CN114254642A - 实体信息处理方法、装置、电子设备和介质 - Google Patents

实体信息处理方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN114254642A
CN114254642A CN202111547208.1A CN202111547208A CN114254642A CN 114254642 A CN114254642 A CN 114254642A CN 202111547208 A CN202111547208 A CN 202111547208A CN 114254642 A CN114254642 A CN 114254642A
Authority
CN
China
Prior art keywords
entity
information
target
language model
processed
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
Application number
CN202111547208.1A
Other languages
English (en)
Inventor
顾杰
史亚冰
蒋烨
柴春光
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 CN202111547208.1A priority Critical patent/CN114254642A/zh
Publication of CN114254642A publication Critical patent/CN114254642A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Animal Behavior & Ethology (AREA)
  • Machine Translation (AREA)

Abstract

本公开提供了一种实体信息处理方法、装置、电子设备和介质，涉及计算机技术领域，尤其涉及知识库、云计算及云服务技术领域。具体实现方案为：确定待处理实体的实体信息和目标语言模型的预测提示信息；根据所述待处理实体的实体信息以及所述预测提示信息，采用所述目标语言模型确定所述待处理实体在目标知识库中对应的目标知识实体。本公开实现了在无需大量训练数据的前提下，提高实体消歧的精准度的效果。

Description

实体信息处理方法、装置、电子设备和介质
技术领域
本公开涉及计算机技术领域，尤其涉及知识库、云计算及云服务技术领域，特别涉及一种实体信息处理方法、装置、电子设备和介质。
背景技术
知识库表示知识工程中具有结构化、易操作、易利用且全面有组织特性的知识集群，是针对某些领域问题求解的需要，采用某种知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。
在使用知识库对目标实体进行知识查询时，通常需要对目标实体进行实体消歧。
发明内容
本公开提供了一种用于提高实体消歧的精准度的方法、装置、电子设备和介质。
根据本公开的一方面，提供了一种实体信息处理方法，包括：
确定待处理实体的实体信息和目标语言模型的预测提示信息；
根据所述待处理实体的实体信息以及所述预测提示信息，采用所述目标语言模型确定所述待处理实体在目标知识库中对应的目标知识实体。
根据本公开的另一方面，提供了一种实体信息处理装置，包括：
信息确定模块，用于确定待处理实体的实体信息和目标语言模型的预测提示信息；
知识实体确定模块，用于根据所述待处理实体的实体信息以及所述预测提示信息，采用所述目标语言模型确定所述待处理实体在目标知识库中对应的目标知识实体。
根据本公开的另一方面，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本公开中任一项所述的方法。
根据本公开的另一方面，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中任一项所述的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行本公开中任一项所述的方法。
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公开的一些实体信息处理方法的流程图；
图2A是根据本公开实施例公开的另一些实体信息处理方法的流程图；
图2B是根据本公开实施例公开的一些目标语言模型的结构示意图；
图2C是根据本公开实施例公开的一些候选实体标识字典树的结构示意图；
图2D是根据本公开实施例公开的一些目标语言模型解码的示意图；
