CN115858732A - 实体链接方法及设备 - Google Patents
实体链接方法及设备 Download PDFInfo
- Publication number
- CN115858732A CN115858732A CN202211659699.3A CN202211659699A CN115858732A CN 115858732 A CN115858732 A CN 115858732A CN 202211659699 A CN202211659699 A CN 202211659699A CN 115858732 A CN115858732 A CN 115858732A
- Authority
- CN
- China
- Prior art keywords
- entity
- text
- processed
- vector matrix
- candidate
- 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
Landscapes
- Machine Translation (AREA)
Abstract
本公开实施例提供一种实体链接方法及设备,该方法包括:使用与待处理文本的目标语言匹配的向量化方法,对待处理文本与候选实体的实体义项描述分别进行向量化,得到文本向量矩阵和候选实体向量矩阵;将文本向量矩阵与侯选实体向量矩阵进行融合,得到第一向量矩阵;从预先建立的知识图谱中确定与侯选实体关联的关联信息,根据关联信息与待处理文本之间的关联关系,确定关联特征向量;知识图谱基于多源异构实体库构建;将第一向量矩阵与关联特征向量进行融合,得到候选实体对应的第二向量矩阵;基于至少一个候选实体对应的第二向量矩阵,确定与待处理文本对应的链接实体。可以应用于复杂文本场景,提高了复杂文本场景的实体链接结果的准确度。
Description
技术领域
本公开实施例涉及计算机技术领域,尤其涉及一种实体链接方法及设备。
背景技术
实体链接(Entity Linking)自然语言与知识图谱领域的基础。实体链接主要是将文本中的出现的实体提及与实体数据库中的实体进行关联,进而建立文本类对象与知识对象的关联,协助进行内容资源及用户需求的理解。实体链接应用的业务场景包括:知识问答,信息流推荐、文本语义理解和网页推荐及语义搜索等。
在实际应用中,需要进行实体链接的文本场景纷繁复杂,相关技术中提供的实体链接方法很难对不同文本场景得到较为准确的实体链接结果。
发明内容
本公开实施例提供一种实体链接方法及设备。
第一方面,本公开实施例提供一种实体链接方法,该方法包括:使用与待处理文本的目标语言匹配的向量化方法,对所述待处理文本与候选实体的实体义项描述分别进行向量化,得到文本向量矩阵和候选实体向量矩阵;对所述文本向量矩阵与所述侯选实体向量矩阵进行融合,得到第一向量矩阵;从预先建立的知识图谱中确定与所述侯选实体关联的关联信息,根据所述关联信息与所述待处理文本之间的关联关系,确定关联特征向量;所述知识图谱基于多源异构实体库构建;对所述第一向量矩阵与关联特征向量进行融合,得到所述候选实体对应的第二向量矩阵;基于至少一个候选实体对应的第二向量矩阵,确定与待处理文本对应的链接实体。
第二方面,本公开实施例提供一种实体链接设备,该设备包括:第一向量化单元,用于使用与待处理文本的目标语言匹配的向量化方法,对所述待处理文本与候选实体的实体义项描述分别进行向量化,得到文本向量矩阵和候选实体向量矩阵;第一融合单元,用于对所述文本向量矩阵与所述侯选实体向量矩阵进行融合,得到第一向量矩阵;第二向量化单元,用于从预先建立的知识图谱中确定与所述侯选实体关联的关联信息,根据所述关联信息与所述待处理文本之间的关联关系,确定关联特征向量;所述知识图谱基于多源异构实体库构建;第二融合单元,用于对所述第一向量矩阵与关联特征向量进行融合,得到所述候选实体对应的第二向量矩阵;确定单元,用于基于至少一个候选实体对应的第二向量矩阵,确定与待处理文本对应的链接实体。
第三方面,本公开实施例提供一种电子设备,包括:处理器和存储器;所述存储器存储计算机执行指令;所述处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的实体链接方法。
第四方面,本公开实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的实体链接方法。
第五方面,本公开实施例提供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如上第一方面以及第一方面各种可能的实体链接方法。
本实施例提供的实体链接方法及设备,通过使用与待处理文本的目标语言匹配的向量化方法,对所述待处理文本与候选实体的实体义项描述分别进行向量化,得到文本向量矩阵和候选实体向量矩阵;对所述文本向量矩阵与所述侯选实体向量矩阵进行融合,得到第一向量矩阵;从预先建立的知识图谱中确定与所述侯选实体关联的关联信息,根据所述关联信息与所述待处理文本之间的关联关系,确定关联特征向量;所述知识图谱基于多源异构实体库构建;对所述第一向量矩阵与关联特征向量进行融合,得到所述候选实体对应的第二向量矩阵;基于至少一个候选实体对应的第二向量矩阵,确定与待处理文本对应的链接实体,实现了可应用于多文本场景的实体链接方法,此外,该实体链接方法应用于复杂文本场景中时,可以提高对复杂文本确定链接实体的准确度。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为相关技术中实体链接方法一个应用场景示意图;
图2为本公开实施例提供的实体链接方法的流程示意图一;
图3A为结构化语义关联网络的一个示意图;
图3B为实体-词关联知识图谱的一个示意图;
图4为本公开实施例提供的实体链接方法的流程示意图二;
图5为本公开提供的实现实体链接方法的模型结构的一个示意图;
图6为本公开实施例提供的实体链接设备的结构框图;
