CN116028593A - 文本中的人物身份信息识别方法及装置、电子设备和介质 - Google Patents
文本中的人物身份信息识别方法及装置、电子设备和介质 Download PDFInfo
- Publication number
- CN116028593A CN116028593A CN202211609570.1A CN202211609570A CN116028593A CN 116028593 A CN116028593 A CN 116028593A CN 202211609570 A CN202211609570 A CN 202211609570A CN 116028593 A CN116028593 A CN 116028593A
- Authority
- CN
- China
- Prior art keywords
- text
- entity
- tag
- list
- identified
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004590 computer program Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 9
- 238000013135 deep learning Methods 0.000 abstract description 4
- 230000010365 information processing Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种文本中的人物身份信息识别方法、装置、电子设备、计算机可读存储介质和计算机程序产品,涉及计算机领域,尤其涉及文本信息处理、视频处理和深度学习等技术领域。实现方案为:获取待识别文本;确定待识别文本中的至少一个实体分别对应的实体标签以及待识别文本中除实体外的其他文字所对应的词性标签,以确定与待识别文本相对应的标签列表;将标签列表与预设模板库中的列表模板进行匹配,以获得与标签列表的至少一部分相匹配的至少一个列表模板;确定待识别文本中与至少一个模板列表分别对应的文本串;以及基于文本串确定人物身份信息。
Description
技术领域
本公开涉及计算机领域,尤其涉及文本识别、自然语言处理、视频处理和深度学习等技术领域,具体涉及一种文本中的人物身份信息识别方法、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
文本数据中蕴含着丰富的信息,是互联网传播信息的重要媒介。而人物往往是文本数据信息中的关键点。通过对文本数据中的人物身份进行识别,能够有助于更好地理解文本数据包括的信息内容。目前的人物身份识别中,主要使用基于深度学习的限定域信息抽取方法来从文本数据中抽取人物身份信息,然而,此种方式需要对大量的文本数据进行标注并训练深度学习模型,耗费资源且效率不高。
发明内容
本公开提供了一种文本中的人物身份信息识别方法、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,提供了一种文本中的人物身份信息识别方法,包括:获取待识别文本;确定所述待识别文本中的至少一个实体分别对应的实体标签以及所述待识别文本中除所述实体外的其他文字所对应的词性标签,以确定与所述待识别文本相对应的标签列表;将所述标签列表与预设模板库中的列表模板进行匹配,以获得与所述述标签列表的至少一部分相匹配的至少一个列表模板,其中所述预设模板库为对包括人物身份信息的文本进行词法分析所确定的标签列表;确定所述待识别文本中与所述至少一个模板列表分别对应的文本串;以及基于所述文本串确定所述人物身份信息。
根据本公开的另一方面,提供了文本中的人物身份信息识别装置,包括:文本获取单元,配置为获取待识别文本;标签确定单元,配置为确定所述待识别文本中的至少一个实体分别对应的实体标签以及所述待识别文本中除所述实体外的其他文字所对应的词性标签,以确定与所述待识别文本相对应的标签列表;列表匹配单元,配置为将所述标签列表与预设模板库中的列表模板进行匹配,以获得与所述标签列表的至少一部分相匹配的至少一个列表模板,其中所述预设模板库为对包括人物身份信息的文本进行词法分析所确定的标签列表;文本串确定单元,配置为确定所述待识别文本中与所述至少一个模板列表分别对应的文本串;以及身份确定单元,配置为基于所述文本串确定所述人物身份信息。
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;以及与至少一个处理器通信连接的存储器;存储器存储有可被至少一个处理器执行的指令,该指令被至少一个处理器执行,以使至少一个处理器能够执行文本中的人物身份信息识别方法。
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,该计算机指令用于使计算机执行上述文本中的人物身份信息识别方法。
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,该计算机程序在被处理器执行时实现上述文本中的人物身份信息识别方法。
根据本公开的一个或多个实施例,通过确定待识别文本中的词语的词性标签和实体标签,并生成相应的标签列表与预设模板库进行匹配,从而能够匹配得到待识别文本中包括的人物身份信息,无需使用大量的标注数据训练特定模型,实现方式简单且运算速度快,普适性较强。