图3是根据本公开实施例公开的一些实体信息处理装置的结构示意图；
图4是用来实现本公开实施例公开的实体信息处理方法的电子设备的框图。
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。
知识库实体消歧的目标是将给定的结构化实体与知识库中对应实体进行关联，以进行实体收录和知识图谱的应用等操作。实体消歧技术在知识库构建和应用场景下发挥着重要作用，比如：知识的收录、基于知识图谱的智能问答和智能客服。得益于人工智能与深度学习技术的发展，尤其是预训练语言模型的发展，实体消歧技术等自然语言处理相关技术近些年出现了突飞猛进的发展。
申请人在研发过程中发现，目前行业内主要通过以下几种方法进行实体消歧：
1)通过人工定义的规则进行实体消歧。
当待消歧的实体有极具标识性的信息时，可以通过人工预先配置消歧判定模板的方式。比如医疗场景下，药品消歧时的国药准字编号就是具有唯一标识性的特征。
2)通过人工提取特征和机器学习模型进行实体消歧。
对于属性丰富且规范的实体，可以采用人工提取特征，结合机器学习模型判定的方式进行实体消歧。提取的特征涉及数值比较、属性共现比较、文本相似度比较和语义相似度比较等。因特征多为数值型和标签型，所以机器学习模型多用线性模型或树模型。
3)通过语言模型的微调Fine-tuning范式的下游任务实体消歧。
通常的使用方式是将语言模型在具体任务进行微调Fine-tuning，使语言模型适应这个具体任务。实体消歧任务通常包含候选获取、实体对比较和排序等子任务，这些子任务多可以通过基于语言模型在具体任务进行微调Fine-tuning的方式解决。例如，实体对比较可以视为文本匹配任务，模型的输入查询语句对，输出是0-1的相似度。
然而，上述方法1)的缺点在于：
第一，人工定义的规则泛化性比较差，一旦出现新的场景、新的实体类型、新的属性或新的属性值表达方式，过去人工定义的规则很可能会失效。第二，此方法耗费的人力成本较大，很难处理大规模的行业数据。
上述方法2)的缺点在于：
这种方法通用性和迁移性较差，对于不同类型的实体大多需要定制化。提取特征依赖开发人员对领域知识的熟悉情况，容易出现提取的特征无法表征实体的现象。对于复杂场景下，比如结构化属性稀少的实体，特征提取难度较大。
上述方法3)的缺点在于：微调Fine-tuning范式中预训练任务和下游任务的不同，导致对语言模型的利用率不足，为保证实体消歧的精准度需要大量训练数据。
此外，在性能上，以BERT(Bidirectional Encoder Representation fromTransformers，双向表征编码器)为例，典型的文本匹配模型结构分为BERT和文本Sentence-BERT。前者将文本对拼接后过单一BERT，有细粒度的复杂交互，因而效果好，但同时计算开销大，性能低；后者将文本对分别通过BERT，在编码阶段无交互，在匹配模块中引入交互信息late interaction，所以精度往往不如单BERT方法，不过分离了两段文本的编码，部分编码可以离线存储，计算时间上有优势，不过需要一定的存储资源。
图1是根据本公开实施例公开的一些实体信息处理方法的流程图，本实施例可以适用于确定待处理实体在目标知识库中对应的目标知识实体的情况。本实施例方法可以由本公开实施例公开的实体信息处理装置来执行，所述装置可采用软件和/或硬件实现，并可集成在任意的具有计算能力的电子设备上。
如图1所示，本实施例公开的实体信息处理方法可以包括：
S101、确定待处理实体的实体信息和目标语言模型的预测提示信息。
其中，待处理实体表示需要进行实体消歧的实体。实体消歧指的判断两个实体是否描述为同一本体，在本实施例中实体消歧指的是将知识库外的待处理实体与知识库中的实体进行关联，当两个实体分别为知识库中实体和知识库外实体时，这种场景下的实体消歧也被称作实体链指。实体表示客观存在并可相互区别的事物，实际应用中最常用的是命名实体，即特定类型的事物名称或符号，一般指可以用名字标识的现实中的事物，如人名、作品名和组织机构名等，广义的命名实体还包括时间表达式、数字表达式和地址等。实体信息表示待处理实体的标识文本信息，即作为唯一对应待处理实体的标识文本信息。
目标语言模型即Language Model，在本实施例中目标语言模型表示生成式语言模型，用于根据输入的文本信息，来预测输出另一段文本信息，在本实施例中目标语言模型的类型包括但不限于BERT模型或者GPT模型等，优选的将目标语言模型设置为GPT-2模型。