图7为本公开实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
在知识问答,信息流推荐,文本语义理解、网页推荐及语义搜索等场景中,都涉及到实体链接。以知识问答为例,服务端接收用户通过终端设备发送的提问,使用提问文本在指定知识库中进行搜索与文本匹配的链接实体。并进而根据指定知识库中与上述链接实体对应的知识作为与提问匹配的答案,将答案发送给用户的终端设备。
相关技术中,上述指定知识库是为了某个应用场景构建的知识库。这里的应用场景例如可以为缩略词场景,短文本场景等。
图1示出了一种问答应用场景示意图。
如图1所示,用户通过终端设备101输入的问句为“TPU”,上述服务端在指定缩略词知识库中确定与该缩略词匹配的链接实体。并进而根据该链接实体确定缩略词知识库中与“TPU”匹配的知识,将这些知识作为答案反馈给上述终端设备101。
同样地,相关技术中还有对中文短文本设计的实体链接方法,对英文短文本设计的实体链接方法等。
而实际应用场景中,需要进行实体链接的文本场景十分复杂。例如多语言文字组成的文本,包括缩略词以及其他词语的文本,包括网络用语、专业用语的文本,短文本等文本场景,或者文本中同时包括多语言、缩写词、网络用语和专业术语等的文本场景。
由于目前的实体链接方法是基于单个文本场景创建的,例如对于缩写词,是基于缩写词创建的实体链接方法,对于各种语言,分别创建了各种语言分别对应的实体链接方法。目前没有对复杂文本场景设计有效的实体链接方法。对于复杂文本场景,使用上述实体链接方法所确定链接实体的结果的准确度不高。这里的复杂文本场景例如可以是文本中包括多语言混用,实体词/缩写词混用,网络用语专业术语词混用等。
为了改善上述问题,本公开提供了实体链接方法及设备,通过使用与待处理文本对应的目标语言匹配的向量化方法对待处理文本以及候选实体的实体义项描述进行向量化,并将二者向量化结果进行融合,得到第一向量矩阵;预先构建多源异构知识图谱,将候选实体对应的知识图谱与待处理文本进行匹配,进而确定关联特征向量。再根据第一向量矩阵以及关联特征向量确定候选实体是否为链接实体。从而实现对复杂文本场景进行有效的实体链接。
请参考图2,图2是本公开实施例提供的实体链接方法的流程示意图一。该方法应用于终端设备或者服务端。
S201:使用与待处理文本的目标语言匹配的向量化方法,对待处理文本与候选实体的实体义项描述分别进行向量化,得到文本向量矩阵和候选实体向量矩阵。
这里的文本(text),可以是指由一定的语言文字组成的信息体。
这里的待处理文本可以是较长的文本,也可以是较短的文本。可以是文章中摘取的一段文本,也可以是从即时通讯信息中截取中的一条消息的消息文本。这里的待处理文本中的文字可以包括一种语言文字,也可以包括多种语言文字。
在一些应用场景中,上述待处理文本可以是较长文章中摘取的一段文本。上述待处理文本的目标语言可以是根据待处理文本的上下文使用的语言文字确定的目标语言。例如,待处理文本之前的文本中的文字为中文文字,可以将待处理文本的目标语言确定为中文。
文本向量化是指将文本表示成能够表达文本语义的向量或由多个向量组成的向量矩阵。文本向量化方法可以包括词袋模型方法和词嵌入方法。词袋模型方法包括one-hot(又称独热编码)、词频-逆文本频率指数(term frequency–inverse document frequency,TF-IDF)、n-gram等。词嵌入(word embedding)方法包括word2vec(word to vector)、全局词向量(global vectors for word representation,GloVe)和基于双向翻译器的编码器(Bidirectional Encoder Representation from Transformers,BERT)等方法。
不同语言的文本向量化方法可以包括不同的处理过程。以中文文本与英文文本为例,英文文本中不同单词之间具有分隔符,可以直接根据上述英文文本的这种特征,得到英文文本的不同单词,然后对单词进行向量化。而中文文本中字/词之间不具有分隔符。因此,对于中文文本而言,需要首先对文本进行切分,切分为多个分词,然后在切分得到的多个分词中除去数字以及停用词等,得到一个分词之间用空格隔开的字符串,再进行向量化。
因此,在文本进行向量化时,可以先确定文本的语言。然后使用与该语言匹配的向量化方法对待处理文本以及候选实体的实体义项描述进行向量化。
文本向量矩阵和候选实体向量矩阵可以包括K×1维矩阵,也可以包括K×L维矩阵。K×1维矩阵中可以包括1个K维向量。K×L维矩阵可以包括L个K维向量。K为大于等于1的整数。L为大于1的整数。
使用与待处理文本的目标语言匹配的向量化方法,对待处理文本以及候选实体的实体义项描述进行向量化。对于不同的语言,可以采取不同的向量化方法,从而可以提高对待处理文本以及候选实体的实体义项描述的向量化结果的准确性。
在一些应用场景中,上述步骤S201可以包括:
首先,根据待处理文本中的多个文字来确定待处理文本的目标语言。
其次,使用与上述目标语言匹配的向量化方法,对待处理文本与候选实体的义项描述分别进行向量化。
在这些应用场景中,可以根据待处理文本中的文字来确定待处理文本的目标语言。
具体地,可以计算待处理文本中各语言文字的占比,根据占比来确定待处理文本的目标语言。
例如,待处理文本中,中文文字占比为51%,则可以将中文确定为待处理文本的目标语言。
可以预先存储与多种语言分别匹配的向量化方法。在确定出了待处理文本的目标语言之后,可以从之前保存的多个语言各自的向量化方法中选取出与目标语言匹配的向量化方法。
在一些应用场景中,若候选实体的实体义项描述中包括非目标语言文字,可以将上述实体义项描述中的非目标语言文字翻译为目标语言文字。再使用与目标语言匹配的向量化方法,对待处理文本与候选实体的实体义项描述进行向量化处理。在这些应用场景中,先将实体义项描述转换为目标语言,可以提高对实体义项描述文本向量化结果的准确性。
S202:将文本向量矩阵与侯选实体向量矩阵进行融合,得到第一向量矩阵。