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示出了根据本公开的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示出了根据本公开的实施例的文本中的人物身份信息识别方法的流程图;
图3示出了根据本公开的实施例的获取预设模板库操作的流程图;
图4示出了根据本公开的实施例的文本中的人物身份信息识别装置的结构框图;以及
图5示出了能够用于实现本公开的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。
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文本中的人物身份信息识别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还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。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。
客户端设备101、102、103、104、105和/或106可以用来获取本公开的方法中要处理的数据。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、区块链网络、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文本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。
文本数据的内容通常包括人物,例如,可以包括对人物本身的描述,或对人物进行的事件的描述等等。而人物身份信息是人物的重要属性,通过识别文本数据中包括的人物的身份,能够有助于更好地理解文本数据中的整体内容。目前的人物身份识别中,主要使用基于深度学习的限定域信息抽取方法来从文本数据中抽取人物身份信息,例如,基于参数共享的联合抽取方法或基于共同解码的联合抽取方法。然而,此种方式需要对大量的文本数据进行标注并训练深度学习模型,耗费资源且效率不高。
为此,图2示出了根据本公开的实施例的文本中的人物身份信息识别方法的示例性流程图。可以利用图1中示出的客户端或服务器实现图2中的方法200。
如图2所示,根据本公开的实施例提供了一种文本中的人物身份信息识别方法200,包括:获取待识别文本(步骤210);确定待识别文本中的至少一个实体分别对应的实体标签以及待识别文本中除实体外的其他文字所对应的词性标签,以确定与待识别文本相对应的标签列表(步骤220);将标签列表与预设模板库中的列表模板进行匹配,以获得与标签列表的至少一部分相匹配的至少一个列表模板,其中预设模板库为对包括人物身份信息的文本进行词法分析所确定的标签列表(步骤230);确定待识别文本中与至少一个模板列表分别对应的文本串(步骤240);基于文本串确定人物身份信息(步骤250)。
根据本公开实施例的文本中的人物身份信息识别方法,通过确定待识别文本中的词语的词性标签和实体标签,并生成相应的标签列表与预设模板库进行匹配,从而能够根据匹配得到的文本串确定待识别文本中包括的人物身份信息,无需进行数据标注和模型训练,实现方式简单且运算速度快,提高了进行人物身份识别的效率。进一步地,由于不使用复杂的模型,本公开实施例的方法能够实现对bad case进行溯源,可解释性较强。
在步骤210,获取待识别文本。
在一些实施例中,可以从视频数据中获取待识别文本数据。示例地,可以使用视频OCR(Optical Character Recognition,光学字符识别)算法从视频数据中提取待识别文本数据。但应当理解,也可以使用自动语音识别技术(Automatic Speech Recognition,ASR)从音频数据中提取待识别文本数据,或,直接从数据库130中获取待识别文本数据等等,在此不作限制。
在步骤220,确定待识别文本中的所有实体分别对应的实体标签以及待识别文本中除实体外的其他文字所对应的词性标签,以确定与待识别文本相对应的标签列表。
根据一些实施例,确定所述待识别文本中的至少一个实体分别对应的实体标签以及所述待识别文本中除所述实体外的其他文字所对应的词性标签包括:对所述待识别文本进行词法分析,以确定所述待识别文本中所包含的实体以及所述待识别文本中除所述实体外的其他文字所对应的词性,以确定所述待识别文本中的至少一个实体分别对应的实体标签以及所述待识别文本中除所述实体外的其他文字所对应的词性标签。
在一些实施例中,可以使用词法分析工具对待识别文本进行分词。在一些示例中,词性可以包括名词、动词、副词、形容词等,实体类别可以包括国家、职业、职级等。例如,待识别文本为“中国的学生”,通过词法分析可以得到:“中国”为名词和实体,“的”为助词,“学生”为名词和实体。
在一些示例中,上述待识别文本“中国的学生”中,“中国”对应的实体标签为“2200”(中国国家实体),“的”对应的词性标签为“U”(助词),“学生”对应的实体标签为“2300”(学生职业实体)。本申请不对实体标签的具体类型和表现形式作出限定。
可以理解的是,上述“中国”和“学生”既是实体也具有名词词性,但为了提高人物身份识别的准确性,将其作为实体而非名词确定对应的标签,并在标签列表中使用实体标签进行表示。
