CN111400451B - 信息抽取方法、信息抽取装置和电子设备 - Google Patents
信息抽取方法、信息抽取装置和电子设备 Download PDFInfo
- Publication number
- CN111400451B CN111400451B CN202010183085.7A CN202010183085A CN111400451B CN 111400451 B CN111400451 B CN 111400451B CN 202010183085 A CN202010183085 A CN 202010183085A CN 111400451 B CN111400451 B CN 111400451B
- Authority
- CN
- China
- Prior art keywords
- tuple
- relation
- main
- tuples
- relation tuple
- 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
- 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
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/383—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请公开了信息抽取方法、信息抽取装置和电子设备,涉及数据挖掘领域。具体实现方案为:获取文本信息;获取文本信息中的第一主关系元组;获取N个主关系元组,N个主关系元组包括根据第一主关系元组的参数获得的至少一个第二主关系元组,N为正整数;根据第一主关系元组和N个主关系元组,确定文本信息的信息抽取结果。由于在对文本信息进行信息抽取时,先抽取文本信息的第一主关系元组,然后再对第一主关系元组的参数进行主关系元组抽取,这种从大范围到小范围的逐步抽取方法,可使得抽取覆盖的范围更细致,从而获得更全和更准确的抽取结果。
Description
技术领域
本申请涉及计算机技术领域中的数据挖掘技术,尤其涉及一种信息抽取方法、信息抽取装置和电子设备。
背景技术
信息抽取在人工智能应用中扮演着非常重要的角色,越来越多的上层应用,依赖于信息抽取的结果。例如知识库构建、事理图谱构建均依赖着实体关系抽取、事件抽取、因果关系抽取的技术。法律、医疗等领域的查询、决策支持系统的构建也依赖信息抽取的返回的结果。
信息抽取的结果往往以关系元组的形式存在。然而,元组的遗漏,元组内参数的遗漏和错误,都不同程度的影响着信息抽取的结果。也就是说,现有的信息抽取方法,信息抽取的准确度和全面度较低。
发明内容
本申请实施例提供一种信息抽取方法、信息抽取装置和电子设备,以解决现有的信息抽取,准确度和全面度较低的问题。
为解决上述技术问题,本申请是这样实现的:
本申请第一方面提供一种信息抽取方法,包括:
获取文本信息;
获取所述文本信息中的第一主关系元组;
获取N个主关系元组,所述N个主关系元组包括根据所述第一主关系元组的参数获得的至少一个第二主关系元组,N为正整数;
根据所述第一主关系元组和所述N个主关系元组,确定所述文本信息的信息抽取结果;
其中,所述第一主关系元组为未被所述文本信息中其他关系元组包含的关系元组,所述第二主关系元组为未被所述第一主关系元组的参数中其他关系元组包含的关系元组。
进一步的,所述N个主关系元组还包括:
从所述第二主关系元组的参数中得到的至少一个第三主关系元组,其中,所述第三主关系元组为未被所述第二主关系元组的参数中其他关系元组包含的关系元组。
进一步的,所述获取N个主关系元组,包括:
从所述第一主关系元组的参数中获取所述至少一个第二主关系元组;
对所述N个主关系元组中第i次获取的主关系元组的参数进行主关系元组抽取,以得到第i+1次获取的主关系元组,其中,所述第二主关系元组为所述N个主关系元组中第1次获取的主关系元组,所述N个主关系元组中最后一次获取的主关系元组中的参数不包括主关系元组,i为小于或者等于所述N的正整数。
进一步的,所述获取所述文本信息中的第一主关系元组,包括:
将所述文本信息输入至神经网络模型,获得所述文本信息的第一主关系元组;其中,所述神经网络模型包括编码器和解码器,所述编码器用于根据所述文本信息获得编码特征,所述解码器用于根据所述编码特征获得所述文本信息的第一主关系元组。
进一步的,所述编码器通过对无标注的训练语料进行上下文预测确定。
本申请第二方面提供一种信息抽取装置,包括:
第一获取模块,用于获取文本信息;
第二获取模块,用于获取所述文本信息中的第一主关系元组;
第三获取模块,用于获取N个主关系元组,所述N个主关系元组包括根据所述第一主关系元组的参数获得的至少一个第二主关系元组,N为正整数;
确定模块,用于根据所述第一主关系元组和所述N个主关系元组,确定所述文本信息的信息抽取结果;
其中,所述第一主关系元组为未被所述文本信息中其他关系元组包含的关系元组,所述第二主关系元组为未被所述第一主关系元组的参数中其他关系元组包含的关系元组。
进一步的,所述N个主关系元组还包括:
从所述第二主关系元组的参数中得到的至少一个第三主关系元组,其中,所述第三主关系元组为未被所述第二主关系元组的参数中其他关系元组包含的关系元组。