可以使用各种融合方法对文本向量矩阵与候选实体向量矩阵进行融合,得到第一向量矩阵。示意性地,上述融合包括将文本向量矩阵与候选实体向量矩阵进行拼接,或者对文本向量矩阵与候选实体向量矩阵按照点位相加等。
S203:从预先建立的知识图谱中确定与侯选实体关联的关联信息,根据关联信息与待处理文本之间的关联关系,确定关联特征向量;知识图谱基于多源异构实体库构建。
知识图谱主要用来描述真实世界中存在的各种实体和概念,以及他们之间的关系。
这里的多源异构实体库包括各种百科实体库、缩写词库以及各领域对应的领域专业实体库。这样一来,所建立的知识图谱可以将不同实体库中的实体之间建立关联关系,从而可以扩展该实体链接方法的应用领域。这里的实体库是指包括多个实体的知识库。
在一些应用场景中,上述知识图谱包括从多个异构实体库中挖掘的多个实体之间的结构化语义关联网络。多个实体之间的结构化语义关联网络构成结构化知识图谱。该结构化语义关联网络组成单位是“实体—关系—实体”三元组,以及实体及其相关属性-值对,实体间通过关系相互联结,构成网状的知识结构。
示意性地,请参考图3A,其示出了一个是示意性结构化语义关联网络。演员A出演了电影B。演员A为实体词,电影B也为实体词。演员A与电影B之间的三元组为如图3A所示,实体“演员A”与实体“电影B”之间的关系为“出演”。每一个实体还可以对应自己的实体义项描述。例如对于电影B的实体义项描述可以包括:影片名称、发行时间、影片类型、集数等。演员A的妻子为C1。实体“演员A”与实体“C1”之间的关系为夫妻。演员A的儿子为C2。实体“演员A”与实体“C2”之间的关系为父子。
在这些应用场景中,可以在上述知识图谱中查找候选实体。然后再确定候选实体对应的关联信息。这里的关联信息可以为知识图谱中,包括候选实体的语义网络。将该语义网络与待处理文本进行匹配。根据匹配结果确定关联特征向量。示意性地,如果该语义网络中有10个实体,其中,有4个实体与待处理文本匹配成功。可以认为上述关联特征向量为0.4。在这些应用场景中,由于可以从多源异构知识图谱中确定候选实体对应的关联信息,然后再根据上述关联信息与待处理文本之间的关联关系,确定用于分析链接实体的关联特征向量,使得上述实体链接方法可以具有较高的对不同实体库中的实体的消歧能力。从而可以解决在实体词、缩写词、网络用语与专业术语词混用场景中的混合消歧。
在另外一些应用场景中,上述知识图谱可以包括从多个异构实体库中进行实体/词挖掘得到的实体-词关联知识图谱。这里的实体-词关联知识图谱,是基于如下步骤建立的:从多个异构实体库中的实体义项描述中提取概念词,确定多个概念词对,根据多个概念词对确定不同概念词之间的关联关系,进而建立概念词中实体词与其他概念词之间的实体-词关联知识图谱。在这些应用场景中,能够提供短文本中实体提及上下文词语与候选实体之间的关联关系,辅助解决短文本下的实体链接问题。
图3B是一个实体-词关联知识图谱的示例性说明。该实体-词关联知识图谱包括实体D,以及根据概念词对确定的与实体D关联的关键词D11、D12、D21、D22、D31等。
在这些应用场景中,可以从实体-词关联知识图谱中查找出候选实体对应的关联信息。这里的关联信息可以为实体-词关联知识图谱中候选实体对应的关联词。然后将候选实体对应的实体-词关联知识图谱中的各关联词与待处理文本进行匹配。根据匹配结果确定关联特征向量。示意性地,若该实体-词关联知识图谱中有5个关键词,该5个关键词中有1个关键词与待处理文本中的关键词匹配成功,则该关联特征向量可以为0.2。
步骤S204:对第一向量矩阵与关联特征向量进行融合,得到候选实体对应的第二向量矩阵。
具体地,可以将第一向量矩阵中各元素与关联特征向量中对应的元素进行相加,得到候选实体对应的第二向量矩阵。
或者,将该关联特征向量与第一向量矩阵中各向量分别进行拼接,得到第二向量矩阵。
步骤S205:基于至少一个候选实体对应的第二向量矩阵,确定与待处理文本对应的链接实体。
对于每一个候选实体,可以根据预设规则对该候选实体的第二向量矩阵进行分析处理,从而得到该候选实体为待处理文本的链接实体的概率。
示意性地,上述预设规则可以包括:对第二向量矩阵中的每一个元素赋予权重,然后计算各元素与对应权重乘积的累加和,将该累加和作为该候选实体为待处理文本的链接实体的概率。
在得到至少一个候选实体分别对应的上述概率后,可以将概率值最大的一个候选实体作为待处理文本的链接实体。或者将概率值大于预设概率值阈值的各候选实体均作为待处理文本的链接实体。
本实施例中,使用与待处理文本的目标语言匹配的向量化方法,对待处理文本与候选实体的实体义项描述分别进行向量化,得到文本向量矩阵和候选实体向量矩阵;将文本向量矩阵与侯选实体向量矩阵进行融合,得到第一向量矩阵;从预先建立的知识图谱中确定与侯选实体关联的关联信息,根据关联信息与待处理文本间的关联关系,确定关联特征向量;知识图谱基于多源异构实体库构建;将第一向量矩阵与关联特征向量进行融合,得到候选实体对应的第二向量矩阵;基于至少一个候选实体对应的第二向量矩阵,确定与待处理文本对应的链接实体。从而该实体链接方法可以应用在不同的文本场景中。另外,对于包括复杂场景的待处理文本,该实体链接方法可以得到较为准确的链接实体。
请继续参考图4,图4为本公开实施例提供的实体链接方法的流程示意图二。如图4所示,本实施例提供的实体链接方法包括如下步骤:
S401:将待处理文本以及候选实体的实体义项描述输入到预先训练的向量化模型,由向量化模型使用与待处理文本的目标语言匹配的向量化方法,对待处理文本与候选实体的实体义项描述分别进行向量化,得到文本向量矩阵和候选实体向量矩阵。
上述向量化模型用于对输入的文本进行向量化。上述向量化模型可以包括词袋模型、神经网络模型等。
这里的向量化模型可以对待处理文本进行向量化,对候选实体的实体义项描述进行向量化。
示意性地,上述向量化模型可以包括词嵌入层。向量化模型可以利用词嵌入(WordEmbedding)层将待处理文本进行向量化,得到待处理文本的文本向量矩阵。此外,上述向量化模型还可以利用词嵌入层将候选实体的实体义项描述进行向量化,得到候选实体向量矩阵。