根据一些实施例,可以确定待识别文本中的至少一个实体存在粗粒度的实体标签,以将至少一个实体的实体标签确定为粗粒度的实体标签。
在示例中,实体标签“2200”表示“中国”。该实体标签可以被拆分为“22”和“00”。“22”用于表示相应的实体的类别为国家,“00”为“22”的子类,用于表示相应的实体的国家类别为中国。由此,可以将“2200”转换为“22”,以将其从表示具体国家的细粒度的实体标签转换为表示国家类别的粗粒度的实体标签,从而能够更多地从待识别文本中识别到表征国家的人物身份信息,以提高人物身份识别的准确性。
在步骤230,将标签列表与预设模板库中的列表模板进行匹配,以获得与标签列表的至少一部分相匹配的至少一个列表模板,其中预设模板库为对包括人物身份信息的文本进行词法分析所确定的标签列表。
在一些实施例中,使用多模匹配算法进行标签列表和列表模板的匹配,多模匹配算法包括但不限于AC自动机。
根据一些实施例,如图3所示,通过以下操作获取预设模板库:获取包括人物身份信息的多个文本(步骤310);分别对多个文本进行词法分析,以确定各个文本中所包含的实体以及各个文本中除所述实体外的其他文字所对应的词性(步骤320);对于多个文本中的每个文本,确定该文本中的至少一个实体所对应的实体标签以及该文本中除实体外的其他文字所对应的词性标签,以确定与该文本相对应的标签列表(步骤330);以及根据多个文本相对应的标签列表,确定预设模板库中的列表模板,从而生成预设模板库(步骤340)。
可以理解的是,生成预设模板库中的列表模板的过程与方法200中生成标签列表的过程相同,对此不再进行赘述。
在一些实施例中,可以将根据方法200生成的标签列表作为新的列表模板加入预设模板库中,以扩充预设模板库的规模,从而提升根据预设模板库进行匹配的准确性。
在一些示例中,该包括人物身份信息的多个文本可以通过网络爬取实现。例如可以爬取网页中的相关词条内容,例如百度百科、维基百科等中的人物身份介绍内容,以作为该包括人物身份信息的多个文本。
根据一些实施例,在步骤330,对于多个文本中的每个文本,响应于确定该文本中的至少一个实体存在粗粒度的实体标签,将至少一个实体的实体标签确定为粗粒度的实体标签。可以理解的是,此处将实体标签确定为粗粒度的实体标签的过程与方法200中的过程相同,对此不再赘述。
在一些示例中,在将标签列表与预设模板库中的列表模板进行匹配时,可以设置为响应于确定该标签列表中的相应实体为列表模板中相对应实体的较细粒度分类、并且该标签列表中的其他内容与该列表模板的其他内容一致,则可以确定为该标签列表与该列表模板相匹配。示例地,当该标签列表中包括“2200”实体标签,而相应的列表模板的相应位置为“22”标签,则可以认定为该实体标签与该列表模板的相应位置标签相匹配。
在一些示例中,在将标签列表与预设模板库中的列表模板进行匹配时,可以设置为响应于确定该标签列表中的相应实体为列表模板中相对应实体的较粗粒度分类、并且该标签列表中的其他内容与该列表模板的其他内容一致,则可以确定为该标签列表与该列表模板相匹配。示例地,当该标签列表中包括“22”实体标签,而相应的列表模板的相应位置为“2200”标签,则可以认定为该实体标签与该列表模板的相应位置标签相匹配。
可以理解的是,在将标签列表与预设模板库中的列表模板进行匹配时,当确定该标签列表中的相应实体为列表模板中相对应实体标签一致时,则可以直接确定为该标签列表与该列表模板相匹配。
根据一些实施例,在步骤340,可以在多个文本相对应的标签列表中统计同一标签列表的数量,以确定数量最多的预定数量的标签列表作为列表模板。通过统计相同标签列表的出现频次并排序,可以对标签列表进行过滤,以筛选出更具代表性的标签列表作为确定预设模板库中的列表模板的基础,使得生成的预设模板库能够更好地与待识别文本的标签列表进行匹配。
根据一些实施例,预设模板库中的列表模板基于预设的身份标志词集合确定,可以基于预设的身份标志词集合确定待识别文本所包含的实体,其中,预设的身份标志词集合基于对多个文本中的每个词的词频确定,并且,通过预设的身份标志词集合所确定的实体对应于相同的实体标签。
在一些实施例中,用于生成预设模板库的多个文本中的每个文本都包括至少一个表征身份的词,因此,对多个文本分别进行分词后得到的子词中,出现频率较高的词大概率也为表征身份的子词。可以对分词后得到的子词进行词频统计,以从高频子词中确定身份标志词,从而能够更高效地确定身份标志词。
在一些实施例中,身份标志词可以是例如“处长”、“CEO”等细粒度的表征身份的语义单元。可以将身份标志词集合作为一个实体类别。在词法分析工具无法确定分词得到的子词对应的具体实体类别时,将身份标志词集合这一实体类别的实体标签作为该子词的实体标签,以表示该子词为一个表征身份的细粒度的语义单元,从而使得基于身份标志词集合对应的实体标签生成的该子词的标签列表也可以与列表模板进行匹配,以实现后续的人物身份识别。
在步骤240,确定待识别文本中与至少一个模板列表分别对应的文本串。
在步骤250,基于所述文本串确定人物身份信息。
根据一些实施例,与待识别文本的标签列表的至少一部分相匹配的列表模板为多个,并且,可以基于待识别文本确定相连接的或存在重合部分的确定的文本串;将相连接的或存在重合部分的确定的文本串合并为一个文本串,以基于合并后的文本串确定所述人物身份信息。