预测提示信息即目标语言模型的Prompt，是一种用于提示及引导目标语言模型对输入信息进行预测的文本模板，使目标语言模型更好地理解下游任务。换言之，预测提示信息是通过在输入端额外添加一些文本，从而更好地利用目标语言模型已有的知识，进而更好地应对下游任务。比如目标语言模型输入：“我爱这部电影”，目标是使得目标语言模型输出：“积极情绪”或者“消极情绪”等词汇。因此可以对原始输入进行适当地转换，构造成适合目标语言模型处理的方式，引导目标语言模型输出“积极情绪”或者“消极情绪”等词汇，以便应用到下游任务。示例性的，将原始输入“我爱这部电影”，构造成“我爱这部电影。总体上，这是一部_电影”。其中，“我爱这部电影”是原始输入，“_”表示需要目标语言模型预测的文本答案，“总体上，这是一部”和“电影”则作为目标语言模型的Prompt，即预测提示信息。于是，目标语言模型根据已有知识结合预测提示信息，就会预测出一些诸如“极好的”或“无聊的”等等词汇作为“_”位置的文本答案。最终，再对这个模型的预测结果映射到所需的答案空间。比如“极好的”映射为“积极情绪”，“无聊的”映射为“消极情绪”等。
在一种实施方式中，根据待处理实体的名称信息以及待处理实体包含的属性信息，确定待处理实体的实体信息。例如，将名称信息、候选属性以及候选属性的属性值进行拼接，并将拼接结果作为待处理实体的实体信息。
在一种实施方式中，获取人工配置的预测提示信息作为目标语言模型的预测提示信息。示例性的，将人工配置的预测提示信息，例如“这部电视剧的上映年份是”、“这部电视剧的主演是”以及“这部电视剧的导演是”等，作为目标语言模型的预测提示信息。
在另一种实施方式中，获取预先设置的目标语言模型的初始提示信息，以及针对目标语言模型人工标注的样本输入信息和样本预测结果信息，进而将初始提示信息以及样本输入信息作为目标语言模型的输入，且将样本预测结果信息作为目标语言模型的输出，对初始提示信息进行迭代训练，最终将迭代训练完成的初始提示信息作为目标语言模型的预测提示信息。
通过确定待处理实体的实体信息和目标语言模型的预测提示信息，为后续根据实体信息和预测提示信息进行实体消歧奠定了数据基础。
S102、根据所述待处理实体的实体信息以及所述预测提示信息，采用所述目标语言模型确定所述待处理实体在目标知识库中对应的目标知识实体。
其中，目标知识库表示需要对待处理实体进行消歧的知识库。目标知识库的类型包括但不限于医疗类知识库、教育类知识库、体育类知识库以及影视类知识库等，本实施例并不对目标知识库的具体类型进行限定。
在一种实施方式中，预先对目标知识库包括的候选知识实体赋予实体标识信息，其中，候选知识实体即目标知识库包括的知识库结构化实体数据。换言之，赋予实体标识信息即为各知识库结构化实体数据赋予能唯一映射到的标识信息，从而可根据目标语言模型的预测结果获取完整的实体数据。实体标识信息的确定方法，可以是人工配置方法，例如人工为各候选知识实体赋予唯一的实体标识信息；还可以是自动生成方法，例如将各候选实体的名称信息以及属性值信息进行拼接，作为对应候选实体的唯一实体标识信息。
并且，对目标语言模型进行预训练，其中，预训练指的是通过语言模型相关的基础任务，利用不需要标注的大量领域内自然语言文本，对模型进行初步训练，使得模型可以学习到语言相关的信息。在本实施例中，将目标语言模型类型设置为GPT-2(Generative Pre-Training-2，第二代生成式预训练)模型，将目标知识库中结构化数据拼接成的自然语言作为训练数据，且将Language Model作为预训练任务，对目标语言模型进行预训练，从而使得目标语言模型学习到目标知识库中的常识，为后续进行预测奠定了基础。
进一步的，将待处理实体的实体信息以及预测提示信息进行文本拼接，并将文本拼接结果输入至预训练完成的目标语言模型中，使得目标语言模型基于学习到的目标知识库的常识，以及预测提示信息，预测输出待处理实体的实体信息对应的目标实体标识信息。进而根据预先建立的目标知识库中，候选知识实体与候选实体标识信息之间的映射关系，将目标实体标识信息对应的候选知识实体，作为目标知识实体，并将目标知识实体的结构化实体数据进行封装后发送给目标用户。
本公开通过确定待处理实体的实体信息和目标语言模型的预测提示信息，并根据待处理实体的实体信息以及预测提示信息，采用目标语言模型确定待处理实体在目标知识库中对应的目标知识实体，相比现有通过人工定义的规则进行实体消歧的方法，节省了人工成本；相比现有通过人工提取特征和机器学习模型进行实体消歧的方法，同样无需人工提取特征，节省了人工成本，并且避免了提取特征依赖开发人员对领域知识的熟悉情况的问题，提高了实体消歧的精准度；相比现有通过语言模型的微调Fine-tuning范式的下游任务实体消歧的方法，由于预测提示信息的存在，充分释放了目标语言模型的能力，使得目标语言模型在无需大量训练数据的前提下，依然能够保持实体消歧的精准度，从而实现了在无需大量训练数据的前提下，提高实体消歧的精准度的效果。