进一步的,所述第三获取模块,包括:
第一获取子模块,用于从所述第一主关系元组的参数中获取所述至少一个第二主关系元组;
第二获取子模块,用于对所述N个主关系元组中第i次获取的主关系元组的参数进行主关系元组抽取,以得到第i+1次获取的主关系元组,其中,所述第二主关系元组为所述N个主关系元组中第1次获取的主关系元组,所述N个主关系元组中最后一次获取的主关系元组中的参数不包括主关系元组,i为小于或者等于所述N的正整数。
进一步的,所述第二获取模块,用于:
将所述文本信息输入至神经网络模型,获得所述文本信息的第一主关系元组;其中,所述神经网络模型包括编码器和解码器,所述编码器用于根据所述文本信息获得编码特征,所述解码器用于根据所述编码特征获得所述文本信息的第一主关系元组。
进一步的,所述编码器通过对无标注的训练语料进行上下文预测确定。
本申请第三方面提供一种电子设备,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:
通过获取文本信息;获取所述文本信息中的第一主关系元组;获取N个主关系元组,所述N个主关系元组包括根据所述第一主关系元组的参数获得的至少一个第二主关系元组,N为正整数;根据所述第一主关系元组和所述N个主关系元组,确定所述文本信息的信息抽取结果;其中,所述第一主关系元组为未被所述文本信息中其他关系元组包含的关系元组,所述第二主关系元组为未被所述第一主关系元组的参数中其他关系元组包含的关系元组。由于在对文本信息进行信息抽取时,先抽取文本信息的第一主关系元组,然后再对第一主关系元组的参数进行主关系元组抽取,这种从大范围到小范围(即进行主关系元组抽取针对的对象所包括的文本长度逐渐变短)的逐步抽取方法,可使得抽取覆盖的范围更细致,从而获得更全和更准确的抽取结果。
通过对第二主关系元组的参数进行主关系元组抽取,来获得更多的主关系元组,这种对已获取的主关系元组的参数进行主关系元组抽取的方式,可使得所述抽取覆盖的范围更细致,从而获得更全和更准确的抽取结果。
通过对文本信息抽取主关系元组,然后对获取的主关系元组的参数进行主关系元组抽取,可以保证文本信息中所有成分(每个字、词)均被涵盖,同时也保证了包含在其他关系元组中的关系元组同样有机会被识别和处理。另外,由于在逐步抽取过程中,被抽取对象(即参数)逐渐变短,有效避免了语法、句法长距离的级联错误,提高了信息抽取的准确率。
神经网络模型包括编码器和解码器,通过神经网络模型可对文本信息进行主关系元组抽取,提高抽取准确率。
编码器可通过对无标注的训练语料进行上下文预测确定,这种编码器的确定方式,可以降低构造神经网络模型的数据建设成本。
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是本申请实施例提供的信息抽取方法的流程图;
图2是本申请实施例提供的迭代分解装置示意图;
图3是本申请实施例提供的信息抽取装置的结构图;
图4是用来实现本申请实施例的信息抽取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。
参见图1,图1是本申请实施例提供的信息抽取方法的流程图,如图1所示,本实施例提供一种信息抽取方法,应用于电子设备,包括以下步骤:
步骤101、获取文本信息。
文本信息可为用户输入的信息,也可为搜索引擎根据用户输入的查询信息进行查询后获得的搜索结果信息,在此不做限定。文本信息可为一段文字。
步骤102、获取所述文本信息中的第一主关系元组,所述第一主关系元组为未被所述文本信息中其他关系元组包含的关系元组。
第一主关系元组为未被文本信息中其他关系元组包含的关系元组,例如,若文本信息包括多个关系元组,该多个关系元组中,有且只有一个主关系元组。其中,第一主关系元组为该多个关系元组中不被其他关系元组包含的关系元组,例如文本信息包括A、B和C三个关系元组,其中,A包括B和C,那么A为第一主关系元组。文本信息最多包括一个第一主关系元组。
第一主关系元组也为关系元组,具有关系元组的特征,即第一主关系元组包括核心词和至少一个参数。例如,若文本信息为“他当过兵的哥哥说,你不像军官”,该文本信息的第一主关系元组的核心词为“{0}说,{1}”,第一主关系元组的参数为“他当过兵的哥哥”、“你不像军官”,其中,“{0}”表示第一个参数“他当过兵的哥哥”,{1}表示第二个参数“你不像军官”。
步骤103、获取N个主关系元组,所述N个主关系元组包括根据所述第一主关系元组的参数获得的至少一个第二主关系元组,N为正整数,所述第二主关系元组为未被所述第一主关系元组的参数中其他关系元组包含的关系元组。
根据第一主关系元组的参数获得第二主关系元组,第二主关系元组为未被所述第一主关系元组的参数中其他关系元组包含的关系元组。第一主关系元组可包括一个或多个参数,对每个参数进行主关系元组抽取,获得第二主关系元组。从每个参数中最多获得一个第二主关系元组,若一个参数包括多个关系元组,则该多个关系元组中,有且只有一个主关系元组。其中,第二主关系元组是这多个关系元组中未被其他关系元组包含的关系元组。
