CN114117007A - 检索实体的方法、装置、设备以及存储介质 - Google Patents
检索实体的方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN114117007A CN114117007A CN202111427382.2A CN202111427382A CN114117007A CN 114117007 A CN114117007 A CN 114117007A CN 202111427382 A CN202111427382 A CN 202111427382A CN 114117007 A CN114117007 A CN 114117007A
- Authority
- CN
- China
- Prior art keywords
- entity
- entities
- information
- candidate
- candidate entities
- 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.)
- Pending
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
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- 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
- G06F16/3346—Query execution using probabilistic model
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种检索实体的方法、装置、设备以及存储介质,涉及人工智能技术领域,尤其涉及知识图谱、数据检索等技术领域。具体实现方案为:对检索语句进行语义理解操作,得到提及信息;确定提及信息的类别;根据与类别对应的检索策略,对提及信息进行检索,得到多个候选实体;以及对多个候选实体进行校验,并筛除多个候选实体中未通过校验的候选实体,得到至少一个目标实体。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及知识图谱、数据检索等技术领域。
背景技术
知识图谱(Knowledge Graph,KG)是显示知识发展进程与结构关系的一系列图形。为了提升搜索引擎的质量和体验,可以将知识图谱的技术应用于搜索引擎中。
发明内容
本公开提供了一种检索实体的方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种检索实体的方法,包括:对检索语句进行语义理解操作,得到提及信息;确定所述提及信息的类别;根据与所述类别对应的检索策略,对提及信息进行检索,得到多个候选实体;以及对所述多个候选实体进行校验,并筛除多个候选实体中未通过校验的候选实体,得到至少一个目标实体。
根据本公开的另一方面,提供了一种检索实体的装置,包括:语义理解模块,用于对检索语句进行语义分析操作,得到提及信息;确定模块,用于确定所述提及信息的类别;检索模块,用于根据与所述类别对应的检索策略,对提及信息进行检索,得到多个候选实体;以及筛选模块,用于对所述多个候选实体进行校验,并筛除多个候选实体中未通过校验的候选实体,得到至少一个目标实体。
本公开的另一个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本公开实施例所示的方法。
根据本公开实施例的另一方面,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,其中,所述计算机指令用于使所述计算机执行本公开实施例所示的方法。
根据本公开实施例的另一方面,提供了一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现本公开实施例所示方法的步骤。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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,不构成对本公开的限定。其中:
图1是根据本公开实施例的检索实体的方法、装置、电子设备和存储介质的应用场景示意图;
图2示意性示出了根据本公开的实施例的检索实体的方法的流程图;
图3示意性示出了根据本公开实施例的确定目标实体的方法的流程图;
图4示意性示出了根据本公开另一实施例的确定目标实体的方法的流程图;
图5示意性示出了根据本公开另一实施例的确定目标实体的方法的流程图;
图6示意性示出了根据本公开实施例的检索实体的装置的框图;以及
图7示意性示出了可以用来实施本公开的实施例的示例电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
