CN114611526A - 实体链接方法及装置、设备和介质 - Google Patents

Abstract

本公开提供了一种实体链接方法及装置、设备和介质，涉及人工智能技术领域，尤其涉及知识图谱、自然语言处理技术领域。实现方案为：确定目标文本的多个片段，所述多个片段包括实体片段和非实体片段；获取多个候选实体；针对所述多个候选实体中的每个候选实体，获取所述候选实体与所述多个片段的匹配度，所述匹配度用于指示每个候选实体所包括的文字与所述多个片段所包括的文字的重合程度；基于每个候选实体与所述多个片段的匹配度，确定所述候选实体与所述目标文本的语义相似度；以及至少基于所述每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。

Description

实体链接方法及装置、设备和介质

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、自然语言处理技术领域，具体涉及一种实体链接方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使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:人工智能软件技术主要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机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

实体链接技术指的是将文本中的语言片段映射到知识库中的实体上，特别是在语言片段和实体的名称或别名不完全匹配的情况下(例如存在错别字、文本缩写等)实现准确映射。实体链接是自然语言处理领域的研究热点之一，在实际的行业应用中也发挥着重要作用，其关键点在于如何根据文本召回候选实体，并从候选实体中选择出最终链接的实体。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种实体链接方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种实体链接方法，包括：确定目标文本的多个片段，所述多个片段包括实体片段和非实体片段；获取多个候选实体；针对所述多个候选实体中的每个候选实体，获取所述候选实体与所述多个片段的匹配度，所述匹配度用于指示每个候选实体所包括的文字与所述多个片段所包括的文字的重合程度；基于每个候选实体与所述多个片段的匹配度，确定所述候选实体与所述目标文本的语义相似度；以及至少基于所述每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。

根据本公开的另一方面，提供了一种实体链接装置，包括：第一确定单元，被配置用于确定目标文本的多个片段，所述多个片段包括实体片段和非实体片段；第一获取单元，被配置用于获取多个候选实体；第二获取单元，被配置用于针对所述多个候选实体中的每个候选实体，获取所述候选实体与所述多个片段的匹配度，所述匹配度用于指示每个候选实体的文字与所述多个片段所包括的文字的重合程度；第二确定单元，被配置用于基于所述候选实体与所述多个片段的匹配度，确定所述候选实体与所述目标文本的语义相似度；以及第三确定单元，被配置用于至少基于所述每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。

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上述实体链接方法。

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上述实体链接方法。

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，其中，计算机程序在被处理器执行时能够实现上述实体链接方法。

根据本公开的一个或多个实施例，可以提升实体链接的效率和准确度。

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

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开示例性实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开示例性实施例的实体链接方法的流程图；

图3示出了根据本公开示例性实施例的实体链接方法的流程图；

图4示出了根据本公开示例性实施例的语义匹配神经网络的结构示意图；

图5示出了根据本公开示例性实施例的实体链接装置的结构框图；

图6示出了能够用于实现本公开实施例的示例性电子设备的结构框图。

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。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。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

实体链接技术指的是将文本中的语言片段映射到知识库中的实体上。相关技术中，一种实现方式是通过计算文本和实体所包括的文字的相似度选择链接实体，但是没有利用文本和实体所蕴含的语义信息。另一种实现方式则是利用训练好的神经网络，基于文本和实体所蕴含的语义信息得出二者的语义相似度，但是在提取语义信息的过程中没有考虑到文本和实体所包括的文字的匹配关系。

基于此，本公开提供了一种实体链接方法，通过标注文本中的实体片段与非实体片段，在此基础上考虑文本中的多个片段与实体间的文字匹配度来获取文本与实体的语义相似度，从而能够更准确高效地确定与文本链接的实体。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行实体链接方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来发送目标文本。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120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。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

图2示出了根据本公开示例性实施例的实体链接方法的流程图。如图2所示，所述方法包括：步骤S201、确定目标文本的多个片段，所述多个片段包括实体片段和非实体片段；步骤S202、获取多个候选实体；步骤S203、针对所述多个候选实体中的每个候选实体，获取所述候选实体与所述多个片段的匹配度，所述匹配度用于指示每个候选实体所包括的文字与所述多个片段所包括的文字的重合程度；步骤S204、基于每个候选实体与所述多个片段的匹配度，确定所述候选实体与所述目标文本的语义相似度；以及步骤S205、至少基于所述每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。由此，能够通过标注文本中的实体片段与非实体片段，在此基础上考虑了文本中的多个片段与实体之间的文字匹配关系来获取候选实体与目标文本的语义相似度，从而能够更简捷准确地获取待链接的目标文本与候选实体间的语义相似度，进而确定用于与目标文本链接的目标实体，实现更准确高效的实体链接。