在一些实施例中,由于列表模板不具有泛化功能,待识别文本中一些较长的身份相关内容直接生成的标签列表可能无法与单一列表模板进行匹配。为此,可以将匹配到的多个列表模板对应的相连接的或存在重合部分的确定的文本串进行合并,以更好地表征上述较长的身份相关内容,从而能够在确定人物身份信息时提升召回率,以提高人物身份识别的准确性。
在一些实施例中,可以为文本串合并设置过滤条件,例如,限制进行合并的文本串的数量等。
根据一些实施例,可以识别所述待识别文本中的人物名,将人物姓名与确定的人物身份信息相关联。
在一些实施例中,词法分析工具还可以从待识别文本中确定出人物姓名。在一些示例中,可以将人物姓名与确定的人物身份信息进行关联,并以<人名,身份>形式的二元组进行表示,例如,<张三,学生>。
根据一些实施例,将人物名与确定的人物身份信息相关联包括以下项中的至少一项:确定待识别文本中的距离人物名最近的人物身份信息相关联;确定待识别文本中的与人物名的相对位置存在预设顺序的人物身份信息相关联。
在一些实施例中,待识别文本中人物名通常与人物身份信息直接相连,为了提高识别准确率,可以基于就近原则将人物名与最近的人物身份信息进行关联。
在一些实施例中,待识别文本中人物名和人物身份信息之间可能间隔有其他人物名、其他人物的身份信息、字符或标点符号等等,或者,待识别文本中的人物名和人物身份信息的相对位置有固定顺序(例如,对于视频中的文本,遵循人物名在左、人物身份信息在右或相反的规则)。基于此,可以根据相对位置和预设顺序对人物名和人物身份信息进行关联,从而更准确地进行人物身份识别。
根据本公开的实施例,还提供了一种文本中的人物身份信息识别装置400,如图4所示,包括:文本获取单元410,配置为获取待识别文本;标签确定单元420,配置为确定待识别文本中的至少一个实体分别对应的实体标签以及待识别文本中除实体外的其他文字所对应的词性标签,以确定与待识别文本相对应的标签列表;列表匹配单元430,配置为将标签列表与预设模板库中的列表模板进行匹配,以获得与标签列表的至少一部分相匹配的至少一个列表模板,其中预设模板库为对包括人物身份信息的文本进行词法分析所确定的标签列表;文本串确定单元440,配置为确定待识别文本中与至少一个模板列表分别对应的文本串;以及身份确定单元450,配置为基于文本串确定人物身份信息。
这里,文本中的人物身份信息识别装置400的上述各单元410~450的操作分别与前面描述的步骤210~250的操作类似,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的收集、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。
根据本公开的示例性实施例,还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文本中的人物身份信息识别方法。
根据本公开的示例性实施例,还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,该计算机指令用于使计算机执行上述文本中的人物身份信息识别方法。
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,该计算机程序在被处理器执行时实现上述文本中的人物身份信息识别方法。
参考图5,现将描述可以作为本公开的服务器或客户端的电子设备500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5所示,电子设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM503中,还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506、输出单元507、存储单元508以及通信单元509。输入单元506可以是能向电子设备500输入信息的任何类型的设备,输入单元506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507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508可以包括但不限于磁盘、光盘。通信单元509允许电子设备500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501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501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501执行上文所描述的各个方法和处理,例如方法555。例如,在一些实施例中,方法555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508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的方法555的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法555。
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)、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,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 (23)