以下将结合图1对本公开提供的检索实体的方法和装置的应用场景进行描述。
图1是根据本公开实施例的检索实体的方法、装置、电子设备和存储介质的应用场景示意图。
如图1所示,在该应用场景100中,当用户想要进行数据检索时,可以在输入框中输入检索语句(Query)11。然后,可以对该检索语句11进行语义理解,从而识别出的检索语句包含的提及信息(Mention)12。接下来,可以根据检索语句11和提及信息12,在知识库13中进行实体检索和实体链指110。其中,知识库13可以包括多个实体14和多个实体的名称信息、描述信息、关系信息等。
示例性地,本实施例中,可以通过实体索引120从知识库13中检索与检索语句11和提及信息12匹配的实体14。然后可以针对检索得到的实体14进行实体链指,得到结果14。
根据本公开的实施例,可以根据与提及信息对应的正确检索结果,将提及信息分为多个类别。然后针对提及信息的类别,使用对应的检索策略进行实体检索。
本实施例中,例如可以将提及信息分为常规类别、列表类别和知识标签(或别名)类别。
对于列表类别的提及信息,提及信息所对应的正确检索结果为多个且同属一个集合实体,且该提及信息包含该集合实体的信息。例如,列表类别的提及信息可以为“四大发明”,对应的正确检索结果可以为“造纸术”、“印刷术”、“火药”和“指南针”4个实体。
对于知识标签类别的提及信息,提及信息中包含正确检索结果的别名或知识标签。例如,知识标签类别的提及信息可以为“世界上最大的海”,对应的正确检索结果可以为“珊瑚海”。
对于常规类别的提及信息,提及信息中包含正确检索结果的名称。例如,常规类别的提及信息可以为“张三”,对应的正确检索结果可以为“歌手张三”。常规类别又可以包括主需求类别和分散需求类别。主需求类别表示用户的需求比较明确。例如,用户对于“张三”的搜索,有99%的概率是想要找歌手张三,因此需求比较明确,相应地,可以返回“歌手张三”作为检索结果。而分散需求类别无法单纯基于语义分辨实体,需要在检索到的结果中进一步进行判定。示例性地,本实施例中,当检索到的实体的数量大于1个时,可以进行分散需求判定。例如,用户对于“草原”的搜索,有40%的概率是想找散文草原,有30%的概率是想找山水画草原,另有30%的概率是想找歌曲草原,因此需求比较分散,相应地,可以返回“散文草原”、“山水画草原”、“歌曲草原”作为检索结果。
本公开的技术方案中,所涉及的检索语句、提及信息、实体等数据的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
图2示意性示出了根据本公开的实施例的检索实体的方法的流程图。
如图2所示,该检索实体的方法200包括在操作S210,对检索语句进行语义分析操作,得到提及信息。
然后,在操作S220,确定提及信息的类别。
在操作S230,根据与类别对应的检索策略,对提及信息进行检索,得到多个候选实体。
在操作S240,对多个候选实体进行校验,并筛除多个候选实体中未通过校验的候选实体,得到至少一个目标实体。
根据本公开的实施例,检索语句例如可以包括用户输入的检索语句。提及信息例如可以包括对检索语句进行语义理解识别出的检索语句包含的主实体提及片段。
根据本公开的实施例,目标实体例如可以为符合用户需求的实体。可以理解的是,如果没有满足检索和校验条件的目标实体,则可以返回空数据,或者可以通过其他方式判断最符合用户需求的实体。
相关技术只能处理常规的实体链指任务。而根据本公开实施例的检索实体的方法,可以根据提及信息的类别,使用对应的检索策略进行实体检索,可以解决相关技术实体链指所不能覆盖的问题。
根据本公开的实施例,提及信息的类别例如可以包括常规类别、知识标签类别和列表类别。
根据本公开的实施例,在提及信息为常规类别的情况下,可以确定知识库中名称信息和/或描述信息中包含提及信息的实体,作为候选实体。
根据本公开的实施例,在提及信息为知识标签类别的情况下,可以确定知识库中,名称信息包含提及信息的第一原始实体和描述信息包含提及信息的第二原始实体,其中,第二原始实体的数量大于第一原始实体的数量。然后可以确定第一原始实体和第二原始实体,作为候选实体。
根据本公开的实施例,由于第二原始实体的数量大于第一原始实体的数量,因此检索时更侧重于描述信息的检索召回。
以检索语句为“世界上最大的平原”,提及语句为“世界上最大的平原”为例,相关技术会召回实体“平原”。而根据本公开的实施例,检索时可以匹配到相关的描述信息“亚马孙平原位于南美洲北部,亚马孙河中下游,面积达560万平方千米,是世界上面积最大的冲积平原。”,从而召回“亚马逊平原”,相对现有技术,检索更为准确。
根据本公开的实施例,在提及信息为列表类别的情况下,可以通过信息抽取的方式确定多个候选实体。例如,可以确定知识库中名称信息和/或描述信息中包含提及信息的集合实体。然后可以以检索语句作为抽取目标,对集合实体的描述信息进行抽取操作,得到多个子实体,作为多个候选实体。