在一些应用场景中,若上述待处理文本为从较长文本截取的片段,上述向量化模型可以根据该历史确定的上述较长文本其他片段的目标语言来确定待处理文本的目标语言。
在另外一些场景中,上述向量化模型可以首先确定待处理文本中各语言文字的占比,根据各语言文字的占比来确定待处理文本的目标语言。
作为一种实现方式中,上述向量化模型包括预处理模块和向量化模块;其中,
上述预处理模块用于确定输入的待处理文本对应的目标语言;
向量化模块用于调用与目标语言匹配的向量化网络,对待处理文本与候选实体的实体义项描述进行向量化处理。
在这些实现方式中,上述预处理模块可以与向量化模块连接。预处理模块可以将包括目标语言的语言信息传递给向量化模块。
上述预处理模块可以根据各种方式来确定待处理文本对应的语言,例如可以通过计算输入的待处理文本各语言文字的占比的方式来确定待处理文本的目标语言。
上述向量化模块可以根据目标语言,调用与该目标语言对应的向量化网络,对待处理文本与候选实体的实体义项描述进行向量化。
实践中,对于每一种语言,可以预先使用该语言的训练样本对该语言对应的向量化网络进行训练,从而使得该语言的向量化网络可以对输入的使用该语言的文本进行向量化。
在一些实施例中,上述预处理模块还用于将候选实体义项描述翻译至目标语言对应的符码。
在这些实施例中,上述实体义项描述中可以包括与目标语言不同的语言表达的文字等,上述预处理模块可以对上述实体义项描述中的其他语言表达的文字等进行翻译,翻译成目标语言对应的文字,然后再对上述实体义项描述进行向量化。
作为一种示意性说明,若所确定的目标语言为中文,上述候选实体的实体义项描述为英文描述,可以将上述英文的实体义项描述翻译为中文实体义项描述,然后将上述待处理文本以及中文化的候选实体的实体义项描述,输入到上述向量化模块。由向量化模块对待处理文本和上述实体义项描述进行向量化。
作为另外一种示意性说明,若所确定的目标语言为中文,候选实体的实体义项描述为多种语言分别进行的义项描述。可以从多种语言分别进行的义项描述中提取出中文实体义项描述。然后将上述待处理文本和上述中文实体义项描述输入到上述向量化模块。
在一些实施例中,上述向量化模型为多语言向量模型。上述多语言向量化模型可以对待处理文本以及实体义项描述进行向量化。
在这些实施例中,上述多语言向量模型可以为预先使用多语言训练文本训练得到的向量化模型。该向量化模型可以对输入的不同语言的文本进行向量化。
在这些实施例中,通过通用的多语言向量化模型对待处理文本以及实体义项描述进行向量化,从而可以简化向量化模型的结构。
S402:基于交叉注意力机制对文本向量矩阵与候选实体向量矩阵进行融合,得到第一向量矩阵。
在本实施例中,上述文本向量矩阵与候选实体向量矩阵的维度可以相同。
上述交叉注意力机制可以包括相关技术中的各种交叉注意力算法。
通过上述交叉注意力机制,可以将文本向量矩阵与候选实体向量矩阵进行融合,此外,由于上述第一向量矩阵是基于交叉注意力机制得到的,可以反映文本向量矩阵与候选实体向量矩阵之间依赖关系。
示意性地,文本向量矩阵可以表示为:[M1、M2、M3];实体向量矩阵可以表示为:[N1、N2、N3]。其中,M1、M2、M3、N1、N2N3均为多维向量。基于交叉注意力机制确定第一向量矩阵的过程可以由如下公式表征:
i,j为大于等于1,小于等于3的整数。Nj为候选实体向量中的第j个向量。aij为文本向量矩阵中第i个向量与候选实体向量矩阵中第j个向量的余弦
′
相似度。Mi为第一向量矩阵中的第i个向量。
上述第一向量矩阵中的每一个向量,表征候选实体向量矩阵中每个向量对文本向量矩阵中的与该向量对应的向量的重要程度。
S403:从预先建立的知识图谱中确定与侯选实体关联的关联信息,根据关联信息与待处理文本之间的关联关系,确定关联特征向量;知识图谱基于多源异构实体库构。
上述步骤S403的具体实施可以参考图2所示实施例中的步骤S203的具体实施。此处不做赘述。
S404:对第一向量矩阵与关联特征向量进行融合,得到候选实体对应的第二向量矩阵。
具体地,可以将第一向量矩阵中各元素与关联特征向量中对应的元素进行相加,得到候选实体对应的第二向量矩阵。
或者,将该关联特征向量与第一向量矩阵中各向量分别进行拼接,得到第二向量矩阵。
步骤S405:将至少一个上述第二向量矩阵输入到分类器,由分类器输出各候选实体与待处理文本关联的置信度。
步骤S406:基于各候选实体分别对应的置信度,确定待处理文本的链接实体。
在一些应用场景中,上述分类器可以是各种二分类器。
在这些应用场景中,由分类器输出用于指示该候选实体是否为与上述待处理文本匹配的链接实体的输出结果。上述输出结果包括“1”和“0”。上述“1”指示该候选实体为与待处理文本匹配的链接实体的置信度为“1”,上述“0”指示该候选实体不是与待处理文本匹配的链接实体的置信度为“0”。
在一些应用场景中,上述分类器可以为多分类器,上述分类器的输入可以为至少一个候选实体分别对应的第二向量矩阵。上述分类器包括至少一个输出,每一个输出与一个候选实体对应。分类器的每一个输出可以为该输出对应的候选实体为待处理文本的链接实体的概率(置信度)。在这些应用场景中,可以根据分类器各输出的值,来确定哪个或那几个候选实体为与该待处理文本匹配的链接实体。例如将输出的值最大的一个候选实体作为与待处理文本对应的链接实体。或者将输出的值大于预设概率阈值的至少一个候选实体作为与待处理文本对应的链接实体。
本实施例中,将待处理文本以及实体义项描述输入到预先训练的向量化模型,由向量户模型使用与待处理文本的目标语言匹配的向量化网络,对待处理文本与实体义项描述分别进行向量化,得到文本向量矩阵和候选实体向量矩阵;基于交叉注意力机制对文本向量矩阵与候选实体向量矩阵进行融合,得到第一向量矩阵;从预先建立的知识图谱中确定与侯选实体关联的关联信息,根据关联信息与待处理文本之间的关联关系,确定关联特征向量;知识图谱基于多源异构实体库构建;将至少一个候选实体的第二向量矩阵输入到分类器,由分类器输出各候选实体与待处理文本关联的置信度;基于各候选实体分别对应的置信度,确定待处理文本的链接实体,实现了由模型实现来确定复杂文本场景的链接实体。提高了确定待处理文本匹配的链接实体的效率。此外,还扩展了用于确定实体链接的模型的应用场景。