图2A是根据本公开实施例公开的另一些实体信息处理方法的流程图，基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。
如图2A所示，本实施例公开的实体信息处理方法可以包括：
S201、根据所述待处理实体包含的候选属性的重要性评分，从所述候选属性中确定目标属性。
其中，候选属性表示待处理实体的所有实体特征，即待处理实体对应的SPO(Subject-Predicate-Object，实体-属性-属性值)三元组中的P值。例如，影视实体A的候选属性包括但不限于类型、主演、集数、发行公司、首播时间、导演、编剧和简介等。候选属性的重要性评分是根据实际经验进行设置的，重要性评分越高则表示对应的候选属性的重要程度越高，相应的，重要性评分越低则表示对应的候选属性的重要程度越低。
在一种实施方式中，将候选属性的重要性评分从高到低进行排序，并根据排序结果选取重要性评分较高的预设数量的候选属性，作为目标属性，例如选取重要性评分前三高的候选属性作为目标属性。
S202、根据所述待处理实体的名称信息、所述目标属性以及所述目标属性对应的目标属性值，确定所述待处理实体的实体信息。
其中，目标属性值即表示SPO三元组中目标属性P对应的目标属性值O。例如，“类型：电视剧”，假设“类型”为目标属性，则“电视剧”即为目标属性值。
在一种实施方式中，将待处理实体的名称信息、目标属性以及目标属性值进行拼接，并将拼接结果作为待处理实体的实体信息。
示例性的，通过如下公式确定待处理实体的实体信息：
Figure BDA0003416092000000081
其中，X表示待处理实体的实体信息，name表示待处理实体的名称信息，pi表示待处理实体的目标属性，oi表示目标属性pi对应的目标属性值。
S203、将初始提示信息和样本实体的实体信息输入至所述目标语言模型中，并根据样本实体标识信息以及所述目标语言模型输出的初始实体标识信息，对所述初始提示信息进行调整，确定所述目标语言模型的预测提示信息。
其中，样本实体即训练样本实体，样本实体的实体信息则由人工方式标注得到，其由样本实体的名称信息、样本实体的目标属性以及目标属性对应的目标属性值构成。样本实体标识信息则是由人工方式，为样本实体标注得到的在目标知识库中期待的实体标识信息。初始提示信息是随机初始化得到的提示信息。
在一种实施方式中，将目标语言模型类型设置为GPT-2模型，将目标知识库中结构化数据拼接成的自然语言作为训练数据，且将Language Model作为预训练任务，对目标语言模型进行预训练。
在预训练完成的目标语言模型基础上，将样本实体的实体信息和初始提示信息共同输入至目标语言模型中，并基于目标语言模型中的嵌入层和编码层输出初始实体标识信息，进而根据初始实体标识信息和样本实体标识信息，采用预设的损失函数计算损失值，并基于损失值进行梯度反传，以对初始提示信息进行调整。最终将损失值最小时调整得到的初始提示信息，作为目标语言模型的预测提示信息。
S204、将所述待处理实体的实体信息和所述预测提示信息输入至所述目标语言模型中，并根据所述目标语言模型的预测结果确定目标实体标识信息。
其中，为了保证预测提示信息的效果，本实施例中的预测提示信息由预测前缀提示信息以及预测后缀提示信息共同组成。
在一种实施方式中，将预测前缀提示信息和预测后缀提示信息，与待处理实体的实体信息进行拼接，并将拼接结果输入至目标语言模型中。示例性的，通过如下公式进行拼接：
Xnew＝Up+X+Us
其中，Xnew表示用于输入到目标语言模型中的拼接结果，Up表示预测前缀提示信息，X表示待处理实体的实体信息，Us表示预测后缀提示信息。
目标语言模型首先基于嵌入层对输入信息进行向量转换，得到向量信息，并将向量信息输入至编码层，基于编码层中的编解码transformer单元，对向量信息进行编码以及解码，最终输出目标实体标识信息。
图2B是根据本公开实施例公开的一些目标语言模型的结构示意图，如图2B所示，目标语言模型20的输入信息包括预测前缀提示信息Up、待处理实体的实体信息X以及预测后缀提示信息Us。目标语言模型20内部包含嵌入层21和编码层22，其中，嵌入层21即嵌入层embedding layers，主要作用是将输入信息转换为稠密向量，便于后续编码层22计算。编码层22包含若干编解码transformer单元23，每个编解码transformer单元为encoder-decoder(编码-解码)结构，即由编码器24和解码器25组成。最终由解码器25输出目标实体标识信息Y。其中，图2B中编码层22的结构仅为解释说明，本实施例并不对编码层22的具体结构进行限定，其可由实际任务进行设置。编码层22可以由多层编解码transformer单元23构成，每一层的每一个编解码transformer单元23对应了输入信息中的一个词语，同一层内的编解码transformer单元23不互相连接，不同层之间的编解码transformer单元23两两连接。