1.一种文本中的人物身份信息识别方法,包括:
获取待识别文本;
确定所述待识别文本中的至少一个实体分别对应的实体标签以及所述待识别文本中除所述实体外的其他文字所对应的词性标签,以确定与所述待识别文本相对应的标签列表;
将所述标签列表与预设模板库中的列表模板进行匹配,以获得与所述标签列表的至少一部分相匹配的至少一个列表模板,其中所述预设模板库为对包括人物身份信息的文本进行词法分析所确定的标签列表;
确定所述待识别文本中与所述至少一个模板列表分别对应的文本串;以及
基于所述文本串确定所述人物身份信息。
2.如权利要求1所述的方法,其中,确定所述待识别文本中的至少一个实体分别对应的实体标签以及所述待识别文本中除所述实体外的其他文字所对应的词性标签包括:对所述待识别文本进行词法分析,以确定所述待识别文本中所包含的实体以及所述待识别文本中除所述实体外的其他文字所对应的词性,以确定所述待识别文本中的至少一个实体分别对应的实体标签以及所述待识别文本中除所述实体外的其他文字所对应的词性标签。
3.如权利要求1所述的方法,其中,所述相匹配的列表模板为多个,并且,基于所述文本串确定所述人物身份信息包括:
基于所述待识别文本确定相连接的或存在重合部分的所述确定的文本串;以及
将所述相连接的或存在重合部分的所述确定的文本串合并为一个文本串,以基于所述合并后的文本串确定所述人物身份信息。
4.如权利要求1所述的方法,还包括:
识别所述待识别文本中的人物名;以及
将所述人物名与所述确定的人物身份信息相关联。
5.如权利要求2所述的方法,其中,通过以下操作获取所述预设模板库:
获取包括人物身份信息的多个文本;
分别对所述多个文本进行词法分析,以确定各个文本中所包含的实体以及所述各个文本中除所述实体外的其他文字所对应的词性;
对于所述多个文本中的每个文本,确定该文本中的至少一个实体所对应的实体标签以及该文本中除所述实体外的其他文字所对应的词性标签,以确定与该文本相对应的标签列表;以及
根据所述多个文本相对应的标签列表,确定所述预设模板库中的列表模板,从而生成所述预设模板库。
6.如权利要求5所述的方法,其中,确定该文本中的至少一个实体所对应的实体标签以及该文本中除所述实体外的其他文字所对应的词性标签包括:响应于确定该文本中的至少一个实体存在粗粒度的实体标签,将所述至少一个实体的实体标签确定为所述粗粒度的实体标签。
7.如权利要求5所述的方法,其中,确定所述预设模板库中的列表模板包括:在所述多个文本相对应的标签列表中统计同一标签列表的数量,以确定数量最多的预定数量的标签列表作为所述列表模板。
8.如权利要求1或6所述的方法,其中,确定该文本中的至少一个实体所对应的实体标签以及该文本中除所述实体外的其他文字所对应的词性标签包括:确定所述待识别文本中的至少一个实体存在粗粒度的实体标签,以将所述至少一个实体的实体标签确定为所述粗粒度的实体标签。
9.如权利要求5所述的方法,其中,所述预设模板库中的列表模板基于预设的身份标志词集合确定,并且其中,
确定所述待识别文本中所包含的实体以及所述待识别文本中除所述实体外的其他文字所对应的词性包括:基于预设的身份标志词集合确定所述待识别文本所包含的实体,其中,所述预设的身份标志词集合基于对所述多个文本中的每个词的词频确定,并且,通过所述预设的身份标志词集合所确定的实体对应于相同的实体标签。
10.如权利要求4所述的方法,其中,将所述人物名与所述确定的人物身份信息相关联包括以下项中的至少一项:
确定所述待识别文本中的距离所述人物名最近的人物身份信息相关联;
确定所述待识别文本中的与所述人物名的相对位置存在预设顺序的人物身份信息相关联。
11.一种文本中的人物身份信息识别装置,包括:
文本获取单元,配置为获取待识别文本;
标签确定单元,配置为确定所述待识别文本中的至少一个实体分别对应的实体标签以及所述待识别文本中除所述实体外的其他文字所对应的词性标签,以确定与所述待识别文本相对应的标签列表;
列表匹配单元,配置为将所述标签列表与预设模板库中的列表模板进行匹配,以获得与所述标签列表的至少一部分相匹配的至少一个列表模板,其中所述预设模板库为对包括人物身份信息的文本进行词法分析所确定的标签列表;
文本串确定单元,配置为确定所述待识别文本中与所述至少一个模板列表分别对应的文本串;以及
身份确定单元,配置为基于所述文本串确定所述人物身份信息。
12.如权利要求11所述的装置,其中,所述标签确定单元包括词法分析单元,配置为:对所述待识别文本进行词法分析,以确定所述待识别文本中所包含的实体以及所述待识别文本中除所述实体外的其他文字所对应的词性,以确定所述待识别文本中的至少一个实体分别对应的实体标签以及所述待识别文本中除所述实体外的其他文字所对应的词性标签。
13.如权利要求11所述的装置,其中,所述相匹配的列表模板为多个,并且,所述第三确定单元包括:
用于基于所述待识别文本确定相连接的或存在重合部分的所述确定的文本串的单元;以及
用于将所述相连接的或存在重合部分的所述确定的文本串合并为一个文本串,以基于所述合并后的文本串确定所述人物身份信息的单元。
14.如权利要求11所述的装置,还包括:
用于识别所述待识别文本中的人物名的单元;以及
用于将所述人物名与所述确定的人物身份信息相关联的单元。
15.如权利要求12所述的装置,还包括用于通过以下操作获取所述预设模板库的单元:
获取包括人物身份信息的多个文本;