在图2和图4所示实施例提供的实体链接方法的一些实施例中,实体链接方法还包括基于如下步骤构建多源异构知识图谱:
首先,基于多源异构知识关联方法建立不同实体库的实体之间的关联映射关系。
例如使用多个实体库中实体对齐方法,找到多个实体库中的相同实体。例如在不同实体库中分别根据实体-关系-实体三元组以及实体属性提取实体特征。将每一个实体库中的各实体特征进行向量化。可以以一个实体库为基准实体库。对于该实体中的每一个实体,分别计算该实体的向量与其他实体库中各个向量之间的距离。根据上述距离确定该实体与其他实体中各实体的关联度。根据上述关联度在其他各个实体库中确定与该实体关联的实体。例如在其他实体库中与该实体相同的实体。
其次,根据各实体库内部的语义关联,对关联映射关系进行扩展,得到结构化多源异构知识图谱。
对于每一个实体库中的每一个实体,该实体库中该实体对应的语义关联网络。可以将该实体库中的该实体的语义关联网络补充到上述关联映射关系中。例如,从通用实体库中捕捉实体之间的语义关联。在缩写词库中捕捉实体词与缩写词之间的语义关联;在领域实体库中,捕捉术语词条与实体之间、专业术语词条与缩写词之间的语义关联。
这样一来,可以将对关联映射关系中的各实体词分别对应的语义关联扩展至上述关联映射关系中,从而构建结构化知识图谱。
在这些实施例中,通过建立多源异构结构化知识图谱,体现了多源异构实体库中的实体与实体之间的结构化语义关系。可以为复杂文本场景进行实体词、缩写词、网络用语与专业术语词混用场景中的混合消歧提供支撑。从而可以为将使用其的实体链接方法应用在不同文本场景提供了帮助。此外,该多源异构结构化知识图谱有助于提高对包括复杂场景的待处理文本所确定的链接实体的准确率。
在图2和图4所示实施例提供的实体链接方法的一些实施例中,实体链接方法还包括基于如下步骤构建实体-词关联知识图谱:
首先,从不同实体库中的多个实体各自对应的实体义项描述中进行概念词抽取,得到多个概念词,概念词包括实体词、名词和专业术语词。
其次,从多个概念词中确定出多个概念词对。
再次,确定各概念词对在各实体义项描述中的共现次数。
接着,根据共现次数确定用于构建实体-词关联知识图谱的多个目标概念词对。
然后,对于每个实体词,基于多个目标概念词对确定与该实体词关联的多个其他概念词,将多个其他概念词作为该实体词的关联词。
最后,将实体词与每一个关联词建立关联,得到实体-词关联知识图谱。
在这些实施例中,对于多个实体库中的每一个实体库,对该实体库中实体的实体义项描述进行概念词抽取,抽取出多个概念词。这里的概念词包括实体词、名词和专业术语词。这里的名词和专业术语词均可以包括缩写词。这样一来,可以得到从不同实体库中抽取出的多个概念词。
然后,再从多个概念词中确定概念词对。每一个概念词对包括两个概念词。例如,对于任意一个概念词,将该概念词与其他多个概念词中的每一个概念词分别组成一个概念词对。
在确定各概念词对的出现次数时,具体地,对于每一个概念词对,可以在不同实体义项描述中查找该概念词对。若仅在一个实体义项描述中查找到该概念词对,则该概念词对出现次数为1。若该实体义项描述中多次出现该概念词对,也可以视为该概念词的出现次数为1。若存在3个实体义项描述中查找到该概念词对,则该概念词对的出现次数为3。
作为示意性说明,实体“TPU”的实体义项描述如下:“TPU是为机器学习定制的专用芯片,专为深度学习框架TensorFlow而设计”。从上述实体义项描述中提取概念词:“TPU、TensorFlow、机器学习、芯片、深度学习”。其中“TPU(缩写词)”、“TensorFlow”、“机器学习”是实体词。“芯片”、“深度学习框架”是专业术语名词。可以将上述任意两个概念词组对,组成多个概念词对。在该实体义项描述中,每一个概念词对的共现次数均为1次。这里的“TPU”是“Tensor Processing Unit”的缩写词。
可以预先设置共现次数阈值,将共现次数大于共现次数阈值的概念词对确定为用于构建实体-词关联知识图谱的目标概念词对。这样一来,可以得到多个目标概念词对。
上述共现次数阈值可以根据具体的应用场景进行设置,此处不进行限制。
在得到多个目标概念词对后,从多个目标概念词对中挖掘概念词之间的关联关系,进而找到实体词的关联词。
示意性地,实体词a与名词b组成的概念词对为目标概念词对,名词b与专业术语p组成的概念词对为目标概念词对。可以将名词b与专业术语词c确定为实体词a的关联词。
在将实体词与该实体词的关联词进行关联,从而建立实体-词关联知识图谱时,可以将实体词为中心,将实体词与各关联词进行连线,从而建立实体-词关联知识图谱。请参考图3B所示的实体-词关联知识图谱。
在这些实施例中,建立多源异构实体-词关联知识图谱,从而构建了多源异构的实体与关联词之间的知识库。在后续进行实体链接时,可以在该实体-词关联知识图谱中搜索候选实体关联的关联信息。从而实现了为待处理文本确定链接实体提供知识库。由于上述实体-词关联知识图谱是从多源异构实体库中提取的多个概念词构建的。从而可以该实体-词关联知识图谱可以应用在不同领域中实体链接中,为将该实体链接方法应用于不同应用场景提供了支持。此外,该实体-词关联知识图谱有助于对包括复杂构成的待处理文本确定链接实体。
在另外一些应用场景中,上述知识图谱可以包括从多个异构实体库中进行实体/词挖掘得到的实体-词关联知识图谱。这里的实体-词关联知识图谱,是基于如下步骤建立的:从多个异构实体库中的实体义项描述中提取概念词,确定多个概念词对,根据多个概念词对确定不同概念词之间的关联关系,进而建立概念词中实体词与其他概念词之间的实体-词关联知识图谱。在这些应用场景中,能够提供短文本中实体提及上下文词语与候选实体之间的关联关系,辅助解决短文本下的实体链接问题。