接步骤102中的示例,对第一主关系元组的参数“他当过兵的哥哥”进行主关系元组抽取,获得的第二主关系元组的核心词为“{0}当过{1}”,参数为“他哥哥”、“兵”,其中,“{0}”表示第一个参数“他哥哥”,{1}表示第二个参数“兵”。
对第一主关系元组的参数进行主关系元组抽取,获得第二主关系元组。同样的,可对第二主关系元组的参数进行主关系元组抽取,获得更多的主关系元组。N个主关系元组包括第二主关系元组,还可包括对第二主关系元组的参数进行抽取获得的主关系元组。
步骤104、根据所述第一主关系元组和所述N个主关系元组,确定所述文本信息的信息抽取结果。
将获得的第一主关系元组和N个主关系元组,作为文本信息的信息抽取结果。由于在对文本信息进行信息抽取时,先抽取文本信息的第一主关系元组,然后再对第一主关系元组的参数进行主关系元组抽取,这种从大范围到小范围的逐步抽取方法,可使得抽取覆盖的范围更细致,从而获得更全和更准确的抽取结果。
本实施例中,获取文本信息;获取所述文本信息中的第一主关系元组;获取N个主关系元组,所述N个主关系元组包括根据所述第一主关系元组的参数获得的至少一个第二主关系元组,N为正整数;根据所述第一主关系元组和所述N个主关系元组,确定所述文本信息的信息抽取结果;其中,所述第一主关系元组为未被所述文本信息中其他关系元组包含的关系元组,所述第二主关系元组为未被所述第一主关系元组的参数中其他关系元组包含的关系元组。由于在对文本信息进行信息抽取时,先抽取文本信息的第一主关系元组,然后再对第一主关系元组的参数进行主关系元组抽取,这种从大范围到小范围(即进行主关系元组抽取针对的对象所包括的文本长度逐渐变短)的逐步抽取方法,可使得抽取覆盖的范围更细致,从而获得更全和更准确的抽取结果。
在本申请一个实施例中,所述N个主关系元组还包括:从所述第二主关系元组的参数中得到的至少一个第三主关系元组,其中,所述第三主关系元组为未被所述第二主关系元组的参数中其他关系元组包含的关系元组。
本实施例中,在获得第二主关系元组之后,可继续对第二主关系元组的参数进行主关系元组抽取,获得更多的主关系元组。N个主关系元组包括第二主关系元组,还包括对第二主关系元组的参数进行抽取获得的主关系元组,即第三主关系元组。
本实施例中,通过对第二主关系元组的参数进行主关系元组抽取,来获得更多的主关系元组,这种对已获取的主关系元组的参数进行主关系元组抽取的方式,可使得所述抽取覆盖的范围更细致,从而获得更全和更准确的抽取结果。
在本申请一个实施例中,所述获取N个主关系元组,包括:
从所述第一主关系元组的参数中获取所述至少一个第二主关系元组;
对所述N个主关系元组中第i次获取的主关系元组的参数进行主关系元组抽取,以得到第i+1次获取的主关系元组,其中,所述第二主关系元组为所述N个主关系元组中第1次获取的主关系元组,所述N个主关系元组中最后一次获取的主关系元组中的参数不包括主关系元组,i为小于或者等于所述N的正整数。
本实施例中,N个主关系元组包括从第一主关系元组的参数中获取的第二主关系元组,还包括从第二主关系元组的参数中获取的第三主关系元组,继续对获取的第三主关系元组的参数抽取其主关系元组,直到新获取的主关系元组的参数不包括主关系元组。也就是说,所述第二主关系元组为所述N个主关系元组中第1次获取的主关系元组,所述N个主关系元组中最后一次获取的主关系元组中的参数不包括主关系元组,i为小于或者等于所述N的正整数。
以下以对文本信息为“他当过兵的哥哥说,你不像军官”逐步提取主关系元组为例进行说明,如表1所示,对文本信息“他当过兵的哥哥说,你不像军官”抽取,获得的第一主关系元组的参数包括“他当过兵的哥哥”和“你不像军官”;分别对第一主关系元组的参数“他当过兵的哥哥”和“你不像军官”进行抽取,获得第一个第二主关系元组的参数“他哥哥”和“兵”,以及第二个第二主关系元组的参数“你”和“军官”;然后继续分别对第二主关系元组的参数“他哥哥”、“兵”、“你”和“军官”进行抽取,此轮抽取中未抽取到主关系元组,抽取过程结束。
表1
上述抽取过程为一个迭代过程,可采用迭代分解装置进行抽取。如图2所示,迭代分解装置包括主关系分解器和存储器。迭代分解装置可视为为一个迭代器,用于依次将文本信息及其派生参数(即从主关系元组中获得的参数)进行主关系分解(即抽取主关系元组),得到核心词和参数组成的主关系元组。在输出分解结果的同时,将分解结果中的参数存储在存储器。对于存储器中的所有派生参数,迭代器将其取出,再次输入到主关系分解器中进行处理,直到存储器为空。
为了更进一步的对本申请的抽取过程进行描述,表2示出了更加详细的抽取过程,其中,抽取次数与抽取顺序并不完全一致。在抽取过程中,先对文本信息进行主关系元组抽取(即对第一层的文本信息进行抽取),获得至少一个参数,然后对至少一个参数中的各参数进行主关系元组抽取(即对第二层的参数进行抽取),获得至少一个第二主关系元组,再对至少一个第二主关系元组的各参数进行主关系元组抽取(即对第三层的参数进行抽取),获得至少一个第三主关系元组,这样依次对获取的主关系元组的参数进行主关系元组抽取,直到新获得的主关系元组的参数不包括主关系元组。
表2
表1和表2为对文本信息进行迭代分解实现信息抽取的示例。文本信息经过分解得到核心词和参数,然后对存储在存储器中的参数继续进行主关系元组抽取,直到参数不再派生新参数(即存储器为空)。
