CN113220836B - 序列标注模型的训练方法、装置、电子设备和存储介质 - Google Patents
序列标注模型的训练方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113220836B CN113220836B CN202110502466.1A CN202110502466A CN113220836B CN 113220836 B CN113220836 B CN 113220836B CN 202110502466 A CN202110502466 A CN 202110502466A CN 113220836 B CN113220836 B CN 113220836B
- Authority
- CN
- China
- Prior art keywords
- text
- labeling
- training
- sample
- 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.)
- Active
Links
- 238000012549 training Methods 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000002372 labelling Methods 0.000 claims abstract description 167
- 230000011218 segmentation Effects 0.000 claims description 42
- 238000004458 analytical method Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000003058 natural language processing Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 239000007787 solid Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005065 mining Methods 0.000 description 5
- 235000005911 diet Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010225 co-occurrence analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/33—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
- G06F16/35—Clustering; 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
- G06F16/36—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
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了序列标注模型的训练方法、装置、电子设备和存储介质，涉及计算机技术领域，具体涉及知识图谱、自然语言处理和深度学习等人工智能技术领域。具体实现方案为：获取样本文本，并获取待训练的序列标注模型；对样本文本进行切分以获取多个文本词，其中，文本词包括实体词和非实体词；分别对多个文本词进行标注以生成训练样本；以及根据训练样本对序列标注模型进行训练。由此，能够提高序列标注模型的准确度和多样性。
Description
技术领域
本申请涉及计算机技术领域，具体涉及知识图谱、自然语言处理和深度学习等人工智能技术领域，尤其涉及一种序列标注模型的训练方法、装置、电子设备和存储介质。
背景技术
目前，在自然语言文本挖掘任务中，往往需要利用文本中解析到的额外信息来辅助挖掘任务，从而得到精准的挖掘结果。如：词性标注、命名实体识别、文本概念识别、术语识别、句法依存分析、语义角色标注等。
发明内容
本申请提供了一种序列标注模型的训练方法、装置、电子设备和存储介质。
根据本申请的一方面，提供了一种序列标注模型的训练方法，包括：
获取样本文本，并获取待训练的序列标注模型；
对所述样本文本进行切分以获取多个文本词，其中，所述文本词包括实体词和非实体词；
分别对所述多个文本词进行标注以生成训练样本；以及
根据所述训练样本对所述序列标注模型进行训练。
根据本申请的另一方面，提供了一种序列标注模型的训练装置，包括：
获取模块，用于获取样本文本，并获取待训练的序列标注模型；
切分模块，用于对所述样本文本进行切分以获取多个文本词，其中，所述文本词包括实体词和非实体词；
生成模块，用于分别对所述多个文本词进行标注以生成训练样本；以及
训练模块，用于根据所述训练样本对所述序列标注模型进行训练。
根据本申请的另一方面，提供了一种电子设备，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一方面实施例所述的序列标注模型的训练方法。
根据本申请另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的序列标注模型的训练方法。