分别对所述多个文本进行词法分析,以确定各个文本中所包含的实体以及所述各个文本中除所述实体外的其他文字所对应的词性;
对于所述多个文本中的每个文本,确定该文本中的至少一个实体所对应的实体标签以及该文本中除所述实体外的其他文字所对应的词性标签,以确定与该文本相对应的标签列表;以及
根据所述多个文本相对应的标签列表,确定所述预设模板库中的列表模板,从而生成所述预设模板库。
16.如权利要求15所述的装置,其中,所述标签确定子单元包括:用于对于所述多个文本中的每个文本,响应于确定该文本中的至少一个实体存在粗粒度的实体标签,将所述至少一个实体的实体标签确定为所述粗粒度的实体标签的单元。
17.如权利要求15所述的装置,其中,所述模板库生成子单元包括:用于在所述多个文本相对应的标签列表中统计同一标签列表的数量,以确定数量最多的预定数量的标签列表作为所述列表模板的单元。
18.如权利要求11或16所述的装置,其中,所述标签确定单元包括:用于确定所述待识别文本中的至少一个实体存在粗粒度的实体标签,以将所述至少一个实体的实体标签确定为所述粗粒度的实体标签的单元。
19.如权利要求15所述的装置,其中,所述预设模板库中的列表模板基于预设的身份标志词集合确定,并且其中,
所述词法分析单元包括:用于基于预设的身份标志词集合确定所述待识别文本所包含的实体的单元,其中,所述预设的身份标志词集合基于对所述多个文本中的每个词的词频确定,并且,通过所述预设的身份标志词集合所确定的实体对应于相同的实体标签。
20.如权利要求14所述的装置,其中,所述身份关联单元包括以下至少一个单元:
用于确定所述待识别文本中的距离所述人物名最近的人物身份信息相关联的单元;
用于确定所述待识别文本中的与所述人物名的相对位置存在预设顺序的人物身份信息相关联的单元。
21.一种电子设备,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1-10中任一项所述的方法。
22.一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1-10中任一项所述的方法。
23.一种计算机程序产品,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权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211609570.1A CN116028593A (zh) | 2022-12-14 | 2022-12-14 | 文本中的人物身份信息识别方法及装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211609570.1A CN116028593A (zh) | 2022-12-14 | 2022-12-14 | 文本中的人物身份信息识别方法及装置、电子设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116028593A true CN116028593A (zh) | 2023-04-28 |
Family
ID=86079101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211609570.1A Pending CN116028593A (zh) | 2022-12-14 | 2022-12-14 | 文本中的人物身份信息识别方法及装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116028593A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140258301A1 (en) * | 2013-03-08 | 2014-09-11 | Accenture Global Services Limited | Entity disambiguation in natural language text |
CN107967267A (zh) * | 2016-10-18 | 2018-04-27 | 中兴通讯股份有限公司 | 一种知识图谱构建方法、装置及系统 |
CN109325148A (zh) * | 2018-08-03 | 2019-02-12 | 百度在线网络技术(北京)有限公司 | 生成信息的方法和装置 |
CN110472006A (zh) * | 2019-06-28 | 2019-11-19 | 平安科技(深圳)有限公司 | 捐助对象搜索方法、装置、电子设备及存储介质 |
US20200302118A1 (en) * | 2017-07-18 | 2020-09-24 | Glabal Tone Communication Technology Co., Ltd. | Korean Named-Entity Recognition Method Based on Maximum Entropy Model and Neural Network Model |
CN113343667A (zh) * | 2021-03-09 | 2021-09-03 | 山西三友和智慧信息技术股份有限公司 | 一种基于多源信息的网络人物属性提取及关系分析方法 |
CN113505251A (zh) * | 2019-11-06 | 2021-10-15 | 北京旷视科技有限公司 | 人员身份属性的确定方法、装置和电子设备 |