本实施例中,通过对文本信息抽取主关系元组,然后对获取的主关系元组的参数进行主关系元组抽取,可以保证文本信息中所有成分(每个字、词)均被涵盖,同时也保证了包含在其他关系元组中的关系元组同样有机会被识别和处理。另外,由于在逐步抽取过程中,被抽取对象(即参数)逐渐变短,有效避免了语法、句法长距离的级联错误,提高了信息抽取的准确率。
在本申请一个实施例中,所述获取所述文本信息中的第一主关系元组,包括:
将所述文本信息输入至神经网络模型,获得所述文本信息的第一主关系元组;其中,所述神经网络模型包括编码器和解码器,所述编码器用于根据所述文本信息获得编码特征,所述解码器用于根据所述编码特征获得所述文本信息的第一主关系元组。
本实施例中,在获取文本信息的第一主关系元组时,可通过神经网络模型(也可称为主关系分解器)来实现。文本信息中可能不包括关系元组,也可能包括一个或者多个关系元组。若文本信息包括多个关系元组,则有且只有一个是主关系元组。主关系分解器用于:识别文本信息中是否存在关系元组;识别并抽取主关系元组。
在本实施例中,所述神经网络模型包括编码器和解码器,所述编码器用于根据所述文本信息获得编码特征,所述解码器用于根据所述编码特征获得所述文本信息的第一主关系元组。其中,所述编码器可通过对无标注的训练语料进行上下文预测确定。编码器的训练过程为:对无标注的训练语料通过预测上下文,确定训练语料的编码特征。训练过程就是调整编码器参数的过程。
编码器通过无监督的方式在大量训练语料上学习得到,其中,编码器在学习过程中编码了词在自然语言中的上下文信息,可通过对来自变换器的双向编码器表征量(Bidirectional Encoder Representations from Transformers,简称BERT)、来自语言模型的词嵌入(Embeddings from Language Models,简称ELMo)、来自知识整合的增强表征(Enhanced Representation from kNowledge IntEgration,简称ERNIE)等神经网络结构进行训练,作为编码器,从而实现在对神经网络模型进行训练时,仅标注小规模数据,在小规模数据上微调,即可获得高精度结果。上述编码器的确定方式,可以降低构造神经网络模型的数据建设成本。解码器可使用端到端的带有复制机制的神经网络的解码器。
所述神经网络模型的训练过程包括:将标注语料输入至基础模型,获得标注语料的主关系元组;根据标注语料的主关系元组与所述标注语料的主关系标注结果,对所述基础模型的参数进行调整,获得神经网络模型。标注语料的主关系标注结果即事先标注好的主关系元组,根据该主关系元组与通过基础模型获得的主关系元组,对基础模型的参数进行调整,获得神经网络模型。
进一步的,在获取N个主关系元组时,也可将所述第一主关系元组的参数输入至神经网络模型,获得第二主关系元组。在对获取的主关系元组的参数进行抽取时,将主关系元组的参数输入至神经网络模型,获得新的主关系元组。
本实施例中,神经网络模型并不关注所有的关系元组,而是只抽取主关系元组而忽略其他关系元组。神经网络模型的输入不限于句子,也包含名词短语或者任意形式的文本片段。分解器所关注的关系,不限于动词描述的关系,也包含连词、副词甚至标点所描述或体现的因果、转折、条件、并列等逻辑关系;分解器可以自动实现针对隐含关系的抽取,比如从名词短语“他当过兵的哥哥”推断出“他哥哥当过兵”。
参见图3,图3是本申请实施例提供的信息抽取装置的结构图,如图3所示,本实施例提供一种信息抽取装置300,包括:
第一获取模块,用于获取文本信息;
第二获取模块,用于获取所述文本信息中的第一主关系元组;
第三获取模块,用于获取N个主关系元组,所述N个主关系元组包括根据所述第一主关系元组的参数获得的至少一个第二主关系元组,N为正整数;
确定模块,用于根据所述第一主关系元组和所述N个主关系元组,确定所述文本信息的信息抽取结果;
其中,所述第一主关系元组为未被所述文本信息中其他关系元组包含的关系元组,所述第二主关系元组为未被所述第一主关系元组的参数中其他关系元组包含的关系元组。
在本申请一个实施例中,所述N个主关系元组还包括:
从所述第二主关系元组的参数中得到的至少一个第三主关系元组,其中,所述第三主关系元组为未被所述第二主关系元组的参数中其他关系元组包含的关系元组。
在本申请一个实施例中,所述第三获取模块,包括:
第一获取子模块,用于从所述第一主关系元组的参数中获取所述至少一个第二主关系元组;
第二获取子模块,用于对所述N个主关系元组中第i次获取的主关系元组的参数进行主关系元组抽取,以得到第i+1次获取的主关系元组,其中,所述第二主关系元组为所述N个主关系元组中第1次获取的主关系元组,所述N个主关系元组中最后一次获取的主关系元组中的参数不包括主关系元组,i为小于或者等于所述N的正整数。
在本申请一个实施例中,所述第二获取模块,用于:
将所述文本信息输入至神经网络模型,获得所述文本信息的第一主关系元组;其中,所述神经网络模型包括编码器和解码器,所述编码器用于根据所述文本信息获得编码特征,所述解码器用于根据所述编码特征获得所述文本信息的第一主关系元组。
在本申请一个实施例中,所述编码器通过对无标注的训练语料进行上下文预测确定。
信息抽取装置300能够实现图1所示的方法实施例中电子设备实现的各个过程,为避免重复,这里不再赘述。