示例性地，所述步骤S201中确定目标文本的多个片段可以是通过文本序列标注来实现的。通过文本序列标注将目标文本中所包括的实体相应的文字标注为实体片段，将剩余片段标注为非实体片段，从而能够利用目标文本中的实体片段来更准确地指示目标文本的语义信息，提升实体链接的准确度。

根据一些实施例，所述步骤S202中，获取多个候选实体包括：获取多个初始实体；以及基于所述目标文本的实体片段，从所述多个初始实体中确定多个候选实体。由此，能够通过对初始实体进行初筛，从中召回多个候选实体，有效减少候选实体的数量，从而能够降低确定目标实体所需的计算量，进而提升实体链接的准确度和效率。

示例性地，所述多个初始实体可以是从数据库中获取的，进而可以基于所述多个初始实体中的每个初始实体与所述目标文本的实体片段的相似度，从所述多个初始实体中确定多个候选实体。在一个示例中，可以是利用ElasticSearch数据库召回多个候选实体，以降低确定目标实体所需的计算量，提升实体链接的准确度和效率。

根据一些实施例，所述步骤S203中，针对所述多个候选实体中的每个候选实体，获取所述候选实体与所述多个片段的匹配度包括：获取所述候选实体与所述多个片段的公共子序列；以及基于所述公共子序列，确定所述候选实体与所述多个片段的匹配度。由此，能够更加简捷准确地得到所述候选实体与所述多个片段的匹配度。

示例性地，可以是通过所述公共子序列的长度占所述候选实体和/或所述多个片段的文本序列的长度的比重，来确定所述候选实体与所述多个片段的匹配度。例如，当所述公共子序列的长度占所述候选实体和所述多个片段中的一个实体片段的文本序列的长度的比重均为100％时，即可确定所述候选实体与该实体片段完全重合，进而确定所述候选实体与该实体片段具有较高的匹配度。

在一个示例中，可以是通过定义多个匹配类型来表征所述候选实体与所述多个片段的匹配度，所述匹配类型例如可以包括“完全重合”、“部分重合”、“不重合”等。例如，当所述候选实体的文本序列和所述多个片段中的一个片段的文本序列完全重合时，可以确定所述候选实体与该片段的匹配度为“完全重合”类型。当所述候选实体的文本序列和所述多个片段中的一个片段的文本序列存在部分重合时，可以确定所述候选实体与该片段的匹配度为“部分重合”类型。由此，能够简便准确地表征所述候选实体与所述多个片段的匹配度，进而提升实体链接的效率。

根据一些实施例，所述步骤S204中基于每个候选实体与所述多个片段的匹配度，确定所述候选实体与所述目标文本的语义相似度包括：将所述候选实体、所述目标文本以及所述候选实体与所述多个片段的匹配度输入语义匹配神经网络，以获取所述语义匹配神经网络所输出的所述候选实体与所述目标文本的语义相似度。由此，能够利用语义匹配神经网络获取所述候选实体与所述目标文本的语义相似度，简化处理流程，更加便捷准确。

示例性地，所述语义匹配神经网络可以是通过以下步骤训练得到的：获取样本候选实体和样本目标文本，所述样本目标文本包括多个片段，所述多个片段包括实体片段和非实体片段；获取所述样本候选实体与所述多个片段的匹配度；基于所述样本候选实体、所述样本目标文本以及所述样本候选实体与所述多个片段的匹配度，计算并标记所述样本候选实体与所述样本目标文本的真实语义相似度，具体地，例如可以是利用公式计算得到所述样本目标文本的真实语义相似度；将所述样本候选实体、所述样本目标文本以及所述样本候选实体与所述多个片段的匹配度输入语义匹配神经网络，并获取所述语义匹配神经网络所输出的预测语义相似度；基于所述真实语义相似度和预测语义相似度，计算损失值；以及基于所述损失值调整所述语义匹配神经网络的参数。