可选的，S204包括：
确定所述目标知识库的候选实体标识字典树；将所述候选实体标识字典树中实体标识根节点和实体标识叶节点间的关系，作为所述目标语言模型的解码约束，并控制所述目标语言模型基于所述解码约束进行预测，得到所述目标实体标识信息。
其中，候选实体标识字典树是根据目标知识库中各候选实体标识信息包含词语的先后顺序构成，将第一个词语作为实体标识根节点，并将之后的词语分别作为实体标识叶节点。例如假设某个候选实体标识信息是由A+B+C三个词语组成，则该候选实体标识信息构成的字典树中，实体标识根节点为A，一级实体标识叶节点为B，二级实体标识叶节点为C。
图2C是根据本公开实施例公开的一些候选实体标识字典树的结构示意图，如图2C所示，实体标识根节点为“影视剧A”，一级实体标识叶节点包括“2015年”和“2018年”。“2015年”又包括二级实体标识叶节点“电视剧”和“电影版”，“2018年”又包括二级实体标识叶节点“重置版”和“小说”。其中，在实际场景中，候选实体标识字典树中实体标识根节点和各级实体标识叶节点的数量众多，此处仅以上述数量为例进行解释说明，而并不对候选实体标识字典树的具体结构进行任何限定。
在一种实施方式中，获取预先确定的候选实体标识字典树，并在目标语言模型编码层中编解码transformer单元的解码器进行解码的过程中，将候选实体标识字典树中实体标识根节点和实体标识叶节点间的关系，作为解码约束，并控制所述解码器根据该解码约束进行预测。
具体的，控制解码器采用beam search集束搜索算法，设置约束beam为N，其中N为可调节正整数，在候选实体标识字典树中进行搜索。首选从实体标识根节点中选出评分最高的N个作为候选实体标识根节点，并在各候选实体标识根节点的一级实体标识叶节点中，选出评分最高的N个作为第一类候选实体标识叶节点，以此类推直至遍历整个候选实体标识字典树。
图2D是根据本公开实施例公开的一些目标语言模型解码的示意图，如图2D所示，假设目标语言模型的输入是“U1U2影视剧A的简介是：影视剧A根据张三同名网络小说改编，由李四指导，王五、赵六等主演的古装剧。U3U4”，其中，U1～U4为预测提示信息，其余为实体信息。目标语言模型在解码过程中，采用beam search集束搜索算法，设置约束beam为1，在候选实体标识字典树中进行搜索。其中，实体标识根节点包括“影视剧A”、‘影视剧B’和“影视剧C”，“影视剧A”的评分最高，则将“影视剧A”作为第一解码结果。“影视剧A”包括“2015年”、“2018年”、“小说”、和“纪录片”四个一级实体标识叶节点，其中，“2015年”评分最高，则将“2015年”作为第二解码结果。“2015年”包括“电视剧”、“电影版”、“重置版”、和“小说”四个二级实体标识叶节点，其中，“电视剧”评分最高，则将“电视剧”作为第三解码结果。即最终将“影视剧A 2015年电视剧”作为目标实体标识信息。
通过确定目标知识库的候选实体标识字典树，并将候选实体标识字典树中实体标识根节点和实体标识叶节点间的关系，作为目标语言模型的解码约束，并控制目标语言模型基于解码约束进行预测，得到目标实体标识信息，保证了最终得到的目标实体标识信息在目标知识库中是存在的，避免出现无法映射到目标知识实体的问题，保证了实体消歧的准确性。
S205、将所述目标实体标识信息，与所述目标知识库中候选实体标识信息与候选知识实体之间的映射关系进行匹配，确定所述待处理实体在所述目标知识库中对应的目标知识实体。
在一种实施方式中，将目标实体标识信息与目标知识库中候选实体标识信息与候选知识实体之间的映射关系进行匹配，并将与目标实体标识信息匹配的候选知识实体，作为待处理实体在目标知识库中对应的目标知识实体。
可选的，所述候选实体标识信息根据候选知识实体的名称信息和属性值信息确定。
在一种实施方式中，根据候选知识实体包含的候选属性的重要性评分，从候选属性中确定目标属性，并根据候选知识实体的名称信息以及目标属性对应的目标属性值，确定候选知识实体的候选实体标识信息。
示例性的，通过如下公式确定候选知识实体的候选实体标识信息：
Figure BDA0003416092000000121
其中，name_uniq表示候选知识实体的候选实体标识信息，name表示候选知识实体的名称信息，oi表示目标属性pi对应的目标属性值。
通过设置候选实体标识信息根据候选知识实体的名称信息和属性值信息确定，保证了候选实体标识信息在目标知识库中的唯一性，且无需人工设置，节省了人力成本。