根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述一方面实施例所述的序列标注模型的训练方法。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
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为本申请实施例提供的一种序列标注模型的训练方法的流程示意图；
图2为本申请实施例提供的另一种序列标注模型的训练方法的流程示意图；
图3为本申请实施例提供的另一种序列标注模型的训练方法的流程示意图；
图4为本申请实施例提供的另一种序列标注模型的训练方法的流程示意图；
图5为本申请实施例提供的一种序列标注模型的训练装置的结构示意图；以及
图6为根据本申请实施例的序列标注模型的训练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序列标注模型的训练方法、装置、电子设备和存储介质。
人工智能是研究使用计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术领域也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术包括计算机视觉技术、语音识别技术、自然语言处理技术以及深度学习、大数据处理技术、知识图谱技术等几大方向。
知识图谱(Knowledge Graph)，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱，是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。
深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
本申请实施例提供的序列标注模型的训练方法，可以由电子设备来执行，该电子设备可为PC(Personal Computer，个人计算机)电脑、平板电脑或掌上电脑等，此处不做任何限定。
在本申请实施例中，电子设备中可以设置有处理组件、存储组件和驱动组件。可选的，该驱动组件和处理组件可以集成设置，该存储组件可以存储操作系统、应用程序或其他程序模块，该处理组件通过执行存储组件中存储的应用程序来实现本申请实施例提供的序列标注模型的训练方法。
图1为本申请实施例提供的一种序列标注模型的训练方法的流程示意图。
本申请实施例的序列标注模型的训练方法，还可由本申请实施例提供的序列标注模型的训练装置执行，该装置可配置于电子设备中，以实现获取样本文本，并获取待训练的序列标注模型，以及对样本文本进行切分以获取多个文本词，然后分别对多个文本词进行标注以生成训练样本，并根据训练样本对序列标注模型进行训练，从而能够提高序列标注模型的准确度和多样性。
作为一种可能的情况，本申请实施例的序列标注模型的训练方法还可以在服务器端执行，该服务器可以为云服务器，可以在云端执行该序列标注模型的训练方法。
如图1所示，该序列标注模型的训练方法，可包括：
步骤101，获取样本文本，并获取待训练的序列标注模型。其中，样本文本可为多个。
需要说明的是，该实施例中所描述的样本文本可以是中文文本，其中，该样本文本中可以包含一个句子、一个段落或者一个篇章，比如，新闻稿件等。
在本申请实施例中，获取样本文本的途径可有多条，其中，可直接从网络上复制粘贴一些语言或网文片段来生成样本文本，或者由相关人员直接编写，例如，相关人员可通过语音识别生成样本文本，或通过输入法系统输入的内容生成样本文本，此处不做任何限定。其中，输入法系统可以根据用户当前的输入方式，将输入内容转换为所输入文字的字词候选项，提供用户进行选择，用户可以通过多种输入手段进行文本信息的输入，例如键盘，触摸板，鼠标等，同时用户也可以选择任意的输入方式进行文本信息的输入，如拼音、五笔、笔画、手写键盘等，此处不做任何限定。
在本申请实施例中，待训练的序列标注模型可以是相关人员预先准备好的，并将其预先存储在电子设备的存储空间中，以便后续的使用。其中，该存储空间不仅限于基于实体的存储空间，例如，硬盘，该存储空间还可以是连接电子设备的网络硬盘的存储空间(云存储空间)。
具体地，电子设备(例如，电脑)可在获取到样本文本之后，从自身的存储空间中获取待训练的序列标注模型。
需要说明的是，该实施例中所描述的待训练的序列标注模型可为RNN(RecurrentNeural Network，循环神经网络)系列模型(LSTM(Long-Short Term Memory，长短期记忆网络)/GRU(即，LSTM的一个变体，GRU保持了LSTM的效果同时又使结构更加简单))+条件随机场、预训练语言模型(ELMo(Embeddings from Language Models，大规模语义模型)/BERT(Bidirectional Encoder Representation from Transformers，预训练的语言表征模型)/ERNIE(Enhanced Language Representation with Informative Entities，自然语言模型)/RoBERTa(A Robustly Optimized BERT Pretraining Approach，中文预训练模型))+条件随机场等，也可以是其它类型的标注模型，此处不做任何限定。
步骤102，对样本文本进行切分以获取多个文本词，其中，文本词可包括实体词和非实体词。
在本申请实施例中，可根据预设的文本切分算法，对样本文本进行切分以获取多个文本词。其中，预设的文本切分算法可根据实际情况进行标定。