进一步地，根据一些实施例，所述语义匹配神经网络包括第一子神经网络和第二子神经网络，并且其中，所述获取所述语义匹配神经网络所输出的所述候选实体与所述目标文本的语义相似度包括：将所述候选实体、所述目标文本以及所述候选实体与所述多个片段的匹配度输入第一子神经网络，以获取所述第一子神经网络所输出的所述候选实体相应的实体向量和所述目标文本相应的文本向量；以及将所述候选实体相应的实体向量和所述目标文本相应的文本向量输入第二子神经网络，以获取所述第二子神经网络所输出的所述候选实体与所述目标文本的语义相似度。由此，能够通过将所述候选实体和所述目标文本转换为相应的向量，更准确地得到所述候选实体与所述目标文本的语义相似度。

示例性地，所述第一子神经网络可以是基于注意力机制的向量编码器，从而能够基于所述候选实体与所述多个片段的匹配度，将所述候选实体和所述目标文本编码为相应的实体向量和文本向量。所述第一子神经网络通过应用注意力机制，能够使所得到的实体向量和文本向量更准确地表征所述候选实体和目标文本的语义信息，进而提升实体链接的准确度。例如，在所述第一子神经网络的应用过程中，能够通过感知所述候选实体与所述多个片段的匹配度，针对所述目标文本中与所述候选实体的匹配度较高的片段，更多地应用该片段中所蕴含的语义信息，从而能够得到更准确的文本向量。

进一步地，在一个示例中，可以先将所述候选实体和所述目标文本的多个片段输入预训练模型，例如ernie模型，以得到所述候选实体相应的初始实体向量和所述目标文本的多个片段各自相应的多个初始文本片段向量，再将所述初始实体向量、所述多个初始文本片段向量以及所述候选实体与所述多个片段的匹配度输入第一子神经网络，以使得所述第一子神经网络能够更加准确高效地输出表征所述候选实体和目标文本的语义信息的实体向量和文本向量。

根据一些实施例，所述步骤S205中基于所述每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体包括：至少基于所述每个候选实体与所述目标文本的语义相似度，对所述多个候选实体进行排序，以得到候选实体排序结果；以及基于所述候选实体排序结果，确定用于与所述目标文本链接的目标实体。由此，能够通过对候选实体进行排序，快速准确地从中确定用于与所述目标文本链接的目标实体。

示例性地，可以是基于所述每个候选实体与所述目标文本的语义相似度从大到小的顺序，对所述多个候选实体进行排序，进而将其中排序值最大的候选实体确定为目标实体，更加简便准确。

根据一些实施例，所述方法还包括：计算所述多个候选实体中的每个候选实体与所述目标文本的实体片段的编辑距离，所述编辑距离用于指示每个候选实体与所述目标文本的实体片段的差异程度，并且所述步骤S205中，至少基于每个候选实体与所述目标文本的实体片段的编辑距离以及每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。由此，能够通过融合每个候选实体与所述目标文本的实体片段的编辑距离，来更加准确地确定用于与所述目标文本链接的目标实体，提升实体链接的准确度。

示例性地，所述编辑距离是一个量化的数值，其数值用于指示将一个文本序列转换成另一个文本序列所需的最少处理次数。进一步地，在一个示例中，可以是利用以下公式来基于编辑距离得到两个文本序列之间的编辑距离系数：

上述公式中，edit_distance表示文本序列s₁和文本序列s₂之间的编辑距离，len(s₁)和len(s₂)表示文本序列的长度。

在一个示例中，所述候选实体相应的文本序列s₁为“ABBCC”，所述目标文本的实体片段相应的文本序列s₂为“ABBDD”，可以看出，将文本序列s₁转换成文本序列s₂至少需要通过两次字符替换处理，即编辑距离为2，结合文本序列的长度，能够得到文本序列s₁和文本序列s₂之间的编辑距离系数为0.6。

根据一些实施例，所述至少基于每个候选实体与所述目标文本的实体片段的编辑距离以及每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体包括：基于预设权重，将所述每个候选实体与所述目标文本的实体片段的编辑距离以及每个候选实体与所述目标文本的语义相似度进行加权计算；以及基于所述加权计算的结果，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。由此，能够更加简捷准确地确定用于与所述目标文本链接的目标实体。

示例性地，所述每个候选实体与所述目标文本的多个片段的匹配度可以包括每个候选实体与所述目标文本的实体片段的子匹配度，进而可以是基于每个候选实体与所述目标文本的实体片段的子匹配度、每个候选实体与所述目标文本的实体片段的编辑距离系数以及每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。所述候选实体与所述目标文本的实体片段的子匹配度例如可以是1或0的二元数值，例如，当所述目标文本的实体片段为所述候选实体的子序列，则确定该候选实体与所述目标文本的实体片段的子匹配度为1，反之则为0。