以检索语句为“四大名著有哪些”为例,对应的提及信息可以为“四大名著”,可以确定知识库中名称信息和/或描述信息中包含提及信息的集合实体“四大名著(ID=xxx)”。然后可以对召回的集合实体的描述信息进行信息抽取。如“四大名著(ID=xxx)”中有描述文本“中国古典长篇小说四大名著,简称四大名著,是指《水浒传》《三国演义》《西游记》《红楼梦》这四部巨著”,则可以利用检索语句“四大名著有哪些”作为抽取目标(Prompt),输入阅读理解模型,阅读理解模型会输出答案“《水浒传》《三国演义》《西游记》《红楼梦》”。阅读理解模型例如可以预先基于BERT、ERNIE等模型训练得到。
根据本公开另一实施例,在提及信息包含限定词的情况下,可以将提及信息拆分为概念词和限定词。其中,概念词可以用于表示提及信息中包含的概念。其中概念是实体的抽象化表示。而实体是概念的实例化表示,概念例如可以包括动物、植物、人物等,相应的,实体例如可以包括老虎、柏树、张三等。
以提及信息为“四川广汉市”为例,可以拆分为“四川”和“广汉市”。其中,“四川”为地点限定,“广汉市”为地点主实体。
基于此,根据本公开另一实施例,在提及信息为列表类别的情况下,还可以通过概念聚合的方式确定多个候选实体。例如,可以确定知识库中名称信息和/或描述信息中包含概念词和限定词的多个实体样本。其中,实体样本的个数可以根据需要设置。然后确定多个实体样本的关系信息中限定词的出现频次。根据多个实体样本的关系信息中出现频次最高的关系信息,确定目标关系。接下来,确定知识库中概念属性包含概念词且关系信息包含目标关系的实体,作为候选实体。
示例性地,本实施例中,可以以key-value(键值对)的形式记录实体的关系信息。其中,value可以包含当前实体之外的另一实体,key可以用于表示当前实体与该另一实体之间的关系。
例如,实体A的key可以包括作者,value可以包括李四,即该key-value表示李四是实体A的作者。若在各实体样本所对应的key-value中key=作者且value=李四的出现频次最高,则可以确定目标关系为作者-李四。接下来,可以确定知识库中概念属性包含概念词,且关系信息包含作者-李四这组关系的实体,作为候选实体。
根据本公开另一些实施例,可能因为关系信息中限定词的出现频次较低等原因无法确定频次最高的关系信息。基于此,在提及信息为列表类别的情况下,也可以确定知识库中概念属性包含概念词且描述信息中包含限定词的实体,作为候选实体。该方法例如可以应用于在没有识别出对应的关系信息的情况下。
根据本公开的实施例,对于提及信息为列表类别的情况,可以首先采用信息抽取的方式确定候选实体,若信息抽取的中途出现错误或者抽取结果的数量小于或等于1个,则可以采用概念聚合的方式确定候选实体。
根据本公开的实施例,在确定候选实体后,还可以对候选实体进行排序。
根据本公开的一个实施例,对于多个候选实体中根据名称信息确定的第一候选实体,确定第一候选实体与检索语句之间的字符重合度。根据字符重合度,对第一候选实体进行排序。对于多个候选实体中根据描述信息确定的第二候选实体,确定第二候选实体与检索语句之间的语义相似度。根据语义相似度,对第二候选实体进行排序。
根据本公开的另一个实施例,也可以确定多个候选实体中每个候选实体的浏览量。然后根据浏览量,对多个候选实体进行排序。
根据本公开的实施例,在得到候选实体后,可以对候选实体进行校验,以筛除不符合的候选实体,使结果更为精确。
基于此,可以对检索语句进行语义识别操作,得到检索语句的实体概念。然后确定多个候选实体中每个候选实体与实体概念是否匹配。删除多个候选实体中与实体概念不匹配的候选实体,得到至少一个目标实体。
根据本公开的另一实施例,在将提及信息拆分为概念词和限定词的情况下,还可以确定多个候选实体中每个候选实体与限定词是否匹配。然后删除多个候选实体与限定词不匹配的候选实体,得到至少一个目标实体。
根据本公开的实施例,通过确定实体的概念以及限定信息,利用这些概念与限定信息,对排序后的候选实体进行双重校验,可以提高检索结果的准确性。
根据本公开的实施例,在目标实体为多个的情况下,还可以获取多个目标实体中除首个目标实体之外的其他目标实体的浏览量和/或相似度。然后根据浏览量和/或相似度,对其他目标实体进行过滤处理。
根据本公开的实施例,在过滤处理后剩余的目标实体为多个的情况下,可以获取每个目标实体的需求特征。然后删除多个目标实体中需求特征不满足要求的目标实体。需求特征可以用于表示用户的检索需求,例如可以根据搜索日志中用户的点击特征、展示特征等来确定。
以检索语句为“草原的作者”为例,通过上述校验操作,与“草原的作者”匹配的候选实体只剩下一些概念为“作品类”的实体,如“草原(散文)”“草原(油画)”,排除了“草原(地点)”,从而使得检索结果更为精确。
根据本公开的实施例,在得到目标实体后,可以输出对应的检索结果。示例性地,常规类别、知识标签类别的输出例如可以包括为目标实体的实体名、实体ID等。列表类别、分散需求类别的输出例如可以包括为目标实体构成的实体名列表、实体ID列表等。