具体地，电子设备在获取到样本文本和待训练的序列标注模型之后，可根据预设的文本切分算法对样本文本进行切分以获取多个文本词。例如，假设样本文本为“刘某某XXXX”，则切分后的多个文本词可包括“刘某某”和“XXXX”，其中，“刘某某”和“XXXX”均为实体词；假设样本文本为“金宝花园位于京郊潮白河畔”，则切分后的多个文本词可包括“金宝花园”、“位于”、“京郊”和“潮白河畔”，其中，“金宝花园”和“潮白河畔”是实体词，“位于”和“京郊”为非实体词。由此，可识别样本文本中所有的信息。
需要说明的是，本申请的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
作为一种可能的情况，电子设备还可根据文本切分模型对样本文本进行切分，以获取多个文本词。应说明的是，该实施例中所描述的文本切分模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
其中，该文本切分模型的训练与生成均可由相关的服务器执行，该服务器可以是云端服务器，也可以是一台电脑的主机，该服务器与可执行申请实施例提供的序列标注模型的训练方法的电子设备之间，建立有通信连接，该通信连接可以是无线网络连接和有线网络连接的至少一种。服务器可将训练完成的文本切分模型发送给电子设备，以便电子设备在需要时调用，从而大大减少电子设备的计算压力。
具体地，电子设备在获取到样本文本和待训练的序列标注模型之后，可从自身的存储空间中调出文本切分模型，并将该样本文本输入至该文本切分模型，从而通过该文本切分模型切分该样本文本，以得到该文本切分模型输出的多个文本词。
作为一种可能的情况，电子设备还可使用词法分析工具，对样本文本进行切分(分词)，以获取多个文本词。应说明的是，该实施例中所描述的词法分析工具可包括结巴分词、百度LAC(Lexical Analysis of Chinese，词法分析工具)等任意已有的词法分析工具。另外，该词法分析工具可预装在电子设备中，以便电子设备需要时调用。
具体地，电子设备在获取到样本文本和待训练的序列标注模型之后，可使用词法分析工具，对样本文本进行切分(分词)，以获取多个文本词。
步骤103，分别对多个文本词进行标注以生成训练样本。
在本申请实施例中，可根据预设的标注策略分别对多个文本词进行标注以生成训练样本。其中，预设的标注策略可根据实际情况进行标定。
步骤104，根据训练样本对序列标注模型进行训练。
具体地，电子设备在获取到上述的多个文本词之后，可根据预设的标注策略分别对多个文本词进行标注，以得到多个文本词的标注信息，并可根据该多个文本词的标注信息和样本文本生成训练样本。然后电子设备可根据该训练样本对序列标注模型进行训练，以生成训练之后的序列标注模型。
在本申请实施例中，首先获取样本文本，并获取待训练的序列标注模型，然后对样本文本进行切分以获取多个文本词，并分别对多个文本词进行标注以生成训练样本，最后根据训练样本对序列标注模型进行训练。由此，能够提高序列标注模型的准确度和多样性。
为了清楚说明上一实施例，在本申请的一个实施例中，训练样本可包括样本文本和样本文本对应的文本词标注信息，根据训练样本对序列标注模型进行训练，可包括将训练样本输入序列标注模型以生成预测的文本词标注信息，并根据预测的文本词标注信息和样本文本对应的文本词标注信息生成损失值，以及根据损失值对序列标注模型进行训练。
具体地，电子设备在得到训练样本之后，可将该训练样本输入至序列标注模型以生成预测的文本词标注信息，并根据预测的文本词标注信息和样本文本对应的文本词标注信息生成损失值，以及根据该损失值对序列标注模型进行训练，从而优化序列标注模型，提高标注的准确度和多样性。
进一步地，在本申请的一个实施例中，如图2所示,分别对多个文本词进行标注以生成训练样本，可包括：
步骤201，获取词法分析工具。
需要说明的是，该实施例中所描述的词法分析工具可包括结巴分词、百度LAC(Lexical Analysis of Chinese，词法分析工具)等任意已有的词法分析工具。另外，该词法分析工具可预装在电子设备中，以便电子设备需要时调用。
步骤202，基于词法分析工具，分别对多个文本词进行标注以生成第一标注结果。
步骤203，根据第一标注结果生成训练样本。
具体地，电子设备在获取到上述的多个文本词之后，可直接使用词法分析工具分别对多个文本词进行词性标注、命名实体识别等操作，以得到较为粗略的序列标注结果(即，第一标注结果)，然后可根据该序列标注结果和样本文本生成训练样本。由此，能够对样本文本做全序列标注，有利于下游任务应用。
作为一种可能的情况，相关工作人员可通过电子设备人为对多个文本词进行标注以生成第一标注结果。
为了清楚说明上一实施例，在本申请的一个实施例中，如图3所示,根据第一标注结果生成训练样本，可包括：
步骤301，分别获取第一标注结果中多个文本词的标注信息。
步骤302，以文本词为索引从通用词汇类别词典之中进行查询，以生成查询结果。
在本申请实施例中，可基于通用词汇类别体系构建(生成)通用词汇类别词典，其中，词类序列标注的标注类别使用预定义的通用词汇类别体系，该通用词汇类别体系是覆盖全部词汇的类别层次体系，包括各类实体词与非实体词(如概念、专名、语法词等)，从中筛选全覆盖的子集，作为标注类别集合。筛选标注类别时，还可考虑到一些类别单从文本中无法细分(如人物类、作品类、品牌名等)，对这些类别不做细分，而一些名字中明确带有细分特征的类别(如医院、学校等)，则可划分类较细粒度的子类。最终筛选出的标注类别，需概括通用词汇类别体系中的所有词类，即覆盖实体词和非实体词，而后可基于该标注类别构建(生成)上述的通用词汇类别词典。