示例性地，可以是基于预设权重，将前文所描述的每个候选实体与所述目标文本的实体片段的子匹配度、每个候选实体与所述目标文本的实体片段的编辑距离系数以及每个候选实体与所述目标文本的语义相似度进行加权计算，进而基于加权计算的结果，从所述多个候选实体中确定用于与所述目标文本链接的目标实体，以提升实体链接的准确度。

进一步地，根据一些实施例，所述基于预设权重，将所述每个候选实体与所述目标文本的实体片段的编辑距离以及每个候选实体与所述目标文本的语义相似度进行加权计算包括：根据预设规则调整所述预设权重；以及基于调整后的所述预设权重，将所述每个候选实体与所述目标文本的实体片段的编辑距离以及每个候选实体与所述目标文本的语义相似度进行加权计算。

示例性地，所述根据预设规则调整所述预设权重可以为根据预设规则修改所述权重，也可以为根据预设规则不修改所述权重。例如，在所述每个候选实体与所述目标文本的语义相似度是利用语义匹配神经网络得到的情况下，可以是根据所述语义匹配神经网络的性能变化，动态调整加权计算过程中各个指标相应的权重。或者，也可以是响应于所述语义匹配神经网络的性能未发生变化，而不修改加权计算过程中各个指标相应的预设权重。例如，可以在冷启动阶段降低所述每个候选实体与所述目标文本的语义相似度相应的权重，在所述语义匹配神经网络的性能达到预定标准后，再增加所述每个候选实体与所述目标文本的语义相似度相应的权重，以解决语义匹配神经网络的冷启动问题，使得所述实体链接方法更好地应用于各种场景。

根据一些实施例，所述方法还包括：获取所述多个候选实体中的每个候选实体相应的属性信息，所述属性信息包括与该候选实体相关的信息，并且其中，所述匹配度包括所述候选实体和/或该候选实体相应的属性信息与所述多个片段的匹配度，并且所述步骤S204中，基于每个候选实体与所述多个片段的匹配度，确定所述候选实体与所述目标文本的语义相似度包括：基于所述候选实体和/或该候选实体相应的属性信息与所述多个片段的匹配度，确定所述候选实体与所述目标文本的语义相似度。由此，能够利用候选实体相应的属性信息，更准确地指示该候选实体的语义，进而提升实体链接的准确度。

进一步地，根据一些实施例，所述候选实体是从知识图谱中获取的，并且所述获取所述多个候选实体中的每个候选实体相应的属性信息包括：针对所述多个候选实体中的每个候选实体，从所述知识图谱中获取与该候选实体相关联的节点和边；以及获取与该候选实体相关联的节点和边各自的属性信息，以得到该候选实体相应的属性信息。由此，能够利用知识图谱中的各个节点和边所蕴含的关联信息，更准确地获取每个候选实体相应的属性信息，以更准确地表征每个候选实体的语义，提升实体链接的准确度。

根据一些实施例，所述方法还包括：基于预设规则，改写所述目标文本的多个片段中的每个片段，以得到符合预设条件的多个片段。由此，能够通过对目标文本进行改写，得到标准化的文本片段，便于后续处理，进而提升实体链接的准确度和效率。

示例性地，所述基于预设规则，改写所述目标文本的多个片段中的每个片段可以包括：利用预设的纠错词典查找并纠正所述目标文本的片段中的错别字，从而降低错别字对实体链接效果的影响。

示例性地，所述基于预设规则，改写所述目标文本的多个片段中的每个片段可以包括：针对所述目标文本的片段中的数字、日期和时间信息，将其改写为预定格式的日期和时间信息。例如，针对所述目标文本的片段中的阿拉伯数字，将其改写为汉字形式的数字。由此，能够降低同一信息的不同表达形式对实体链接效果的影响。