请参考图5,其示出了本公开提供的实现实体链接方法的模型结构示意图。如图5所示,该模型包括向量化模型51、交叉注意力层52、关联特征提取模块53、融合层54以及分类器55。
在一些实施例中,上述向量化模型51可以包括预处理模块511和向量化模块512。预处理模块511可以根据输入的待处理文本来确定待处理文本对应目标语言。然后将目标语言的信息和待处理文本发送给向量化模块512。上述向量化模块512可以根据上述语言信息来调取与该语言信息匹配的向量化网络,来对待处理文本以及候选实体的义项描述进行向量化。
在一些应用场景中,上述候选实体的义项描述中包括非目标语言的字/词,可以先将上述非目标语言的字/词翻译成目标语言对应的字/词。然后再使用与目标语言匹配的向量化网络,对由目标语言表达的候选实体的义项描述进行向量化。
在另外一些实施例中,上述向量化模型51中包括多语言向量化模型513。该多语言向量化模型可以预先由多种语言的训练样本训练得到。每一种语言的训练样本可以包括多个该语言的训练文本以及训练文本对应的向量。
向量化模型可以将输入的待处理文本以及候选实体的实体义项描述进行向量化处理,输出文本向量矩阵和候选实体向量矩阵。上述文本向量矩阵和候选实体向量矩阵可以被传输到交叉注意力层52。这里的交叉注意力层可以是一层隐形层。可以对输入的两个向量矩阵进行交叉表征。交叉注意力层输出对文本向量矩阵和候选实体向量矩阵进行交叉表征后的第一向量。
同时,对于候选实体,可以由关联特征提取模块53在预先得到的知识图谱中查找与该候选实体相关的关联信息。这里的知识图谱包括多源异构结构化知识图谱和/或多源异构实体-词关联知识图谱。根据关联信息与待处理文本之间的关联关系,确定关联特征向量。上述第一向量与关联特征向量均被输入到融合层54。融合层54可对上述第一向量和关联特征向量进行融合。得到第二特征向量。第二特征向量被输入到分类器。由分类器对第二特征向量进行分析处理,得到候选实体为待处理文本的链接实体的置信度。可以根据多个候选实体各自对应的置信度来确定待处理文本的链接实体。
对应于上文实施例的实体链接方法,图6为本公开实施例提供的实体链接设备的结构框图。为了便于说明,仅示出了与本公开实施例相关的部分。参照图6,设备60包括:第一向量化单元601、第一融合单元602、第二向量化单元603、第二融合单元604和确定单元605。其中,
第一向量化单元601,用于使用与待处理文本的目标语言匹配的向量化方法,对待处理文本与候选实体的实体义项描述分别进行向量化,得到文本向量矩阵和候选实体向量矩阵;
第一融合单元602,用于对文本向量矩阵与侯选实体向量矩阵进行融合,得到第一向量矩阵;
第二向量化单元603,用于从预先建立的知识图谱中确定与侯选实体关联的关联信息,根据关联信息与待处理文本之间的关联关系,确定关联特征向量;知识图谱基于多源异构实体库构建;
第二融合单元604,用于对第一向量矩阵与关联特征向量进行融合,得到候选实体对应的第二向量矩阵;
确定单元605,用于基于至少一个候选实体对应的第二向量矩阵,确定与待处理文本对应的链接实体。
在一些实施例中,第一向量化单元601进一步用于:根据待处理文本包括的文字确定待处理文本对应的目标语言;使用与目标语言匹配的向量化方法,对待处理文本与候选实体的义项描述分别进行向量化。
在一些实施例中,第一向量化单元601进一步用于:将待处理文本以及实体义项描述输入到预先训练的向量化模型,由向量化模型使用与待处理文本的目标语言匹配的向量化方法,对待处理文本与实体义项描述分别进行向量化。
在一些实施例中,语言模型包括预处理模块和向量化模块;其中,
预处理模块用于确定输入的待处理文本对应的目标语言;
向量化模块用于调用与目标语言匹配的向量化网络,由向量化网络对待处理文本与候选实体的实体义项描述进行向量化。
在一些实施例中,预处理模块还用于将候选实体的实体义项描述翻译至目标语言。
在一些实施例中,第一融合单元602进一步用于:基于交叉注意力机制对文本向量矩阵与候选实体向量矩阵进行融合,得到第一向量矩阵。
在一些实施例中,确定单元605进一步用于:将至少一个第二向量矩阵输入到分类器,由分类器输出各候选实体与待处理文本关联的置信度;基于各候选实体分别对应的置信度,确定链接实体。
在一些实施例中,确定单元605进一步用于:将置信度最大的候选实体确定为链接实体;或者,将置信度大于预设置信度阈值的候选实体确定为链接实体。
在一些实施例中,设备中还包括知识图谱构建单元(图中未示出),知识图谱构建单元用于基于如下步骤构建结构化多源异构知识图谱:
基于多源异构知识关联方法建立不同实体库的实体词条之间的关联映射关系;
根据各实体库内部的语义关联,对关联映射关系进行扩展,得到结构化多源异构知识图谱。
在一些实施例中,知识图谱构建单元进一步用于基于如下步骤构建多源异构实体-词关联知识图谱:
从不同实体库中的多个实体各自对应的实体义项描述中进行概念词抽取,得到多个概念词,概念词包括实体词、名词和专业术语词;
对于任意一个概念词,将该概念词与其他多个概念词组成概念词对;
确定各概念词对在各实体义项描述中的共现次数;
根据共现次数确定用于构建实体-词关联知识图谱的多个目标概念词对;
对于每个实体词,基于多个目标概念词对确定与该实体词关联的多个其他概念词,将多个其他概念词作为该实体词的关联词;
将实体词与每一个关联词建立关联,得到多源异构多源实体-词关联知识图谱。
为了实现上述实施例,本公开实施例还提供了一种电子设备。