需要说明的是，该实施例中所描述的通用词汇类别词典可以是提前生产好的，并将其预存在电子设备的存储空间中，以方便调取应用。
步骤303，根据查询结果分别对多个文本词，以及多个文本词的标注信息进行优化，以生成第二标注结果。
步骤304，根据第二标注结果生成训练样本。
具体地，电子设备在生成第一标注结果之后，可先对该第一标注结果进行解析，以获取第一标注结果中多个文本词的标注信息，并从自身的存储空间中获取通用词汇类别词典，然后可分别以多个文本词中的单文本词和/或多个文本词之间相互组合为索引，从通用词汇类别词典之中进行查询，以查询出多个文本词中每个文本词对应的文本词类特征，并生成查询结果。再然后电子设备可根据该查询结果分别对多个文本词，以及多个文本词的标注信息进行优化，例如，修复第一标注结果中错误的标注结果，如文本词切分错误、词类上位错误等，以生成第二标注结果。最后电子设备可根据该第二标注结果和样本文本生成训练样本。由此，能够提高对样本文本做全序列标注的准确性。
为了清楚说明上一实施例，在本申请的一个实施例中，如图4所示,根据第二标注结果生成训练样本，可包括：
步骤401，获取样本文本的来源信息。
需要说明的是，该实施例中所描述的来源信息可包括样本文本来源中的额外信息，例如，样本文本来源是百科，则来源信息可包括其所在的词条类型，样本文本所在词条中的位置等信息；样本文本来源是资讯，则来源信息可包括来源资讯所在的频道信息。
步骤402，根据来源信息分别对第二标注结果中的多个文本词的标注信息进行优化，以生成第三标注结果。
步骤403，根据第三标注结果生成训练样本。
具体地，电子设备在生成第二标注结果之后，可先获取样本文本的来源信息，并对该来源信息进行解析，以及通过解析的结果分别对第二标注结果中的多个文本词的标注信息进行优化，以生成第三标注结果。
例如，样本文本来源是百科，则可根据其所在的词条类型，文本所在词条中的位置等信息，修复第二标注结果中的多个文本词的标注信息中的一些错误，比如网文作者，作品名等；例如，样本文本来源是资讯，则可以根据来源资讯所在的频道(如体育、经济、数码、饮食)修复第二标注结果中的多个文本词的标注信息中的一些标注错误，比如常见的某果、某米(饮食vs品牌)；例如，文本的来源是搜索，则可以根据搜索的点击结果、展现结果等信息修复第二标注结果中的多个文本词的标注信息中的一些标注错误。
然后，电子设备可根据该第三标注结果和样本文本生成训练样本。由此，能够进一步提高对样本文本做全序列标注的准确性。
需要说明的是，在上述的训练样本中，每个一个切分片段(即，文本词)都给出其上位词类(即，标注信息)，例如：“金宝花园位于京郊潮白河畔”会标注为：“金宝花园\场所类、位于\场景事件、京郊\场所类、潮白河畔\世界地区类”。词类上位标签集合为中文词类知识体系的全划分，除上述例子中所提到的词类之外，也会有人物类、作品类、组织机构类、品牌类、生物类、饮食类等实体类别，同时也会有助词、副词、介词、代词、肯定词、否定词等功能词类。词类标注结果则可以应用于下游任务中，如词类知识指导关系抽取、事件抽取、兴趣点挖掘、语义一致性判定、挖掘模式生成等。
图5为本申请实施例提供的一种序列标注模型的训练装置的结构示意图。
本申请实施例的序列标注模型的训练装置，可配置于电子设备中，以实现获取样本文本，并获取待训练的序列标注模型，以及对样本文本进行切分以获取多个文本词，然后分别对多个文本词进行标注以生成训练样本，并根据训练样本对序列标注模型进行训练，从而能够提高序列标注模型的准确度和多样性。
如图5所示，该序列标注模型的训练装置500，可包括：获取模块510、切分模块520、生成模块530、训练模块540。
其中，获取模块510用于获取样本文本，并获取待训练的序列标注模型。其中，样本文本可为多个。
需要说明的是，该实施例中所描述的样本文本可以是中文文本，其中，该样本文本中可以包含一个句子、一个段落或者一个篇章，比如，新闻稿件等。
在本申请实施例中，获取模块510获取样本文本的途径可有多条，其中，可直接从网络上复制粘贴一些语言或网文片段来生成样本文本，或者由相关人员直接编写，例如，相关人员可通过语音识别生成样本文本，或通过输入法系统输入的内容生成样本文本，此处不做任何限定。其中，输入法系统可以根据用户当前的输入方式，将输入内容转换为所输入文字的字词候选项，提供用户进行选择，用户可以通过多种输入手段进行文本信息的输入，例如键盘，触摸板，鼠标等，同时用户也可以选择任意的输入方式进行文本信息的输入，如拼音、五笔、笔画、手写键盘等，此处不做任何限定。
在本申请实施例中，待训练的序列标注模型可以是相关人员预先准备好的，并将其预先存储在电子设备的存储空间中，以便后续的使用。其中，该存储空间不仅限于基于实体的存储空间，例如，硬盘，该存储空间还可以是连接电子设备的网络硬盘的存储空间(云存储空间)。
具体地，获取模块510可在获取到样本文本之后，从自身的存储空间中获取待训练的序列标注模型。
