问题；
对所述待识别文档拆分，生成多个候选语句；
将所述实体词问题和所述多个候选语句输入预先训练的问答模型，获取实体词识别结果；
根据所述实体词识别结果获取与所述实体词问题对应的实体词集合。
2.如权利要求1所述的方法，其特征在于，在所述将所述实体词问题和所述多个候选语句输入预先构建的问答模型之前，包括：
获取样本实体词问题和样本识别文档；
对所述样本识别文档拆分处理，获取多个候选样本语句；
将所述实体词问题和所述多个候选样本语句输入初始问答模型；
控制所述初始问答模型的嵌入层，提取所述样本实体词问题的第一特征和所述多个样本语句的第二特征；
拼接所述第一特征和所述第二特征生成样本特征；
将所述样本特征输入所述初始问答模型的模型层，获取所述模型层输出的样本实体词；
判断所述样本实体词与预先标注的所述样本识别文档中的目标实体词是否一致；
若不一致，则继续调节所述初始问答模型的模型参数，直至所述样本实体词与预先标注的所述样本识别文档中的目标实体词一致。
3.如权利要求2所述的方法，其特征在于，所述模型层包括多层解码单元，每一层解码单元的解码子单元的数量与所述样本特征对应的长度一致，所述每一层解码单元的解码子单元互不连接，所述多层解码单元中，每一层的每个解码子单元与上一层中的所有解码子单元连接，所述将所述样本特征输入所述初始问答模型的模型层，包括：
将所述样本特征中的每个子特征输入到对应位置的第一层解码单元的子单元；
获取所述模型层最后一层解码单元对应位置输出的实体词解码结果。
4.如权利要求1所述的方法，其特征在于，还包括：
对所述实体词集合中每个实体词进行语义分析，获取所述每个实体词的语义通顺度；
过滤掉所述实体词集合中，所述语义通顺度小于预设阈值的实体词；
将过滤后的所述实体词集合提供给用户。
5.如权利要求1所述的方法，其特征在于，还包括：
获取所述实体词集合中每个实体词的长度；
过滤掉所述实体词集合中，所述长度不属于预设长度范围的实体词；
将过滤后的所述实体词集合提供给用户。
6.如权利要求1所述的方法，其特征在于，所述根据所述实体词识别结果获取与所述实体词问题对应的实体词集合，包括：
识别所述问答模型输出的与所述多个后续语句对应的标注语句；
识别所述标注语句中的开始标识和结束标识；
提取所述开始标识和相邻结束标识之间的实体词，生成所述实体词集合。
7.一种实体词识别装置，其特征在于，包括：
第一获取模块，用于获取实体词类别和待识别文档；
第一生成模块，用于获取实体词类别和待识别文档；
第二生成模块，用于对所述待识别文档拆分，生成多个候选语句；
第二获取模块，用于将所述实体词问题和所述多个候选语句输入预先训练的问答模型，获取实体词识别结果；
第三获取模块，用于根据所述实体词识别结果获取与所述实体词问题对应的实体词集合。
8.如权利要求7所述的装置，其特征在于，还包括：
第四获取模块，用于获取样本实体词问题和样本识别文档；
第五获取模块，用于对所述样本识别文档拆分处理，获取多个候选样本语句；
输入模块，用于将所述实体词问题和所述多个候选样本语句输入初始问答模型；
提取模块，用于控制所述初始问答模型的嵌入层，提取所述样本实体词问题的第一特征和所述多个样本语句的第二特征；
拼接模块，用于拼接所述第一特征和所述第二特征生成样本特征；
第六获取模块，用于将所述样本特征输入所述初始问答模型的模型层，获取所述模型层输出的样本实体词；
判断模块，用于判断所述样本实体词与预先标注的所述样本识别文档中的目标实体词是否一致；
训练模块，用于在不一致时，继续调节所述初始问答模型的模型参数，直至所述样本实体词与预先标注的所述样本识别文档中的目标实体词一致。
9.如权利要求7所述的装置，其特征在于，还包括：
第七获取模块，用于对所述实体词集合中每个实体词进行语义分析，获取所述每个实体词的语义通顺度；
第一过滤模块，用于过滤掉所述实体词集合中，所述语义通顺度小于预设阈值的实体词；
第一提供模块，用于将过滤后的所述实体词集合提供给用户。
10.如权利要求7所述的装置，其特征在于，还包括：
第八获取模块，用于获取所述实体词集合中每个实体词的长度；
第二过滤模块，用于过滤掉所述实体词集合中，所述长度不属于预设长度范围的实体词；
第二提供模块，用于将过滤后的所述实体词集合提供给用户。
11.一种电子设备，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1-6中任一项所述的方法。
12.一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1-6中任一项所述的方法。
CN202010103350.6A 2020-02-19 2020-02-19 实体词识别方法和装置 Active CN111339268B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010103350.6A CN111339268B (zh) 2020-02-19 2020-02-19 实体词识别方法和装置
EP21157264.9A EP3869358A1 (en) 2020-02-19 2021-02-16 Method and apparatus for recognizing entity word, electronic device and storage medium
JP2021022635A JP7096919B2 (ja) 2020-02-19 2021-02-16 エンティティワードの認識方法と装置
KR1020210020555A KR102431568B1 (ko) 2020-02-19 2021-02-16 엔티티 단어 인식 방법 및 장치
US17/249,001 US11361002B2 (en) 2020-02-19 2021-02-17 Method and apparatus for recognizing entity word, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010103350.6A CN111339268B (zh) 2020-02-19 2020-02-19 实体词识别方法和装置