本申请实施例的信息抽取装置300,获取文本信息;获取所述文本信息中的第一主关系元组;获取N个主关系元组,所述N个主关系元组包括根据所述第一主关系元组的参数获得的至少一个第二主关系元组,N为正整数;根据所述第一主关系元组和所述N个主关系元组,确定所述文本信息的信息抽取结果;其中,所述第一主关系元组为未被所述文本信息中其他关系元组包含的关系元组,所述第二主关系元组为未被所述第一主关系元组的参数中其他关系元组包含的关系元组。由于在对文本信息进行信息抽取时,先抽取文本信息的第一主关系元组,然后再对第一主关系元组的参数进行主关系元组抽取,这种从大范围到小范围(即进行主关系元组抽取针对的对象所包括的文本长度逐渐变短)的逐步抽取方法,可使得抽取覆盖的范围更细致,从而获得更全和更准确的抽取结果。
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4所示,是根据本申请实施例的信息抽取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4所示,该电子设备包括: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信息抽取方法。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信息抽取方法。
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信息抽取方法对应的程序指令/模块(例如,附图3所示的第一获取模块301、第二获取模块302、第三获取模块303和确定模块304)。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,即实现上述方法实施例中的信息抽取方法。
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实现信息抽取方法的电子设备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实现信息抽取方法的电子设备。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。
实现信息抽取方法的电子设备还可以包括: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,以及产生与实现信息抽取方法的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。
本申请实施例的技术方案可获得如下有益效果:
通过获取文本信息;获取所述文本信息中的第一主关系元组;获取N个主关系元组,所述N个主关系元组包括根据所述第一主关系元组的参数获得的至少一个第二主关系元组,N为正整数;根据所述第一主关系元组和所述N个主关系元组,确定所述文本信息的信息抽取结果;其中,所述第一主关系元组为未被所述文本信息中其他关系元组包含的关系元组,所述第二主关系元组为未被所述第一主关系元组的参数中其他关系元组包含的关系元组。由于在对文本信息进行信息抽取时,先抽取文本信息的第一主关系元组,然后再对第一主关系元组的参数进行主关系元组抽取,这种从大范围到小范围(即进行主关系元组抽取针对的对象所包括的文本长度逐渐变短)的逐步抽取方法,可使得抽取覆盖的范围更细致,从而获得更全和更准确的抽取结果。
通过对第二主关系元组的参数进行主关系元组抽取,来获得更多的主关系元组,这种对已获取的主关系元组的参数进行主关系元组抽取的方式,可使得所述抽取覆盖的范围更细致,从而获得更全和更准确的抽取结果。
通过对文本信息抽取主关系元组,然后对获取的主关系元组的参数进行主关系元组抽取,可以保证文本信息中所有成分(每个字、词)均被涵盖,同时也保证了包含在其他关系元组中的关系元组同样有机会被识别和处理。另外,由于在逐步抽取过程中,被抽取对象(即参数)逐渐变短,有效避免了语法、句法长距离的级联错误,提高了信息抽取的准确率。
神经网络模型包括编码器和解码器,通过神经网络模型可对文本信息进行主关系元组抽取,提高抽取准确率。
编码器可通过对无标注的训练语料进行上下文预测确定,这种编码器的确定方式,可以降低构造神经网络模型的数据建设成本。
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 (10)
1.一种信息抽取方法,其特征在于,包括:
获取文本信息;
获取所述文本信息中的第一主关系元组;
获取N个主关系元组,所述N个主关系元组包括根据所述第一主关系元组的参数获得的至少一个第二主关系元组,N为正整数;
根据所述第一主关系元组和所述N个主关系元组,确定所述文本信息的信息抽取结果;
其中,所述第一主关系元组为未被所述文本信息中其他关系元组包含的关系元组,所述第二主关系元组为未被所述第一主关系元组的参数中其他关系元组包含的关系元组;
所述获取N个主关系元组,包括:
从所述第一主关系元组的参数中获取所述至少一个第二主关系元组;