需要说明的是，该实施例中所描述的待训练的序列标注模型可为RNN(RecurrentNeural Network，循环神经网络)系列模型(LSTM(Long-Short Term Memory，长短期记忆网络)/GRU(即，LSTM的一个变体，GRU保持了LSTM的效果同时又使结构更加简单))+条件随机场、预训练语言模型(ELMo(Embeddings from Language Models，大规模语义模型)/BERT(Bidirectional Encoder Representation from Transformers，预训练的语言表征模型)/ERNIE(Enhanced Language Representation with Informative Entities，自然语言模型)/RoBERTa(A Robustly Optimized BERT Pretraining Approach，中文预训练模型))+条件随机场等，也可以是其它类型的标注模型，此处不做任何限定。
切分模块520用于对样本文本进行切分以获取多个文本词，其中，文本词包括实体词和非实体词。
在本申请实施例中，可根据预设的文本切分算法，对样本文本进行切分以获取多个文本词。其中，预设的文本切分算法可根据实际情况进行标定。
具体地，在获取模块510获取到样本文本和待训练的序列标注模型之后，切分模块520可根据预设的文本切分算法对样本文本进行切分以获取多个文本词。例如，假设样本文本为“刘某某XXXX”，则切分后的多个文本词可包括“刘某某”和“XXXX”，其中，“刘某某”和“XXXX”均为实体词；假设样本文本为“金宝花园位于京郊潮白河畔”，则切分后的多个文本词可包括“金宝花园”、“位于”、“京郊”和“潮白河畔”，其中，“金宝花园”和“潮白河畔”是实体词，“位于”和“京郊”为非实体词。由此，可识别样本文本中所有的信息。
作为一种可能的情况，切分模块520还可根据文本切分模型对样本文本进行切分，以获取多个文本词。应说明的是，该实施例中所描述的文本切分模型可以是提前训练好的，并将其预存在电子设备的存储空间中，以方便调取应用。
其中，该文本切分模型的训练与生成均可由相关的服务器执行，该服务器可以是云端服务器，也可以是一台电脑的主机，该服务器与可执行申请实施例提供的序列标注模型的训练方法的电子设备之间，建立有通信连接，该通信连接可以是无线网络连接和有线网络连接的至少一种。服务器可将训练完成的文本切分模型发送给电子设备，以便电子设备在需要时调用，从而大大减少电子设备的计算压力。
具体地，在获取模块510获取到样本文本和待训练的序列标注模型之后，切分模块520可从自身的存储空间中调出文本切分模型，并将该样本文本输入至该文本切分模型，从而通过该文本切分模型切分该样本文本，以得到该文本切分模型输出的多个文本词。
作为一种可能的情况，切分模块520还可使用词法分析工具，对样本文本进行切分(分词)，以获取多个文本词。应说明的是，该实施例中所描述的词法分析工具可包括结巴分词、百度LAC(Lexical Analysis of Chinese，词法分析工具)等任意已有的词法分析工具。另外，该词法分析工具可预装在电子设备中，以便电子设备需要时调用。
具体地，在获取模块510获取到样本文本和待训练的序列标注模型之后，切分模块520可使用词法分析工具，对样本文本进行切分(分词)，以获取多个文本词。
生成模块530用于分别对多个文本词进行标注以生成训练样本。
在本申请实施例中，可根据预设的标注策略分别对多个文本词进行标注以生成训练样本。其中，预设的标注策略可根据实际情况进行标定。
训练模块540用于根据训练样本对序列标注模型进行训练。
具体地，在切分模块520获取到上述的多个文本词之后，生成模块530可根据预设的标注策略分别对多个文本词进行标注，以得到多个文本词的标注信息，并可根据该多个文本词的标注信息和样本文本生成训练样本。然后训练模块540可根据该训练样本对序列标注模型进行训练，以生成训练之后的序列标注模型。
在本申请实施例中，通过获取模块获取样本文本，并获取待训练的序列标注模型，然后通过切分模块对样本文本进行切分以获取多个文本词，并通过生成模块分别对多个文本词进行标注以生成训练样本，最后通过训练模块根据训练样本对序列标注模型进行训练。由此，能够提高序列标注模型的准确度和多样性。
在本申请的一个实施例中，如图5所示，生成模块530可包括：获取子模块531、标注子模块532和生成子模块533。
其中，获取子模块531用于获取词法分析工具。
标注子模块532用于基于词法分析工具，分别对多个文本词进行标注以生成第一标注结果。
生成子模块533用于根据第一标注结果生成训练样本。
在本申请的一个实施例中，如图5所示，生成子模块533，可包括：获取单元501、查询单元502、优化单元503和生成单元504。
其中，获取单元501用于分别获取第一标注结果中多个文本词的标注信息。
查询单元502用于以文本词为索引从通用词汇类别词典之中进行查询，以生成查询结果。
优化单元503用于根据查询结果分别对多个文本词，以及多个文本词的标注信息进行优化，以生成第二标注结果；
生成单元504用于根据第二标注结果生成训练样本。
在本申请的一个实施例中，生成单元504具体可用于：获取样本文本的来源信息；根据来源信息分别对第二标注结果中的多个文本词的标注信息进行优化，以生成第三标注结果；根据第三标注结果生成训练样本。
在本申请的一个实施例中，训练样本可包括样本文本和样本文本对应的文本词标注信息，训练模块540具体可用于：将训练样本输入序列标注模型以生成预测的文本词标注信息；根据预测的文本词标注信息和样本文本对应的文本词标注信息生成损失值，并根据损失值对序列标注模型进行训练。
需要说明的是，前述对序列标注模型的训练方法实施例的解释说明也适用于该实施例的序列标注模型的训练装置，此处不再赘述。