下面参考图3,结合具体实施例对在提及信息为常规类别的情况下,确定目标实体的方法进行说明。本领域技术人员可以理解,以下示例实施例仅用于理解本公开,本公开并不局限于此。
图3示意性示出了根据本公开实施例的确定目标实体的方法的流程图。
如图3所示,该确定目标实体的300可以包括在操作S310,确定知识库中名称信息和/或描述信息中包含提及信息的实体,作为候选实体。
根据本公开的实施例,可以从名称信息、描述信息等多路召回包含提及信息的候选实体。
在操作S320,基于字符重合度或语义相似度,对多个候选实体进行排序。
根据本公开的实施例,对于多个候选实体中根据名称信息确定的第一候选实体,可以确定第一候选实体与提及信息之间的字符重合度,然后根据字符重合度,对第一候选实体进行排序。例如可以以字符重合度由大至小的顺序,对该多个候选实体进行排序。
其中,字符重合度可以用于表示提及信息与第一候选实体的匹配文本之间的重合程度。示例性地,例如可以根据以下公式计算字符重合度。
其中,scorecoincide表示字符重合度,ratio1表示提及信息与第一候选实体的匹配文本两者重合字符数量占提及信息字符串长度的比例。ratio2表示提及信息匹配文本两者重合字符数量占匹配文本字符串长度的比例。根据上述公式,在min(ratio1,ratio2)<0.45的情况下,scorecoincide=min(raito1,ratio2),在其他(otherwise)情况下,scorecoincide=ratio1+ratio2。
对于多个候选实体中根据描述信息确定的第二候选实体,可以确定第二候选实体与提及信息之间的语义相似度,然后根据语义相似度,对第二候选实体进行排序。例如可以以语义相似度由大至小的顺序,对该多个候选实体进行排序。
示例性地,可以利用语义相似度模型计算提及信息与第二候选实体的匹配文本之间的语义相似度,作为第二候选实体与提及信息之间的语义相似度。其中,语义相似度模型例如可以基于预训练语言模型,例如可以包括BERT、ERNIE等。
在操作S330,对多个候选实体进行校验,并筛除多个候选实体中未通过校验的候选实体,得到至少一个目标实体。
根据本公开的实施例,可以对检索语句进行语义识别操作,得到检索语句的实体概念。然后确定多个候选实体中每个候选实体与与实体概念是否匹配,并删除多个候选实体中与实体概念不匹配的候选实体,得到至少一个目标实体。
示例性地,可以利用语义识别模型来对检索语句进行语义识别操作,输出检索语句的实体概念。语义识别模型例如可以基于预训练语言模型,例如可以包括BERT、ERNIE等。
根据本公开的实施例,在提及信息包含限定词的情况下,可以预先将提及信息拆分为概念词和限定词。
基于此,操作S330还可以包括确定多个候选实体中每个候选实体与与限定词是否匹配。然后删除多个候选实体与限定词不匹配的候选实体,得到至少一个目标实体。
在操作S340,在目标实体为多个的情况下,过滤多个目标实体。
根据本公开的实施例,例如可以获取多个目标实体中除首个目标实体之外的其他目标实体的浏览量和/或相似度。然后根据浏览量和/或相似度,对其他目标实体进行过滤处理。例如,可以过滤掉除首个目标实体之外的其他目标实体中日浏览量低于浏览量阈值或相似度低与相似度阈值的实体。其中,浏览量阈值和相似度阈值可以根据需要进行设置。
根据本公开的实施例,若在过滤多个候选实体之后,得到的目标实体的数量大于1个,则说明满足条件的实体有多个,可以进入分散需求判别。
基于此,可以挖掘用户对于检索语句和提及语句的需求特征,用于用户对实体的需求判定。利用该需求特征判定全部目标实体中是否包含多个被大量用户需求的实体,如果有则判定该输入为分散需求并返回对应目标实体。其中,需求特征可以根据用户的搜索日志中的点击特征、展示特征等来确定。
下面参考图4,结合具体实施例对在提及信息为知识标签类别的情况下,确定目标实体的方法进行说明。本领域技术人员可以理解,以下示例实施例仅用于理解本公开,本公开并不局限于此。
图4示意性示出了根据本公开另一实施例的确定目标实体的方法的流程图。
如图4所示,该确定目标实体的400可以包括在操作S410,确定知识库中,名称信息包含提及信息的第一原始实体和描述信息包含提及信息的第二原始实体,确定第一原始实体和第二原始实体,作为候选实体。
其中,第二原始实体的数量大于第一原始实体的数量。
在操作S420,基于字符重合度或语义相似度,对多个候选实体进行排序。
在操作S430,对多个候选实体进行校验,并筛除多个候选实体中未通过校验的候选实体,得到至少一个目标实体。
在操作S440,在目标实体为多个的情况下,过滤多个目标实体。
根据本公开的实施例,操作S420~S440例如可以参考上文,在此不再赘述。
根据本公开的实施例,在提及信息为知识标签类别的情况下,在检索候选实体时,更侧重于描述信息等字段的检索召回。例如,可以控制每路召回的实体数量,使得由描述信息召回的实体数量较多,从而可以使检索结果更准确。
下面参考图5,结合具体实施例对在提及信息为知识标签类别的情况下,确定目标实体的方法进行说明。本领域技术人员可以理解,以下示例实施例仅用于理解本公开,本公开并不局限于此。