Publications (2)

Publication Number Publication Date
CN111339268A true CN111339268A (zh) 2020-06-26
CN111339268B CN111339268B (zh) 2023-08-15

Family

ID=71185366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010103350.6A Active CN111339268B (zh) 2020-02-19 2020-02-19 实体词识别方法和装置

Country Status (5)

Country Link
US (1) US11361002B2 (zh)
EP (1) EP3869358A1 (zh)
JP (1) JP7096919B2 (zh)
KR (1) KR102431568B1 (zh)
CN (1) CN111339268B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112487812A (zh) * 2020-10-21 2021-03-12 上海旻浦科技有限公司 一种基于边界识别的嵌套实体识别方法及系统
CN112528002A (zh) * 2020-12-23 2021-03-19 北京百度网讯科技有限公司 对话识别方法、装置、电子设备和存储介质
CN112560459A (zh) * 2020-12-04 2021-03-26 北京百度网讯科技有限公司 用于模型训练的样本筛选方法、装置、设备及存储介质
CN112925889A (zh) * 2021-02-26 2021-06-08 北京声智科技有限公司 自然语言处理方法、装置、电子设备和存储介质
WO2021151354A1 (zh) * 2020-07-31 2021-08-05 平安科技（深圳）有限公司 一种单词识别方法、装置、计算机设备和存储介质
CN117992599A (zh) * 2024-04-07 2024-05-07 腾讯科技（深圳）有限公司 基于大语言模型的问答方法、装置及计算机设备