对所述N个主关系元组中第i次获取的主关系元组的参数进行主关系元组抽取,以得到第i+1次获取的主关系元组,其中,所述第二主关系元组为所述N个主关系元组中第1次获取的主关系元组,所述N个主关系元组中最后一次获取的主关系元组中的参数不包括主关系元组,i为小于或者等于所述N的正整数。
2.根据权利要求1所述的信息抽取方法,其特征在于,所述N个主关系元组还包括:
从所述第二主关系元组的参数中得到的至少一个第三主关系元组,其中,所述第三主关系元组为未被所述第二主关系元组的参数中其他关系元组包含的关系元组。
3.根据权利要求1所述的信息抽取方法,其特征在于,所述获取所述文本信息中的第一主关系元组,包括:
将所述文本信息输入至神经网络模型,获得所述文本信息的第一主关系元组;其中,所述神经网络模型包括编码器和解码器,所述编码器用于根据所述文本信息获得编码特征,所述解码器用于根据所述编码特征获得所述文本信息的第一主关系元组。
4.根据权利要求3所述的信息抽取方法,其特征在于,所述编码器通过对无标注的训练语料进行上下文预测确定。
5.一种信息抽取装置,其特征在于,包括:
第一获取模块,用于获取文本信息;
第二获取模块,用于获取所述文本信息中的第一主关系元组;
第三获取模块,用于获取N个主关系元组,所述N个主关系元组包括根据所述第一主关系元组的参数获得的至少一个第二主关系元组,N为正整数;
确定模块,用于根据所述第一主关系元组和所述N个主关系元组,确定所述文本信息的信息抽取结果;
其中,所述第一主关系元组为未被所述文本信息中其他关系元组包含的关系元组,所述第二主关系元组为未被所述第一主关系元组的参数中其他关系元组包含的关系元组;
所述第三获取模块,包括:
第一获取子模块,用于从所述第一主关系元组的参数中获取所述至少一个第二主关系元组;
第二获取子模块,用于对所述N个主关系元组中第i次获取的主关系元组的参数进行主关系元组抽取,以得到第i+1次获取的主关系元组,其中,所述第二主关系元组为所述N个主关系元组中第1次获取的主关系元组,所述N个主关系元组中最后一次获取的主关系元组中的参数不包括主关系元组,i为小于或者等于所述N的正整数。
6.根据权利要求5所述的信息抽取装置,其特征在于,所述N个主关系元组还包括:
从所述第二主关系元组的参数中得到的至少一个第三主关系元组,其中,所述第三主关系元组为未被所述第二主关系元组的参数中其他关系元组包含的关系元组。
7.根据权利要求5所述的信息抽取装置,其特征在于,所述第二获取模块,用于:
将所述文本信息输入至神经网络模型,获得所述文本信息的第一主关系元组;其中,所述神经网络模型包括编码器和解码器,所述编码器用于根据所述文本信息获得编码特征,所述解码器用于根据所述编码特征获得所述文本信息的第一主关系元组。
8.根据权利要求7所述的信息抽取装置,其特征在于,所述编码器通过对无标注的训练语料进行上下文预测确定。
9.一种电子设备,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1-4中任一项所述的方法。
10.一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1-4中任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010183085.7A CN111400451B (zh) | 2020-03-16 | 2020-03-16 | 信息抽取方法、信息抽取装置和电子设备 |
KR1020210033430A KR102663523B1 (ko) | 2020-03-16 | 2021-03-15 | 정보 추출 방법, 정보 추출 장치 및 전자 기기 |
EP21162794.8A EP3869353A3 (en) | 2020-03-16 | 2021-03-16 | Information extraction method, information extraction device and electronic equipment |
JP2021042217A JP7146986B2 (ja) | 2020-03-16 | 2021-03-16 | 情報抽出方法、情報抽出装置及び電子機器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010183085.7A CN111400451B (zh) | 2020-03-16 | 2020-03-16 | 信息抽取方法、信息抽取装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111400451A CN111400451A (zh) | 2020-07-10 |
CN111400451B true CN111400451B (zh) | 2023-05-09 |
Family
ID=71428941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010183085.7A Active CN111400451B (zh) | 2020-03-16 | 2020-03-16 | 信息抽取方法、信息抽取装置和电子设备 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3869353A3 (zh) |