参考图7,其示出了适于用来实现本公开实施例的电子设备700的结构示意图,该电子设备700可以为终端设备或服务器。其中,终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal Digital Assistant,简称PDA)、平板电脑(Portable Android Device,简称PAD)、便携式多媒体播放器(Portable MediaPlayer,简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(Read Only Memory,简称ROM)702中的程序或者从存储装置708加载到随机访问存储器(Random Access Memory,简称RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM702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。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(Liquid CrystalDisplay,简称LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM702被安装。在该计算机程序(计算机执行指令)被处理装置701执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序(计算机执行指令),当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述实施例所示的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network,简称LAN)或广域网(Wide Area Network,简称WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一融合单元还可以被描述为“对文本向量矩阵与侯选实体向量矩阵进行融合,得到第一向量矩阵的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (14)
1.一种实体链接方法,包括:
使用与待处理文本的目标语言匹配的向量化方法,对所述待处理文本与候选实体的实体义项描述分别进行向量化,得到文本向量矩阵和候选实体向量矩阵;
对所述文本向量矩阵与所述侯选实体向量矩阵进行融合,得到第一向量矩阵;
从预先建立的知识图谱中确定与所述侯选实体关联的关联信息,根据所述关联信息与所待处理文本之间的关联关系,确定关联特征向量;所述知识图谱基于多源异构实体库构建;
对所述第一向量矩阵与关联特征向量进行融合,得到所述候选实体对应的第二向量矩阵;
基于至少一个候选实体对应的第二向量矩阵,确定与待处理文本对应的链接实体。
2.根据权利要求1所述的方法,其特征在于,所述使用与待处理文本的目标语言匹配的向量化方法,对所述待处理文本与候选实体的实体义项描述分别进行向量化,包括:
根据待处理文本包括的文字确定所述待处理文本对应的目标语言;
使用与所述目标语言匹配的向量化方法,对待处理文本与候选实体的义项描述分别进行向量化。
3.根据权利要求1所述的方法,其特征在于,所述使用与待处理文本的目标语言匹配的向量化方法,对所述待处理文本与候选实体的实体义项描述分别进行向量化,包括:
将所述待处理文本以及所述实体义项描述输入到预先训练的向量化模型,由所述向量化模型使用与待处理文本的目标语言匹配的向量化方法,对所述待处理文本与所述实体义项描述分别进行向量化。
4.根据权利要求3所述的方法,其特征在于,所述语言模型包括预处理模块和向量化模块;其中,
所述预处理模块用于确定输入的待处理文本对应的目标语言;
所述向量化模块用于调用与目标语言匹配的向量化网络,由所述向量化网络对待处理文本与候选实体的实体义项描述进行向量化。
5.根据权利要求4所述的方法,其特征在于,所述预处理模块还用于将候选实体的实体义项描述翻译至目标语言。
6.根据权利要求1所述的方法,其特征在于,所述对所述文本向量矩阵与所述侯选实体向量矩阵进行融合,得到第一向量矩阵,包括:
基于交叉注意力机制对所述文本向量矩阵与所述候选实体向量矩阵进行融合,得到所述第一向量矩阵。
7.根据权利要求1所述的方法,其特征在于,所述基于至少一个候选实体对应的第二向量矩阵,确定与待处理文本对应的链接实体:
将至少一个所述第二向量矩阵输入到分类器,由所述分类器输出各候选实体与待处理文本关联的置信度;
基于各候选实体分别对应的所述置信度,确定所述链接实体。
8.根据权利要求7所述的方法,其特征在于,所述基于各候选实体对应的所述置信度,确定所述链接实体根据所述分类器输出的各置信度,包括:
将置信度最大的候选实体确定为所述链接实体;或者
将置信度大于预设置信度阈值的候选实体确定为所述链接实体。
9.根据权利要求1-8中任一项所述的方法,其特征在于,所述方法还包括基于如下步骤构建结构化多源异构知识图谱:
基于多源异构知识关联方法建立不同实体库的实体词条之间的关联映射关系;
根据各实体库内部的语义关联,对所述关联映射关系进行扩展,得到结构化多源异构知识图谱。
10.根据权利要求1-8中任一项所述的方法,其特征在于,所述方法还包括基于如下步骤构建多源异构实体-词关联知识图谱:
从不同实体库中的多个实体各自对应的实体义项描述中进行概念词抽取,得到多个概念词,所述概念词包括实体词、名词和专业术语词;
对于任意一个概念词,将该概念词与其他多个概念词组成概念词对;
确定各概念词对在各实体义项描述中的共现次数;
根据共现次数确定用于构建实体-词关联知识图谱的多个目标概念词对;
对于每个实体词,基于多个目标概念词对确定与该实体词关联的多个其他概念词,将所述多个其他概念词作为该实体词的关联词;
将所述实体词与每一个所述关联词建立关联,得到多源异构多源实体-词关联知识图谱。
11.一种实体链接设备,包括:
第一向量化单元,用于使用与待处理文本的目标语言匹配的向量化方法,对所述待处理文本与候选实体的实体义项描述分别进行向量化,得到文本向量矩阵和候选实体向量矩阵;
第一融合单元,用于对所述文本向量矩阵与所述侯选实体向量矩阵进行融合,得到第一向量矩阵;
第二向量化单元,用于从预先建立的知识图谱中确定与所述侯选实体关联的关联信息,根据所述关联信息与所述待处理文本之间的关联关系,确定关联特征向量;所述知识图谱基于多源异构实体库构建;
第二融合单元,用于对所述第一向量矩阵与关联特征向量进行融合,得到所述候选实体对应的第二向量矩阵;