本公开通过将待处理实体的实体信息和预测提示信息输入至目标语言模型中，并根据目标语言模型的预测结果确定目标实体标识信息，并将目标实体标识信息，与目标知识库中候选实体标识信息与候选知识实体之间的映射关系进行匹配，确定待处理实体在目标知识库中对应的目标知识实体，实现了基于预测得到的目标实体标识信息，对待处理实体进行消歧的效果，并且目标语言模型在无需大量训练数据的前提下，提高实体消歧的精准度；通过将样本实体的实体信息输入至目标语言模型中，并根据目标语言模型输出的样本实体标识信息，对目标语言模型的初始提示信息进行调整，确定目标语言模型的预测提示信息，实现了自动确定预测提示信息的效果，无需人工进行配置，节省了人力成本且保证了预测提示信息的准确性；通过根据待处理实体包含的候选属性的重要性评分，从候选属性中确定目标属性，并根据待处理实体的名称信息、目标属性以及目标属性对应的目标属性值，确定待处理实体的实体信息，保证了待处理实体的实体信息的唯一性，且无需人工设置，节省了人力成本。
图3是根据本公开实施例公开的一些实体信息处理装置的结构示意图，可以适用于确定待处理实体在目标知识库中对应的目标知识实体的情况。本实施例装置可采用软件和/或硬件实现，并可集成在任意的具有计算能力的电子设备上。
如图3所示，本实施例公开的实体信息处理装置30可以包括信息确定模块31和知识实体确定模块32，其中：
信息确定模块31，用于确定待处理实体的实体信息和目标语言模型的预测提示信息；
知识实体确定模块32，用于根据所述待处理实体的实体信息以及所述预测提示信息，采用所述目标语言模型确定所述待处理实体在目标知识库中对应的目标知识实体。
可选的，所述知识实体确定模块32，具体用于：
将所述待处理实体的实体信息和所述预测提示信息输入至所述目标语言模型中，并根据所述目标语言模型的预测结果确定目标实体标识信息；
将所述目标实体标识信息，与所述目标知识库中候选实体标识信息与候选知识实体之间的映射关系进行匹配，确定所述待处理实体在所述目标知识库中对应的目标知识实体。
可选的，所述候选实体标识信息根据候选知识实体的名称信息和属性值信息确定。
可选的，所述知识实体确定模块32，具体还用于：
确定所述目标知识库的候选实体标识字典树；
将所述候选实体标识字典树中实体标识根节点和实体标识叶节点间的关系，作为所述目标语言模型的解码约束，并控制所述目标语言模型基于所述解码约束进行预测，得到所述目标实体标识信息。
可选的，所述信息确定模块31，具体用于：
将初始提示信息和样本实体的实体信息输入至所述目标语言模型中，并根据样本实体标识信息以及所述目标语言模型输出的初始实体标识信息，对所述初始提示信息进行调整，确定所述目标语言模型的预测提示信息。
可选的，所述信息确定模块31，具体还用于：
根据所述待处理实体包含的候选属性的重要性评分，从所述候选属性中确定目标属性；
根据所述待处理实体的名称信息、所述目标属性以及所述目标属性对应的目标属性值，确定所述待处理实体的实体信息。
本公开实施例所公开的实体信息处理装置30可执行本公开实施例所公开的实体信息处理方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本公开方法实施例中的描述。
本公开的技术方案中，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。
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4示出了可以用来实施本公开的实施例的示例电子设备400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/或者要求的本公开的实现。
如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400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401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401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401执行上文所描述的各个方法和处理，例如实体信息处理方法。例如，在一些实施例中，实体信息处理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408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的实体信息处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行实体信息处理方法。
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)、区块链网络和互联网。