图5示意性示出了根据本公开另一实施例的确定目标实体的方法的流程图。
如图5所示,该确定目标实体的方法500可以包括在操作S510,确定知识库中名称信息和/或描述信息中包含提及信息的集合实体。
在操作S520,以检索语句作为抽取目标,对集合实体的描述信息进行抽取操作,得到多个子实体,作为多个候选实体。
在操作S530,在抽取失败的情况下,确定知识库中名称信息和/或描述信息中包含概念词和限定词的多个实体样本。
在操作S540,确定多个实体样本的关系信息中限定词的出现频次。
在操作S550,根据多个实体样本的关系信息中出现频次最高的关系信息,确定目标关系。
在操作S560,确定知识库中概念属性包含概念词且关系信息包含目标关系的实体,作为候选实体。
根据本公开的实施例,若无法确定目标关系。则可以确定知识库中概念属性包含概念词且描述信息中包含限定词的实体,作为候选实体。
在操作S570,基于浏览量,对多个候选实体进行排序。
根据本公开的实施例,例如可以获取多个候选实体的日浏览量,以日浏览量由大至小的顺序,对该多个候选实体进行排序。
在操作S580,对多个候选实体进行校验,并筛除多个候选实体中未通过校验的候选实体,得到至少一个目标实体。
在操作S590,在目标实体为多个的情况下,过滤多个目标实体。
根据本公开的实施例,操作S580~S590例如可以参考上文,在此不再赘述。
根据本公开的另一些实施例,可以预先配置预处理模块(Pre-processing)。本实施例中,预处理模块例如可以包括提及分类器(Mention Classifier)、概念识别器(Concept Recognizer)和提及拆分器(Mention Splitter)。
其中,提及分类器可以基于语义分类模型Model_1,可以用于对提及进行分类,实现策略分流。语义分类模型Model_1例如可以预先基于BERT、ERNIE等模型训练得到。
概念识别器可以基于语义分类模型Model_2,用于识别出实体对应的概念,可用于后续的知识校验过滤,帮助实体消歧。语义分类模型Model_2例如可以预先基于BERT、ERNIE等模型训练得到。
提及拆分器可以基于序列标注模型Model_3,可以用于将提及信息拆分为概念词和限定词,并分别进行标注。序列标注模型Model_3例如可以预先基于BERT、ERNIE等模型训练得到。
图6示意性示出了根据本公开实施例的检索实体的装置的框图。
如图6所示,装置600包括语义理解模块610、确定模块620、检索模块630和筛选模块640。
语义理解模块610,用于对检索语句进行语义分析操作,得到提及信息。
确定模块620,用于确定提及信息的类别。
检索模块630,用于根据与类别对应的检索策略,对提及信息进行检索,得到多个候选实体。
筛选模块640,用于对多个候选实体进行校验,并筛除多个候选实体中未通过校验的候选实体,得到至少一个目标实体。
根据本公开的实施例,本公开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7示意性示出了可以用来实施本公开的实施例的示例电子设备700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/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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701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701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701执行上文所描述的各个方法和处理,例如检索实体的方法。例如,在一些实施例中,检索实体的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708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的检索实体的方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行检索实体的方法。
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)、复杂可编程逻辑设备(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。
用于实施本公开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。
在本公开的上下文中,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)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。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (18)