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642324B (zh) * 2021-08-20 2024-02-09 北京百度网讯科技有限公司 文本摘要生成方法、装置、电子设备及存储介质
CN113609275B (zh) * 2021-08-24 2024-03-26 腾讯科技（深圳）有限公司 信息处理方法、装置、设备及存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708100A (zh) * 2011-03-28 2012-10-03 北京百度网讯科技有限公司 挖掘相关实体词的关系关键词的方法和装置及其应用
CN106095872A (zh) * 2016-06-07 2016-11-09 北京高地信息技术有限公司 用于智能问答系统的答案排序方法及装置
CN106294341A (zh) * 2015-05-12 2017-01-04 阿里巴巴集团控股有限公司 一种智能问答系统及其主题判别方法和装置
CN106407211A (zh) * 2015-07-30 2017-02-15 富士通株式会社 对实体词的语义关系进行分类的方法和装置
JP2017211785A (ja) * 2016-05-24 2017-11-30 日本電信電話株式会社 質問応答生成装置、方法、及びプログラム
CN107480197A (zh) * 2017-07-17 2017-12-15 广州特道信息科技有限公司 实体词识别方法及装置
CN108804512A (zh) * 2018-04-20 2018-11-13 平安科技（深圳）有限公司 文本分类模型的生成装置、方法及计算机可读存储介质
CN109522393A (zh) * 2018-10-11 2019-03-26 平安科技（深圳）有限公司 智能问答方法、装置、计算机设备和存储介质
CN109582949A (zh) * 2018-09-14 2019-04-05 阿里巴巴集团控股有限公司 事件元素抽取方法、装置、计算设备及存储介质
CN109726400A (zh) * 2018-12-29 2019-05-07 新华网股份有限公司 实体词识别结果评价方法、装置、设备及实体词提取系统
CN109829042A (zh) * 2018-12-28 2019-05-31 北京科技大学 一种基于生物医学文献的知识问答系统及方法
CN110287495A (zh) * 2019-07-01 2019-09-27 国网江苏省电力有限公司电力科学研究院 一种电力营销专业词识别方法及系统
CN110598213A (zh) * 2019-09-06 2019-12-20 腾讯科技（深圳）有限公司 一种关键词提取方法、装置、设备及存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002132811A (ja) 2000-10-19 2002-05-10 Nippon Telegr & Teleph Corp <Ntt> 質問応答方法、質問応答システム及び質問応答プログラムを記録した記録媒体
KR20040013097A (ko) * 2001-07-04 2004-02-11 코기줌 인터메디아 아게 카테고리 기반의 확장가능한 대화식 문서 검색 시스템
US9002773B2 (en) * 2010-09-24 2015-04-07 International Business Machines Corporation Decision-support application and system for problem solving using a question-answering system
JP5825676B2 (ja) * 2012-02-23 2015-12-02 国立研究開発法人情報通信研究機構 ノン・ファクトイド型質問応答システム及びコンピュータプログラム
US10275454B2 (en) * 2014-10-13 2019-04-30 International Business Machines Corporation Identifying salient terms for passage justification in a question answering system
US9996533B2 (en) * 2015-09-30 2018-06-12 International Business Machines Corporation Question answering system using multilingual information sources
US10073831B1 (en) 2017-03-09 2018-09-11 International Business Machines Corporation Domain-specific method for distinguishing type-denoting domain terms from entity-denoting domain terms
US10678816B2 (en) * 2017-08-23 2020-06-09 Rsvp Technologies Inc. Single-entity-single-relation question answering systems, and methods
CN107980130A (zh) * 2017-11-02 2018-05-01 深圳前海达闼云端智能科技有限公司 自动回答方法、装置、存储介质及电子设备

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708100A (zh) * 2011-03-28 2012-10-03 北京百度网讯科技有限公司 挖掘相关实体词的关系关键词的方法和装置及其应用
CN106294341A (zh) * 2015-05-12 2017-01-04 阿里巴巴集团控股有限公司 一种智能问答系统及其主题判别方法和装置
CN106407211A (zh) * 2015-07-30 2017-02-15 富士通株式会社 对实体词的语义关系进行分类的方法和装置
JP2017211785A (ja) * 2016-05-24 2017-11-30 日本電信電話株式会社 質問応答生成装置、方法、及びプログラム
CN106095872A (zh) * 2016-06-07 2016-11-09 北京高地信息技术有限公司 用于智能问答系统的答案排序方法及装置
CN107480197A (zh) * 2017-07-17 2017-12-15 广州特道信息科技有限公司 实体词识别方法及装置
CN108804512A (zh) * 2018-04-20 2018-11-13 平安科技（深圳）有限公司 文本分类模型的生成装置、方法及计算机可读存储介质
WO2019200806A1 (zh) * 2018-04-20 2019-10-24 平安科技（深圳）有限公司 文本分类模型的生成装置、方法及计算机可读存储介质
CN109582949A (zh) * 2018-09-14 2019-04-05 阿里巴巴集团控股有限公司 事件元素抽取方法、装置、计算设备及存储介质
CN109522393A (zh) * 2018-10-11 2019-03-26 平安科技（深圳）有限公司 智能问答方法、装置、计算机设备和存储介质
CN109829042A (zh) * 2018-12-28 2019-05-31 北京科技大学 一种基于生物医学文献的知识问答系统及方法
CN109726400A (zh) * 2018-12-29 2019-05-07 新华网股份有限公司 实体词识别结果评价方法、装置、设备及实体词提取系统
CN110287495A (zh) * 2019-07-01 2019-09-27 国网江苏省电力有限公司电力科学研究院 一种电力营销专业词识别方法及系统
CN110598213A (zh) * 2019-09-06 2019-12-20 腾讯科技（深圳）有限公司 一种关键词提取方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈文亮;朱靖波;朱慕华;姚天顺;: "基于领域词典的文本特征表示", no. 12 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021151354A1 (zh) * 2020-07-31 2021-08-05 平安科技（深圳）有限公司 一种单词识别方法、装置、计算机设备和存储介质
CN112487812A (zh) * 2020-10-21 2021-03-12 上海旻浦科技有限公司 一种基于边界识别的嵌套实体识别方法及系统
CN112487812B (zh) * 2020-10-21 2021-07-06 上海旻浦科技有限公司 一种基于边界识别的嵌套实体识别方法及系统
CN112560459A (zh) * 2020-12-04 2021-03-26 北京百度网讯科技有限公司 用于模型训练的样本筛选方法、装置、设备及存储介质
CN112560459B (zh) * 2020-12-04 2023-10-20 北京百度网讯科技有限公司 用于模型训练的样本筛选方法、装置、设备及存储介质
CN112528002A (zh) * 2020-12-23 2021-03-19 北京百度网讯科技有限公司 对话识别方法、装置、电子设备和存储介质
CN112528002B (zh) * 2020-12-23 2023-07-18 北京百度网讯科技有限公司 对话识别方法、装置、电子设备和存储介质
CN112925889A (zh) * 2021-02-26 2021-06-08 北京声智科技有限公司 自然语言处理方法、装置、电子设备和存储介质
CN112925889B (zh) * 2021-02-26 2024-04-30 北京声智科技有限公司 自然语言处理方法、装置、电子设备和存储介质
CN117992599A (zh) * 2024-04-07 2024-05-07 腾讯科技（深圳）有限公司 基于大语言模型的问答方法、装置及计算机设备