确定单元,用于基于至少一个候选实体对应的第二向量矩阵,确定与待处理文本对应的链接实体。
12.一种电子设备,其特征在于,包括:处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如权利要求1至10中任一项所述的实体链接方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至10中任一项所述的实体链接方法。
14.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至10中任一项所述的实体链接方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211659699.3A CN115858732A (zh) | 2022-12-22 | 2022-12-22 | 实体链接方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211659699.3A CN115858732A (zh) | 2022-12-22 | 2022-12-22 | 实体链接方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115858732A true CN115858732A (zh) | 2023-03-28 |
Family
ID=85654045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211659699.3A Pending CN115858732A (zh) | 2022-12-22 | 2022-12-22 | 实体链接方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115858732A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116702784A (zh) * | 2023-08-03 | 2023-09-05 | 腾讯科技(深圳)有限公司 | 实体链接方法、装置、计算机设备和存储介质 |
-
2022
- 2022-12-22 CN CN202211659699.3A patent/CN115858732A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116702784A (zh) * | 2023-08-03 | 2023-09-05 | 腾讯科技(深圳)有限公司 | 实体链接方法、装置、计算机设备和存储介质 |
CN116702784B (zh) * | 2023-08-03 | 2023-11-28 | 腾讯科技(深圳)有限公司 | 实体链接方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7112536B2 (ja) | テキストにおける実体注目点のマイニング方法および装置、電子機器、コンピュータ読取可能な記憶媒体並びにコンピュータプログラム | |
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 | |
CN112633947B (zh) | 文本生成模型生成方法、文本生成方法、装置及设备 | |
CN111625645B (zh) | 文本生成模型的训练方法、装置和电子设备 | |
WO2022247562A1 (zh) | 多模态数据检索方法、装置、介质及电子设备 | |
CN113407814B (zh) | 文本搜索方法、装置、可读介质及电子设备 | |
JP2023022845A (ja) | ビデオ処理方法、ビデオサーチ方法及びモデルトレーニング方法、装置、電子機器、記憶媒体及びコンピュータプログラム | |
US20240185602A1 (en) | Cross-Modal Processing For Vision And Language | |
WO2023280106A1 (zh) | 信息获取方法、装置、设备及介质 | |
CN114861889A (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
WO2024099342A1 (zh) | 翻译方法、装置、可读介质及电子设备 | |
CN115858732A (zh) | 实体链接方法及设备 | |
CN114995691B (zh) | 一种文档处理方法、装置、设备和介质 | |
KR20210125449A (ko) | 업계 텍스트를 증분하는 방법, 관련 장치 및 매체에 저장된 컴퓨터 프로그램 | |
CN111555960A (zh) | 信息生成的方法 | |
CN113807056B (zh) | 一种文档名称序号纠错方法、装置和设备 | |
CN111737571B (zh) | 搜索方法、装置和电子设备 | |
CN110502630B (zh) | 信息处理方法及设备 | |
CN114490946A (zh) | 基于Xlnet模型的类案检索方法、系统及设备 | |
CN111459959B (zh) | 用于更新事件集合的方法和装置 | |
CN113761280A (zh) | 媒体数据处理方法、装置、电子设备及计算机存储介质 | |
CN114385781B (zh) | 基于语句模型的接口文件推荐方法、装置、设备和介质 | |
CN117389544B (zh) | 一种人工智能的数据建模方法、装置、介质和设备 | |
CN116911714B (zh) | 物品运输方法、装置、电子设备和计算机可读介质 | |
CN114385903B (zh) | 应用账号的识别方法、装置、电子设备及可读存储介质 |
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 |