1.一种检索实体的方法,包括:
对检索语句进行语义理解操作,得到提及信息;
确定所述提及信息的类别;
根据与所述类别对应的检索策略,对提及信息进行检索,得到多个候选实体;以及
对所述多个候选实体进行校验,并筛除所述多个候选实体中未通过校验的候选实体,得到至少一个目标实体。
2.根据权利要求1所述的方法,其中,所述类别包括常规类别、知识标签类别和列表类别。
3.根据权利要求2所述的方法,其中,所述根据与所述类别对应的检索策略,对检索语句进行检索,得到多个候选实体,包括:
在所述提及信息为常规类别的情况下,确定知识库中名称信息和/或描述信息中包含所述提及信息的实体,作为所述候选实体。
4.根据权利要求2所述的方法,其中,所述根据与所述类别对应的检索策略,对检索语句进行检索,得到多个候选实体,包括:
在所述提及信息为知识标签类别的情况下,确定知识库中,名称信息包含所述提及信息的第一原始实体和描述信息包含所述提及信息的第二原始实体,其中,所述第二原始实体的数量大于所述第一原始实体的数量;以及
确定所述第一原始实体和所述第二原始实体,作为所述候选实体。
5.根据权利要求2所述的方法,其中,所述根据与所述类别对应的检索策略,对检索语句进行检索,得到多个候选实体,包括:
在所述提及信息为列表类别的情况下,确定知识库中名称信息和/或描述信息中包含所述提及信息的集合实体;以及
以所述检索语句作为抽取目标,对所述集合实体的描述信息进行抽取操作,得到多个子实体,作为所述多个候选实体。
6.根据权利要求2所述的方法,还包括:
在所述提及信息包含限定词的情况下,将所述提及信息拆分为概念词和限定词。
7.根据权利要求6所述的方法,其中,所述根据与所述类别对应的检索策略,对检索语句进行检索,得到多个候选实体,包括:
在所述提及信息为列表类别的情况下,确定知识库中名称信息和/或描述信息中包含所述概念词和所述限定词的多个实体样本;
确定所述多个实体样本的关系信息中所述限定词的出现频次;
根据所述多个实体样本的关系信息中所述出现频次最高的关系信息,确定目标关系;以及
确定所述知识库中概念属性包含所述概念词且关系信息包含所述目标关系的实体,作为所述候选实体。
8.根据权利要求6所述的方法,其中,所述根据与所述类别对应的检索策略,对检索语句进行检索,得到多个候选实体,包括:
在所述提及信息为列表类别的情况下,确定知识库中概念属性包含所述概念词且描述信息中包含所述限定词的实体,作为所述候选实体。
9.根据权利要求3或4所述的方法,还包括:
对于所述多个候选实体中根据名称信息确定的第一候选实体,确定所述第一候选实体与所述提及信息之间的字符重合度;
根据所述字符重合度,对所述第一候选实体进行排序;
对于所述多个候选实体中根据描述信息确定的第二候选实体,确定所述第二候选实体与所述提及信息之间的语义相似度;以及
根据所述语义相似度,对所述第二候选实体进行排序。
10.根据权利要求5-8中任一项所述的方法,还包括:
确定所述多个候选实体中每个候选实体的浏览量;以及
根据所述浏览量,对所述多个候选实体进行排序。
11.根据权利要求1所述的方法,其中,所述对所述多个候选实体进行校验,并筛除所述多个候选实体中未通过校验的候选实体,得到至少一个目标实体,包括:
对所述检索语句进行语义识别操作,得到所述检索语句的实体概念;
确定所述多个候选实体中每个候选实体与与所述实体概念是否匹配;以及
删除所述多个候选实体中与所述实体概念不匹配的候选实体,得到所述至少一个目标实体。
12.根据权利要求6所述的方法,其中,所述对所述多个候选实体进行校验,并筛除所述多个候选实体中未通过校验的候选实体,得到至少一个目标实体,包括:
确定所述多个候选实体中每个候选实体与与所述限定词是否匹配;以及
删除所述多个候选实体与所述限定词不匹配的候选实体,得到所述至少一个目标实体。
13.根据权利要求1所述的方法,还包括:
在所述目标实体为多个的情况下,获取所述多个目标实体中除首个目标实体之外的其他目标实体的浏览量和/或相似度;以及
根据所述浏览量和/或相似度,对所述其他目标实体进行过滤处理。
14.根据权利要求13所述的方法,还包括:
在过滤处理后剩余的目标实体为多个的情况下,获取所述每个目标实体的需求特征;以及
删除所述多个目标实体中需求特征不满足要求的目标实体。
15.一种检索实体的装置,包括:
语义理解模块,用于对检索语句进行语义分析操作,得到提及信息;
确定模块,用于确定所述提及信息的类别;
检索模块,用于根据与所述类别对应的检索策略,对提及信息进行检索,得到多个候选实体;以及
筛选模块,用于对所述多个候选实体进行校验,并筛除所述多个候选实体中未通过校验的候选实体,得到至少一个目标实体。
16.一种电子设备,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1-14中任一项所述的方法。