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服务中，存在的管理难度大，业务扩展性弱的缺陷。
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 (15)

1.一种实体信息处理方法，包括：
确定待处理实体的实体信息和目标语言模型的预测提示信息；
根据所述待处理实体的实体信息以及所述预测提示信息，采用所述目标语言模型确定所述待处理实体在目标知识库中对应的目标知识实体。
2.根据权利要求1所述的方法，其中，所述根据所述待处理实体的实体信息以及所述预测提示信息，采用所述目标语言模型确定所述待处理实体在目标知识库中对应的目标知识实体，包括：
将所述待处理实体的实体信息和所述预测提示信息输入至所述目标语言模型中，并根据所述目标语言模型的预测结果确定目标实体标识信息；
将所述目标实体标识信息，与所述目标知识库中候选实体标识信息与候选知识实体之间的映射关系进行匹配，确定所述待处理实体在所述目标知识库中对应的目标知识实体。
3.根据权利要求2所述的方法，其中，所述候选实体标识信息根据候选知识实体的名称信息和属性值信息确定。
4.根据权利要求2所述的方法，所述将所述待处理实体的实体信息和所述预测提示信息输入至所述目标语言模型中，并根据所述目标语言模型的预测结果确定目标实体标识信息，包括：
确定所述目标知识库的候选实体标识字典树；
将所述候选实体标识字典树中实体标识根节点和实体标识叶节点间的关系，作为所述目标语言模型的解码约束，并控制所述目标语言模型基于所述解码约束进行预测，得到所述目标实体标识信息。
5.根据权利要求1所述的方法，其中，所述确定目标语言模型的预测提示信息，包括：
将初始提示信息和样本实体的实体信息输入至所述目标语言模型中，并根据样本实体标识信息以及所述目标语言模型输出的初始实体标识信息，对所述初始提示信息进行调整，确定所述目标语言模型的预测提示信息。
6.根据权利要求1所述的方法，其中，所述确定待处理实体的实体信息，包括：
根据所述待处理实体包含的候选属性的重要性评分，从所述候选属性中确定目标属性；
根据所述待处理实体的名称信息、所述目标属性以及所述目标属性对应的目标属性值，确定所述待处理实体的实体信息。
7.一种实体信息处理装置，包括：
信息确定模块，用于确定待处理实体的实体信息和目标语言模型的预测提示信息；
知识实体确定模块，用于根据所述待处理实体的实体信息以及所述预测提示信息，采用所述目标语言模型确定所述待处理实体在目标知识库中对应的目标知识实体。
8.根据权利要求7所述的装置，其中，所述知识实体确定模块，具体用于：
将所述待处理实体的实体信息和所述预测提示信息输入至所述目标语言模型中，并根据所述目标语言模型的预测结果确定目标实体标识信息；
将所述目标实体标识信息，与所述目标知识库中候选实体标识信息与候选知识实体之间的映射关系进行匹配，确定所述待处理实体在所述目标知识库中对应的目标知识实体。
9.根据权利要求8所述的装置，其中，所述候选实体标识信息根据候选知识实体的名称信息和属性值信息确定。
10.根据权利要求8所述的装置，其中，所述知识实体确定模块，具体还用于：
确定所述目标知识库的候选实体标识字典树；
将所述候选实体标识字典树中实体标识根节点和实体标识叶节点间的关系，作为所述目标语言模型的解码约束，并控制所述目标语言模型基于所述解码约束进行预测，得到所述目标实体标识信息。
11.根据权利要求7所述的装置，其中，所述信息确定模块，具体用于：
将初始提示信息和样本实体的实体信息输入至所述目标语言模型中，并根据样本实体标识信息以及所述目标语言模型输出的初始实体标识信息，对所述初始提示信息进行调整，确定所述目标语言模型的预测提示信息。
12.根据权利要求7所述的装置，其中，所述信息确定模块，具体还用于：
根据所述待处理实体包含的候选属性的重要性评分，从所述候选属性中确定目标属性；
根据所述待处理实体的名称信息、所述目标属性以及所述目标属性对应的目标属性值，确定所述待处理实体的实体信息。
13.一种电子设备，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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
15.一种计算机程序产品，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1-6中任一项所述的方法。