本申请实施例的序列标注模型的训练装置，通过获取模块获取样本文本，并获取待训练的序列标注模型，然后通过切分模块对样本文本进行切分以获取多个文本词，并通过生成模块分别对多个文本词进行标注以生成训练样本，最后通过训练模块根据训练样本对序列标注模型进行训练。由此，能够提高序列标注模型的准确度和多样性。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本申请的实施例的示例电子设备600的示意性框图。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6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元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。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如序列标注模型的训练方法。例如，在一些实施例中，序列标注模型的训练方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的序列标注模型的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行序列标注模型的训练方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)、互联网和区块链网络。
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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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 (9)
1.一种序列标注模型的训练方法，包括：
获取样本文本，并获取待训练的序列标注模型；
对所述样本文本进行切分以获取多个文本词，其中，所述文本词包括实体词和非实体词；
分别对所述多个文本词进行标注以生成训练样本；以及
根据所述训练样本对所述序列标注模型进行训练；
其中，每个文本词都有对应的标注结果，所述分别对所述多个文本词进行标注以生成训练样本，包括：
获取词法分析工具；
基于所述词法分析工具，分别对所述多个文本词进行标注以生成第一标注结果；
根据所述第一标注结果生成所述训练样本；
所述根据所述第一标注结果生成所述训练样本，包括：
分别获取所述第一标注结果中所述多个文本词的标注信息；
以所述文本词为索引从通用词汇类别词典之中进行查询，以生成所述查询结果；
根据所述查询结果分别对所述多个文本词，以及所述多个文本词的标注信息进行优化，以生成第二标注结果；
根据所述第二标注结果生成所述训练样本。
2.如权利要求1所述的方法，其中，所述根据所述第二标注结果生成所述训练样本，包括：
获取所述样本文本的来源信息；
根据所述来源信息分别对所述第二标注结果中的多个文本词的标注信息进行优化，以生成第三标注结果；
根据所述第三标注结果生成所述训练样本。
3.如权利要求1-2中任一项所述的方法，其中，所述训练样本包括所述样本文本和所述样本文本对应的文本词标注信息，所述根据所述训练样本对所述序列标注模型进行训练，包括：
将所述训练样本输入所述序列标注模型以生成预测的文本词标注信息；
根据所述预测的文本词标注信息和所述样本文本对应的文本词标注信息生成损失值，并根据所述损失值对所述序列标注模型进行训练。
4.一种序列标注模型的训练装置，包括：
获取模块，用于获取样本文本，并获取待训练的序列标注模型；
切分模块，用于对所述样本文本进行切分以获取多个文本词，其中，所述文本词包括实体词和非实体词；
生成模块，用于分别对所述多个文本词进行标注以生成训练样本；以及
训练模块，用于根据所述训练样本对所述序列标注模型进行训练；
其中，每个文本词都有对应的标注结果，所述生成模块，包括：
获取子模块，用于获取词法分析工具；
标注子模块，用于基于所述词法分析工具，分别对所述多个文本词进行标注以生成第一标注结果；
生成子模块，用于根据所述第一标注结果生成所述训练样本；
所述生成子模块，包括：
获取单元，用于分别获取所述第一标注结果中所述多个文本词的标注信息；
查询单元，用于以所述文本词为索引从通用词汇类别词典之中进行查询，以生成所述查询结果；
优化单元，用于根据所述查询结果分别对所述多个文本词，以及所述多个文本词的标注信息进行优化，以生成第二标注结果；
生成单元，用于根据所述第二标注结果生成所述训练样本。
5.如权利要求4所述的装置，其中，所述生成单元，具体用于：
获取所述样本文本的来源信息；
根据所述来源信息分别对所述第二标注结果中的多个文本词的标注信息进行优化，以生成第三标注结果；
根据所述第三标注结果生成所述训练样本。
6.如权利要求4-5中任一项所述的装置，其中，所述训练样本包括所述样本文本和所述样本文本对应的文本词标注信息，所述训练模块，具体用于：
将所述训练样本输入所述序列标注模型以生成预测的文本词标注信息；
根据所述预测的文本词标注信息和所述样本文本对应的文本词标注信息生成损失值，并根据所述损失值对所述序列标注模型进行训练。
7.一种电子设备，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权利要求1-3中任一项所述的序列标注模型的训练方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-3中任一项所述的序列标注模型的训练方法。