JP (1) | JP7146986B2 (zh) |
KR (1) | KR102663523B1 (zh) |
CN (1) | CN111400451B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063159A (zh) * | 2018-08-13 | 2018-12-21 | 桂林电子科技大学 | 一种基于神经网络的实体关系抽取方法 |
CN110427623A (zh) * | 2019-07-24 | 2019-11-08 | 深圳追一科技有限公司 | 半结构化文档知识抽取方法、装置、电子设备及存储介质 |
CN110619053A (zh) * | 2019-09-18 | 2019-12-27 | 北京百度网讯科技有限公司 | 实体关系抽取模型的训练方法和抽取实体关系的方法 |
WO2020001373A1 (zh) * | 2018-06-26 | 2020-01-02 | 杭州海康威视数字技术股份有限公司 | 一种本体构建方法及装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060009966A1 (en) | 2004-07-12 | 2006-01-12 | International Business Machines Corporation | Method and system for extracting information from unstructured text using symbolic machine learning |
US8504490B2 (en) | 2010-04-09 | 2013-08-06 | Microsoft Corporation | Web-scale entity relationship extraction that extracts pattern(s) based on an extracted tuple |
CN106372038A (zh) * | 2015-07-23 | 2017-02-01 | 北京国双科技有限公司 | 关键词的抽取方法及装置 |
CN107220238A (zh) * | 2017-05-24 | 2017-09-29 | 电子科技大学 | 一种基于混合网络模型的文本对象抽取方法 |
CN107608949B (zh) * | 2017-10-16 | 2019-04-16 | 北京神州泰岳软件股份有限公司 | 一种基于语义模型的文本信息抽取方法及装置 |
CN107808011B (zh) * | 2017-11-20 | 2021-04-13 | 北京大学深圳研究院 | 信息的分类抽取方法、装置、计算机设备和存储介质 |
CN108038426A (zh) * | 2017-11-29 | 2018-05-15 | 阿博茨德(北京)科技有限公司 | 一种提取文件中图表信息的方法及装置 |
CN107957991B (zh) * | 2017-12-05 | 2021-06-01 | 湖南星汉数智科技有限公司 | 一种基于句法依赖的实体属性信息抽取方法及装置 |
JP6709812B2 (ja) * | 2018-02-16 | 2020-06-17 | 日本電信電話株式会社 | 関係性推定モデル学習装置、方法、及びプログラム |
CN110046351B (zh) * | 2019-04-19 | 2022-06-14 | 福州大学 | 规则驱动下基于特征的文本关系抽取方法 |
CN110348003B (zh) * | 2019-05-22 | 2023-10-17 | 安徽省泰岳祥升软件有限公司 | 文本有效信息的抽取方法及装置 |
CN110196982B (zh) * | 2019-06-12 | 2022-12-27 | 腾讯科技(深圳)有限公司 | 上下位关系抽取方法、装置及计算机设备 |
-
2020
- 2020-03-16 CN CN202010183085.7A patent/CN111400451B/zh active Active
-
2021
- 2021-03-15 KR KR1020210033430A patent/KR102663523B1/ko active IP Right Grant
- 2021-03-16 JP JP2021042217A patent/JP7146986B2/ja active Active
- 2021-03-16 EP EP21162794.8A patent/EP3869353A3/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020001373A1 (zh) * | 2018-06-26 | 2020-01-02 | 杭州海康威视数字技术股份有限公司 | 一种本体构建方法及装置 |
CN109063159A (zh) * | 2018-08-13 | 2018-12-21 | 桂林电子科技大学 | 一种基于神经网络的实体关系抽取方法 |