CN114861677A (zh) * | 2022-05-30 | 2022-08-05 | 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 |
-
2022
- 2022-12-14 CN CN202211609570.1A patent/CN116028593A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140258301A1 (en) * | 2013-03-08 | 2014-09-11 | Accenture Global Services Limited | Entity disambiguation in natural language text |
CN107967267A (zh) * | 2016-10-18 | 2018-04-27 | 中兴通讯股份有限公司 | 一种知识图谱构建方法、装置及系统 |
US20200302118A1 (en) * | 2017-07-18 | 2020-09-24 | Glabal Tone Communication Technology Co., Ltd. | Korean Named-Entity Recognition Method Based on Maximum Entropy Model and Neural Network Model |
CN109325148A (zh) * | 2018-08-03 | 2019-02-12 | 百度在线网络技术(北京)有限公司 | 生成信息的方法和装置 |
CN110472006A (zh) * | 2019-06-28 | 2019-11-19 | 平安科技(深圳)有限公司 | 捐助对象搜索方法、装置、电子设备及存储介质 |
CN113505251A (zh) * | 2019-11-06 | 2021-10-15 | 北京旷视科技有限公司 | 人员身份属性的确定方法、装置和电子设备 |
CN113343667A (zh) * | 2021-03-09 | 2021-09-03 | 山西三友和智慧信息技术股份有限公司 | 一种基于多源信息的网络人物属性提取及关系分析方法 |
CN114861677A (zh) * | 2022-05-30 | 2022-08-05 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113836333B (zh) | 图文匹配模型的训练方法、实现图文检索的方法、装置 | |
TWI729472B (zh) | 特徵詞的確定方法、裝置和伺服器 | |
CN114595686B (zh) | 知识抽取方法、知识抽取模型的训练方法及装置 | |
CN116501960B (zh) | 内容检索方法、装置、设备及介质 | |
CN113656587B (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN116028605B (zh) | 逻辑表达式生成方法、模型训练方法、装置及介质 | |
CN113836316B (zh) | 三元组数据的处理方法、训练方法、装置、设备及介质 | |
CN114244795A (zh) | 一种信息的推送方法、装置、设备及介质 | |
CN115862031B (zh) | 文本处理方法、神经网络的训练方法、装置和设备 | |
CN115759100A (zh) | 数据处理方法、装置、设备及介质 | |
CN114490986B (zh) | 计算机实施的数据挖掘方法、装置、电子设备及存储介质 | |
CN112905743B (zh) | 文本对象检测的方法、装置、电子设备和存储介质 | |
CN114724146A (zh) | 异常文本识别方法及装置、电子设备和存储介质 | |
CN116028593A (zh) | 文本中的人物身份信息识别方法及装置、电子设备和介质 | |
CN112954025B (zh) | 基于分层知识图谱推送信息方法、装置、设备、介质 | |
CN114861658B (zh) | 地址信息解析方法及装置、设备和介质 | |
CN115809364B (zh) | 对象推荐方法和模型训练方法 | |
CN113535958B (zh) | 生产线索聚合方法、装置及系统、电子设备和介质 | |
CN116070711B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN113641933B (zh) | 异常网页识别方法、异常站点识别方法及装置 | |
CN113609370B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114596574A (zh) | 文本识别方法、装置、电子设备和介质 | |
CN113656534A (zh) | 语料扩充方法、装置、设备和介质 | |
CN116361484A (zh) | 知识抽取方法、知识抽取模型的训练方法及装置 | |
CN116257655A (zh) | 视频聚合方法及装置、电子设备和介质 |
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 |