9.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-3中任一项所述的序列标注模型的训练方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110502466.1A CN113220836B (zh) | 2021-05-08 | 2021-05-08 | 序列标注模型的训练方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110502466.1A CN113220836B (zh) | 2021-05-08 | 2021-05-08 | 序列标注模型的训练方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113220836A CN113220836A (zh) | 2021-08-06 |
| CN113220836B true CN113220836B (zh) | 2024-04-09 |
Family
ID=77094345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110502466.1A Active CN113220836B (zh) | 2021-05-08 | 2021-05-08 | 序列标注模型的训练方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113220836B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113609847B (zh) * | 2021-08-10 | 2023-10-27 | 北京百度网讯科技有限公司 | 信息抽取方法、装置、电子设备及存储介质 |
| CN113705187B (zh) * | 2021-08-13 | 2023-08-01 | 北京百度网讯科技有限公司 | 预训练语言模型的生成方法、装置、电子设备和存储介质 |
| CN113536789B (zh) * | 2021-09-16 | 2021-12-24 | 平安科技（深圳）有限公司 | 算法比赛关联性预测方法、装置、设备及介质 |
| CN114861651B (zh) * | 2022-05-05 | 2023-05-30 | 北京百度网讯科技有限公司 | 一种模型训练优化方法、计算设备、电子设备及存储介质 |
| CN114861653B (zh) * | 2022-05-17 | 2023-08-22 | 马上消费金融股份有限公司 | 用于虚拟交互的语言生成方法、装置、设备及存储介质 |
| CN116108857B (zh) * | 2022-05-30 | 2024-04-05 | 北京百度网讯科技有限公司 | 信息抽取方法、装置、电子设备以及存储介质 |
| CN116127948B (zh) * | 2023-02-10 | 2024-05-17 | 北京百度网讯科技有限公司 | 待标注文本数据的推荐方法、装置及电子设备 |
| CN116383655B (zh) * | 2023-04-07 | 2024-01-05 | 北京百度网讯科技有限公司 | 样本生成方法、模型训练方法、文本处理方法及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103440311A (zh) * | 2013-08-27 | 2013-12-11 | 深圳市华傲数据技术有限公司 | 一种地名实体识别的方法及系统 |
| CN110459282A (zh) * | 2019-07-11 | 2019-11-15 | 新华三大数据技术有限公司 | 序列标注模型训练方法、电子病历处理方法及相关装置 |
| CN110472229A (zh) * | 2019-07-11 | 2019-11-19 | 新华三大数据技术有限公司 | 序列标注模型训练方法、电子病历处理方法及相关装置 |
| CN111079445A (zh) * | 2019-12-27 | 2020-04-28 | 南京三百云信息科技有限公司 | 基于语义模型的训练方法、装置以及电子设备 |
| CN111666734A (zh) * | 2020-04-24 | 2020-09-15 | 北京大学 | 序列标注方法及装置 |
| CN111859951A (zh) * | 2020-06-19 | 2020-10-30 | 北京百度网讯科技有限公司 | 语言模型的训练方法、装置、电子设备及可读存储介质 |
| WO2021027125A1 (zh) * | 2019-08-12 | 2021-02-18 | 平安科技（深圳）有限公司 | 序列标注方法、装置、计算机设备和存储介质 |
| CN112541125A (zh) * | 2020-12-25 | 2021-03-23 | 北京百度网讯科技有限公司 | 序列标注模型训练方法、装置及电子设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110161067A1 (en) * | 2009-12-29 | 2011-06-30 | Dynavox Systems, Llc | System and method of using pos tagging for symbol assignment |
-
2021