CN202111547208.1A 2021-12-16 2021-12-16 实体信息处理方法、装置、电子设备和介质 Pending CN114254642A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111547208.1A CN114254642A (zh) 2021-12-16 2021-12-16 实体信息处理方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111547208.1A CN114254642A (zh) 2021-12-16 2021-12-16 实体信息处理方法、装置、电子设备和介质

Publications (1)

Publication Number Publication Date
CN114254642A true CN114254642A (zh) 2022-03-29

Family

ID=80795441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111547208.1A Pending CN114254642A (zh) 2021-12-16 2021-12-16 实体信息处理方法、装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN114254642A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114492363A (zh) * 2022-04-15 2022-05-13 苏州浪潮智能科技有限公司 一种小样本微调方法、系统及相关装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114492363A (zh) * 2022-04-15 2022-05-13 苏州浪潮智能科技有限公司 一种小样本微调方法、系统及相关装置
CN114492363B (zh) * 2022-04-15 2022-07-15 苏州浪潮智能科技有限公司 一种小样本微调方法、系统及相关装置

Similar Documents

Publication Publication Date Title
JP7301922B2 (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
CN110298019A (zh) 命名实体识别方法、装置、设备及计算机可读存储介质
WO2021121198A1 (zh) 基于语义相似度的实体关系抽取方法、装置、设备及介质
CN110826335B (zh) 一种命名实体识别的方法和装置
WO2022088671A1 (zh) 自动问答方法、装置、设备及存储介质
CN114281968B (zh) 一种模型训练及语料生成方法、装置、设备和存储介质
JP2022006173A (ja) 知識事前訓練モデルの訓練方法、装置及び電子機器
CN115455161A (zh) 对话处理方法、装置、电子设备及存储介质
US20230094730A1 (en) Model training method and method for human-machine interaction
CN113268560A (zh) 用于文本匹配的方法和装置
CN112528641A (zh) 建立信息抽取模型的方法、装置、电子设备和可读存储介质
CN111538815A (zh) 一种文本查询方法、装置、设备及存储介质
CN114417878B (zh) 语义识别方法、装置、电子设备及存储介质
CN115114419A (zh) 问答处理方法、装置、电子设备和计算机可读介质
CN114254642A (zh) 实体信息处理方法、装置、电子设备和介质
CN113360683A (zh) 训练跨模态检索模型的方法以及跨模态检索方法和装置
WO2023093909A1 (zh) 一种工作流节点推荐方法及装置
CN116049370A (zh) 信息查询方法和信息生成模型的训练方法、装置
CN114490965B (zh) 问题处理方法、装置、电子设备和存储介质
CN113051896B (zh) 对文本进行纠错的方法、装置、电子设备和存储介质
CN114417862A (zh) 文本匹配方法、文本匹配模型的训练方法和装置
CN114841172A (zh) 文本匹配双塔模型的知识蒸馏方法、装置及程序产品
CN114239583A (zh) 实体链指模型的训练及实体链指方法、装置、设备及介质
CN115809313A (zh) 一种文本相似度确定方法及设备
CN112784600A (zh) 信息排序方法、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