Also Published As

Publication number Publication date
KR20210105830A (ko) 2021-08-27
US20210256038A1 (en) 2021-08-19
CN111339268B (zh) 2023-08-15
JP2021131858A (ja) 2021-09-09
JP7096919B2 (ja) 2022-07-06
EP3869358A1 (en) 2021-08-25
KR102431568B1 (ko) 2022-08-11
US11361002B2 (en) 2022-06-14

Similar Documents

Publication Publication Date Title
CN110717339B (zh) 语义表示模型的处理方法、装置、电子设备及存储介质
CN111339268B (zh) 实体词识别方法和装置
EP3896597A2 (en) Method, apparatus for text generation, device and storage medium
CN111709247B (zh) 数据集处理方法、装置、电子设备和存储介质
CN111241832B (zh) 核心实体标注方法、装置及电子设备
CN111625635A (zh) 问答处理、语言模型的训练方法、装置、设备及存储介质
CN111507104B (zh) 建立标签标注模型的方法、装置、电子设备和可读存储介质
CN111191428B (zh) 评论信息处理方法、装置、计算机设备和介质
CN111221983A (zh) 时序知识图谱生成方法、装置、设备和介质
CN111967262A (zh) 实体标签的确定方法和装置
CN111859982B (zh) 语言模型的训练方法、装置、电子设备及可读存储介质
CN111611468B (zh) 页面交互方法、装置和电子设备
CN111428514A (zh) 语义匹配方法、装置、设备以及存储介质
CN112507090B (zh) 用于输出信息的方法、装置、设备和存储介质
CN111950291A (zh) 语义表示模型的生成方法、装置、电子设备及存储介质
CN112507702B (zh) 文本信息的抽取方法、装置、电子设备及存储介质
CN112269862B (zh) 文本角色标注方法、装置、电子设备和存储介质
CN111539209A (zh) 用于实体分类的方法和装置
CN111859953A (zh) 训练数据的挖掘方法、装置、电子设备及存储介质
CN113516491B (zh) 推广信息展示方法、装置、电子设备及存储介质
CN112270168A (zh) 对白情感风格预测方法、装置、电子设备及存储介质
CN111858905A (zh) 模型训练方法、信息识别方法、装置、电子设备及存储介质
CN114860913B (zh) 智能问答系统构建方法、问答处理方法及装置
CN112579750A (zh) 相似病案的检索方法、装置、设备及存储介质
CN111858880A (zh) 获取查询结果的方法、装置、电子设备和可读存储介质

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