以下将结合示例，进一步描述本公开示例性实施例。

图3示出了根据本公开示例性实施例的实体链接方法的流程图。图4示出了根据本公开示例性实施例的语义匹配神经网络的结构示意图。

如图3所示，所示实体链接方法包括以下分段步骤：

步骤S31、目标文本的片段标注；步骤S32、目标文本的片段改写；步骤S33、初筛召回候选实体；步骤S34、候选实体排序。

所述步骤S31可以具体包括：

步骤S311、通过文本序列标注，确定目标文本的多个片段，所述多个片段包括实体片段和非实体片段。

所述步骤S32可以具体包括：

步骤S321、基于预设规则，改写所述目标文本的多个片段中的每个片段，以得到符合预设条件的多个片段。

所述步骤S33可以具体包括：

步骤S331、从知识图谱中获取多个初始实体；

步骤S332、基于所述目标文本的实体片段，从所述多个初始实体中确定多个候选实体。

所述步骤S34可以具体包括：

步骤S341、针对所述多个候选实体中的每个候选实体，从所述知识图谱中获取与该候选实体相关联的节点和边；

步骤S342、获取与该候选实体相关联的节点和边各自的属性信息，以得到该候选实体相应的属性信息；

步骤S343、确定所述候选实体和/或该候选实体相应的属性信息与所述多个片段的匹配度，所述不同元素间的匹配度例如可以是通过定义如表1所示的多个匹配度类型来表征的；

表1：

步骤S344、将所述候选实体及其相应的属性信息和所述目标文本的多个片段输入预训练模型，以得到所述候选实体相应的初始实体向量和初始属性向量以及所述目标文本的多个片段各自相应的多个初始文本片段向量；

步骤S345、将所述初始实体向量和初始属性向量、所述多个初始文本片段向量以及所述候选实体和/或该候选实体相应的属性信息与所述多个片段的匹配度输入第一子神经网络，以得到所述第一子神经网络所输出的实体向量和文本向量；

步骤S346、将所述候选实体相应的实体向量和所述目标文本相应的文本向量输入第二子神经网络，以获取所述第二子神经网络所输出的所述候选实体与所述目标文本的语义相似度；

步骤S347、至少基于所述每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。

由此，能够更准确地获取待链接的目标文本与候选实体间的语义相似度，进而确定用于与目标文本链接的目标实体，实现更准确高效的实体链接。

根据本公开的另一方面，还提供一种实体链接装置。图5示出了根据本公开示例性实施例的实体链接装置500的结构框图。如图5所示，所述装置500包括：第一确定单元501，被配置用于确定目标文本的多个片段，所述多个片段包括实体片段和非实体片段；第一获取单元502，被配置用于获取多个候选实体；第二获取单元503，被配置用于针对所述多个候选实体中的每个候选实体，获取所述候选实体与所述多个片段的匹配度，所述匹配度用于指示每个候选实体的文字与所述多个片段所包括的文字的重合程度；第二确定单元504，被配置用于基于所述候选实体与所述多个片段的匹配度，确定所述候选实体与所述目标文本的相似度；以及第三确定单元505，被配置用于至少基于所述每个候选实体与所述目标文本的相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。实体链接装置500的的单元501-单元505的操作与前面描述的步骤S201-步骤S205的操作类似，在此不作赘述。

根据本公开的另一方面，还提供一种电子设备，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的实体链接方法。

根据本公开的另一方面，还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，其中，所述计算机指令用于使所述计算机执行上述的实体链接方法。

根据本公开的另一方面，还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序再被处理器执行时实现上述的实体链接方法。

参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

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，例如实体链接方法。例如，在一些实施例中，实体链接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实体链接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)而被配置为执行实体链接方法。

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，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，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，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。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (16)

1.一种实体链接方法，包括：

确定目标文本的多个片段，所述多个片段包括实体片段和非实体片段；

获取多个候选实体；

针对所述多个候选实体中的每个候选实体，获取所述候选实体与所述多个片段的匹配度，所述匹配度用于指示每个候选实体所包括的文字与所述多个片段所包括的文字的重合程度；

基于每个候选实体与所述多个片段的匹配度，确定所述候选实体与所述目标文本的语义相似度；以及

至少基于所述每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。

2.根据权利要求1所述的方法，其中，所述基于每个候选实体与所述多个片段的匹配度，确定所述候选实体与所述目标文本的语义相似度包括：

将所述候选实体、所述目标文本以及所述候选实体与所述多个片段的匹配度输入语义匹配神经网络，以获取所述语义匹配神经网络所输出的所述候选实体与所述目标文本的语义相似度。

3.根据权利要求2所述的方法，所述语义匹配神经网络包括第一子神经网络和第二子神经网络，并且其中，所述获取所述语义匹配神经网络所输出的所述候选实体与所述目标文本的语义相似度包括：