- 2021-05-08 CN CN202110502466.1A patent/CN113220836B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103440311A (zh) * | 2013-08-27 | 2013-12-11 | 深圳市华傲数据技术有限公司 | 一种地名实体识别的方法及系统 |
| CN110459282A (zh) * | 2019-07-11 | 2019-11-15 | 新华三大数据技术有限公司 | 序列标注模型训练方法、电子病历处理方法及相关装置 |
| CN110472229A (zh) * | 2019-07-11 | 2019-11-19 | 新华三大数据技术有限公司 | 序列标注模型训练方法、电子病历处理方法及相关装置 |
| WO2021027125A1 (zh) * | 2019-08-12 | 2021-02-18 | 平安科技（深圳）有限公司 | 序列标注方法、装置、计算机设备和存储介质 |
| CN111079445A (zh) * | 2019-12-27 | 2020-04-28 | 南京三百云信息科技有限公司 | 基于语义模型的训练方法、装置以及电子设备 |
| CN111666734A (zh) * | 2020-04-24 | 2020-09-15 | 北京大学 | 序列标注方法及装置 |
| CN111859951A (zh) * | 2020-06-19 | 2020-10-30 | 北京百度网讯科技有限公司 | 语言模型的训练方法、装置、电子设备及可读存储介质 |
| CN112541125A (zh) * | 2020-12-25 | 2021-03-23 | 北京百度网讯科技有限公司 | 序列标注模型训练方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113220836A (zh) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113220836B (zh) | 序列标注模型的训练方法、装置、电子设备和存储介质 | |
| EP4113354A2 (en) | Method and apparatus for generating pre-trained language model, electronic device and storage medium | |
| EP3910492A2 (en) | Event extraction method and apparatus, and storage medium | |
| US11521603B2 (en) | Automatically generating conference minutes | |
| CN111325020A (zh) | 一种事件论元抽取方法、装置以及电子设备 | |
| US11507751B2 (en) | Comment information processing method and apparatus, and medium | |
| CN113553412B (zh) | 问答处理方法、装置、电子设备和存储介质 | |
| US20220358292A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
| CN113220835B (zh) | 文本信息处理方法、装置、电子设备以及存储介质 | |
| CN111783443A (zh) | 文本扰动检测方法、扰动还原方法、扰动处理方法和装置 | |
| CN115099239B (zh) | 一种资源识别方法、装置、设备以及存储介质 | |
| CN114495143A (zh) | 一种文本对象识别方法、装置、电子设备及存储介质 | |
| CN115525750A (zh) | 机器人话术检测可视化方法、装置、电子设备及存储介质 | |
| CN113553411B (zh) | 查询语句的生成方法、装置、电子设备和存储介质 | |
| CN112989050B (zh) | 一种表格分类方法、装置、设备及存储介质 | |
| CN112269884B (zh) | 信息抽取方法、装置、设备及存储介质 | |
| CN113221566B (zh) | 实体关系抽取方法、装置、电子设备和存储介质 | |
| CN115034209A (zh) | 文本分析方法、装置、电子设备以及存储介质 | |
| CN114676699A (zh) | 实体情感分析方法、装置、计算机设备和存储介质 | |
| CN112395873B (zh) | 对白角色标注模型的生成方法、装置及电子设备 | |
| CN114417008A (zh) | 一种面向建设工程领域的知识图谱构建方法及系统 | |
| US11188716B2 (en) | Text display with visual distinctions per class | |
| CN113641724A (zh) | 知识标签挖掘方法、装置、电子设备及存储介质 | |
| CN112528012A (zh) | 生成文档记录的方法、装置、电子设备、存储介质及计算机程序产品 | |
| CN114781409B (zh) | 文本的翻译方法、装置、电子设备和存储介质 |
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 |