CN110427623A (zh) * | 2019-07-24 | 2019-11-08 | 深圳追一科技有限公司 | 半结构化文档知识抽取方法、装置、电子设备及存储介质 |
CN110619053A (zh) * | 2019-09-18 | 2019-12-27 | 北京百度网讯科技有限公司 | 实体关系抽取模型的训练方法和抽取实体关系的方法 |
Non-Patent Citations (1)
Title |
---|
基于网络挖掘的实体关系元组自动获取;李维刚;刘挺;李生;;电子学报(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
JP7146986B2 (ja) | 2022-10-04 |
EP3869353A3 (en) | 2021-09-15 |
KR20210036316A (ko) | 2021-04-02 |
CN111400451A (zh) | 2020-07-10 |
KR102663523B1 (ko) | 2024-05-03 |
JP2021108140A (ja) | 2021-07-29 |
EP3869353A2 (en) | 2021-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102448129B1 (ko) | 엔티티 연결 방법, 장치, 기기 및 저장 매체 | |
CN110427627B (zh) | 基于语义表示模型的任务处理方法和装置 | |
US20210209309A1 (en) | Semantics processing method, electronic device, and medium | |
JP2021184237A (ja) | データセット処理方法、装置、電子機器及び記憶媒体 | |
US11537792B2 (en) | Pre-training method for sentiment analysis model, and electronic device | |
US20210248484A1 (en) | Method and apparatus for generating semantic representation model, and storage medium | |
US11907671B2 (en) | Role labeling method, electronic device and storage medium | |
US20220092252A1 (en) | Method for generating summary, electronic device and storage medium thereof | |
US20210200813A1 (en) | Human-machine interaction method, electronic device, and storage medium | |
JP2022050379A (ja) | 意味検索方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN112528001B (zh) | 一种信息查询方法、装置及电子设备 | |
CN113553414B (zh) | 智能对话方法、装置、电子设备和存储介质 | |
CN111126061B (zh) | 对联信息生成方法和装置 | |
US11704326B2 (en) | Generalization processing method, apparatus, device and computer storage medium | |
CN111708800A (zh) | 查询方法、装置及电子设备 | |
CN112507697B (zh) | 事件名的生成方法、装置、设备及介质 | |
CN111984774B (zh) | 搜索方法、装置、设备以及存储介质 | |
US20230094730A1 (en) | Model training method and method for human-machine interaction | |
CN111666372B (zh) | 解析查询词query的方法、装置、电子设备和可读存储介质 | |
CN111339314B (zh) | 一种三元组数据的生成方法、装置和电子设备 | |
CN110990569B (zh) | 文本聚类方法、装置及相关设备 | |
CN111400451B (zh) | 信息抽取方法、信息抽取装置和电子设备 | |
US11893977B2 (en) | Method for recognizing Chinese-English mixed speech, electronic device, and storage medium | |
CN111414765B (zh) | 句子一致性的判定方法、装置、电子设备及可读存储介质 | |
JP2022091121A (ja) | テキスト誤り訂正方法、装置、電子デバイス、記憶媒体及びプログラム |
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 |