17.一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1-14中任一项所述的方法。
18.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1-14中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111427382.2A CN114117007A (zh) | 2021-11-25 | 2021-11-25 | 检索实体的方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111427382.2A CN114117007A (zh) | 2021-11-25 | 2021-11-25 | 检索实体的方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114117007A true CN114117007A (zh) | 2022-03-01 |
Family
ID=80371154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111427382.2A Pending CN114117007A (zh) | 2021-11-25 | 2021-11-25 | 检索实体的方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114117007A (zh) |
-
2021
- 2021-11-25 CN CN202111427382.2A patent/CN114117007A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020108608A1 (zh) | 搜索结果处理方法、装置、终端、电子设备及存储介质 | |
CN110020422B (zh) | 特征词的确定方法、装置和服务器 | |
CN114549874A (zh) | 多目标图文匹配模型的训练方法、图文检索方法及装置 | |
CN114490998B (zh) | 文本信息的抽取方法、装置、电子设备和存储介质 | |
CN112989235A (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
CN113806660A (zh) | 数据评估方法、训练方法、装置、电子设备以及存储介质 | |
CN113282754A (zh) | 针对新闻事件的舆情检测方法、装置、设备和存储介质 | |
CN113806483B (zh) | 数据处理方法、装置、电子设备及计算机程序产品 | |
CN113836316B (zh) | 三元组数据的处理方法、训练方法、装置、设备及介质 | |
CN114116997A (zh) | 知识问答方法、装置、电子设备及存储介质 | |
CN110705285B (zh) | 一种政务文本主题词库构建方法、装置、服务器及可读存储介质 | |
CN117216275A (zh) | 一种文本处理方法、装置、设备以及存储介质 | |
CN114662469B (zh) | 情感分析方法、装置、电子设备及存储介质 | |
US20220129634A1 (en) | Method and apparatus for constructing event library, electronic device and computer readable medium | |
WO2022227760A1 (zh) | 图像检索方法、装置、电子设备及计算机可读存储介质 | |
CN110874408A (zh) | 模型训练方法、文本识别方法、装置及计算设备 | |
CN114117007A (zh) | 检索实体的方法、装置、设备以及存储介质 | |
CN114064859A (zh) | 知识抽取方法、装置、设备、介质和程序产品 | |
CN114417862A (zh) | 文本匹配方法、文本匹配模型的训练方法和装置 | |
CN114281990A (zh) | 文档分类方法及装置、电子设备和介质 | |
CN112784600A (zh) | 信息排序方法、装置、电子设备和存储介质 | |
CN112528644A (zh) | 实体挂载的方法、装置、设备以及存储介质 | |
CN114201607B (zh) | 一种信息处理的方法和装置 | |
CN116244740B (zh) | 一种日志脱敏方法、装置、电子设备及存储介质 | |
CN113377922B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 |
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 |