将所述候选实体、所述目标文本以及所述候选实体与所述多个片段的匹配度输入第一子神经网络，以获取所述第一子神经网络所输出的所述候选实体相应的实体向量和所述目标文本相应的文本向量；以及

将所述候选实体相应的实体向量和所述目标文本相应的文本向量输入第二子神经网络，以获取所述第二子神经网络所输出的所述候选实体与所述目标文本的相似度。

4.根据权利要求1-3中任一项所述的方法，其中，所述获取多个候选实体包括：

获取多个初始实体；以及

基于所述目标文本的实体片段，从所述多个初始实体中确定多个候选实体。

5.根据权利要求1-4中任一项所述的方法，其中，所述针对所述多个候选实体中的每个候选实体，获取所述候选实体与所述多个片段的匹配度包括：

获取所述候选实体与所述多个片段的公共子序列；以及

基于所述公共子序列，确定所述候选实体与所述多个片段的匹配度。

6.根据权利要求1-5中任一项所述的方法，还包括：

计算所述多个候选实体中的每个候选实体与所述目标文本的实体片段的编辑距离，所述编辑距离用于指示每个候选实体与所述目标文本的实体片段的差异程度，并且其中，

至少基于每个候选实体与所述目标文本的实体片段的编辑距离以及每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。

7.根据权利要求6所述的方法，其中，所述至少基于每个候选实体与所述目标文本的实体片段的编辑距离以及每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体包括：

基于预设权重，将所述每个候选实体与所述目标文本的实体片段的编辑距离以及每个候选实体与所述目标文本的语义相似度进行加权计算；以及

基于所述加权计算的结果，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。

8.根据权利要求7所述的方法，其中，所述基于预设权重，将所述每个候选实体与所述目标文本的实体片段的编辑距离以及每个候选实体与所述目标文本的语义相似度进行加权计算包括：

根据预设规则调整所述预设权重；以及

基于调整后的所述预设权重，将所述每个候选实体与所述目标文本的实体片段的编辑距离以及每个候选实体与所述目标文本的语义相似度进行加权计算。

9.根据权利要求1-8中任一项所述的方法，还包括：

获取所述多个候选实体中的每个候选实体相应的属性信息，所述属性信息包括与该候选实体相关的语义信息，

并且其中，所述匹配度包括所述候选实体和/或该候选实体相应的属性信息与所述多个片段的匹配度，并且基于每个候选实体与所述多个片段的匹配度，确定所述候选实体与所述目标文本的语义相似度包括：

基于所述候选实体和/或该候选实体相应的属性信息与所述多个片段的匹配度，确定所述候选实体与所述目标文本的语义相似度。

10.根据权利要求9所述的方法，所述候选实体是从知识图谱中获取的，并且其中，获取所述多个候选实体中的每个候选实体相应的属性信息包括：

针对所述多个候选实体中的每个候选实体，从所述知识图谱中获取与该候选实体相关联的节点和边；以及

获取与该候选实体相关联的节点和边各自的属性信息，以得到该候选实体相应的属性信息。

11.根据权利要求1-10中任一项所述的方法，还包括：

基于预设规则，改写所述目标文本的多个片段中的每个片段，以得到符合预设条件的多个片段。

12.根据权利要求1-11中任一项所述的方法，其中，所述至少基于所述每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体包括：

至少基于所述每个候选实体与所述目标文本的语义相似度，对所述多个候选实体进行排序，以得到候选实体排序结果；以及

基于所述候选实体排序结果，确定用于与所述目标文本链接的目标实体。

13.一种实体链接装置，包括：

第一确定单元，被配置用于确定目标文本的多个片段，所述多个片段包括实体片段和非实体片段；

第一获取单元，被配置用于获取多个候选实体；

第二获取单元，被配置用于针对所述多个候选实体中的每个候选实体，获取所述候选实体与所述多个片段的匹配度，所述匹配度用于指示每个候选实体的文字与所述多个片段所包括的文字的重合程度；

第二确定单元，被配置用于基于所述候选实体与所述多个片段的匹配度，确定所述候选实体与所述目标文本的语义相似度；以及

第三确定单元，被配置用于至少基于所述每个候选实体与所述目标文本的语义相似度，从所述多个候选实体中确定用于与所述目标文本链接的目标实体。

14.一种电子设备，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1-12中任一项所述的方法。

15.一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计算机执行根据权利要求1-12中任一项所述的方法。

16.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据权利要求1-12中任一项所述的方法。

Images