CN116151240A - 关系抽取模型训练方法及装置、电子设备和存储介质 - Google Patents
关系抽取模型训练方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116151240A CN116151240A CN202310125138.3A CN202310125138A CN116151240A CN 116151240 A CN116151240 A CN 116151240A CN 202310125138 A CN202310125138 A CN 202310125138A CN 116151240 A CN116151240 A CN 116151240A
- Authority
- CN
- China
- Prior art keywords
- entity
- data
- target
- extraction model
- relation
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- 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)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开公开了一种关系抽取模型训练方法及装置、电子设备和存储介质,涉及人工智能技术领域,具体为机器学习技术领域。具体为:获取样本数据,样本数据包括文本数据及标注数据,文本数据包含实体及实体关系,标注数据包括实体标注数据及实体关系标注数据;将文本数据及实体标注数据输入初始关系抽取模型,进行第一阶段训练;利用抽取出的实体构造实体对,依据文本数据、实体对及实体关系标注数据对初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型;其中,初始关系抽取模型的输入为待抽取文本及抽取目标,输出为待抽取的文本数据中抽取目标指示的内容。本公开可以不用标注三元组,且训练得到的模型可以实现开放域的实体关系抽取。
Description
技术领域
本公开涉及人工智能技术领域,具体为机器学习技术领域。尤其涉及一种关系抽取模型训练方法及装置、电子设备和存储介质。
背景技术
关系抽取是自然语言处理领域中一项关键技术,其目的是从一段文本中抽取出(主体,关系,客体)这样的三元组。关系抽取可以为知识图谱的自动构建、搜索引擎、问答等下游任务提供支撑,在智能风控、量化投资、搜索推荐等业务上有很好的应用价值。
相关技术中,将上述关系抽取任务分为有监督的关系抽取和远程监督的关系抽取。其中,有监督的关系抽取通过已标注的三元组训练得到关系抽取模型,该方式模型效果对数据量的依赖较大,需要耗费大量的人力和时间。远程监督的关系抽取可以通过已有的外部知识库来标注已有的文本数据,大大减小了数据标注的成本,但由于具有很强的假设性,歧义很多,大大影响了模型的性能。
为了解决相关技术中的上述问题,本公开提供了一种关系抽取模型训练方法及装置、电子设备和存储介质。
发明内容
本公开提供了一种关系抽取模型训练方法及装置、电子设备和存储介质,主要目的在于解决相关技术中存在的对数据量的依赖较大,需要耗费大量的人力和时间、由于歧义较多影响模型性能等问题。
根据本公开的第一方面,提供了一种关系抽取模型训练方法,包括:
获取样本数据,样本数据包括文本数据及标注数据,文本数据包含实体及实体关系,标注数据包括实体标注数据及实体关系标注数据;
将文本数据及实体标注数据输入初始关系抽取模型,对初始关系抽取模型进行第一阶段训练,上述第一阶段训练用于训练初始关系抽取模型从文本数据中抽取实体;
利用第一阶段训练抽取出的实体构造实体对,依据文本数据、实体对及实体关系标注数据对初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型,上述第二阶段训练用于训练初始关系抽取模型从文本数据中抽取实体对间的实体关系;
其中,上述初始关系抽取模型的输入为待抽取文本及抽取目标,输出为待抽取文本中抽取目标指示的内容。
根据本公开的第二方面,提供了一种关系抽取方法,包括:
获取待抽取文本,将待抽取样本转化为符合目标关系抽取模型的输入要求的数据格式;
将待抽取样本及实体抽取目标输入目标关系抽取模型,输出待抽取样本中的目标实体;
利用目标实体构造实体对,将待抽取文本及实体对的实体关系抽取目标输入目标关系抽取模型,输出目标实体之间的实体关系。
根据本公开的第三方面,提供了一种关系抽取模型训练装置,包括:
样本数据获取模块,用于获取样本数据,样本数据包括文本数据及标注数据,文本数据包含实体及实体关系,标注数据包括实体标注数据及实体关系标注数据;
第一阶段训练模块,用于将文本数据及实体标注数据输入初始关系抽取模型,对初始关系抽取模型进行第一阶段训练,上述第一阶段训练用于训练初始关系抽取模型从文本数据中抽取实体;
目标模型训练模块,用于利用第一阶段训练抽取出的实体构造实体对,依据文本数据、实体对及实体关系标注数据对初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型,上述第二阶段训练用于训练初始关系抽取模型从文本数据中抽取实体对间的实体关系;
其中,上述初始关系抽取模型的输入为待抽取文本及抽取目标,输出为待抽取文本中抽取目标指示的内容。
根据本公开的第四方面,提供了一种关系抽取装置,包括:
输入模块,用于获取待抽取文本,将待抽取样本转化为符合目标关系抽取模型的输入要求的数据格式;
第一阶段抽取模块,用于将待抽取样本及实体抽取目标输入目标关系抽取模型,输出待抽取样本中的目标实体;
第二阶段抽取模块,用于利用目标实体构造实体对,将待抽取文本及实体对的实体关系抽取目标输入目标关系抽取模型,输出目标实体之间的实体关系。
根据本公开的第五方面,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前述一方面中任一项所述的方法。
根据本公开的第六方面,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前述一方面中任一项所述的方法。
根据本公开的第七方面,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时实现前述一方面中任一项所述的方法。
在本公开一个或多个实施例中,获取样本数据,样本数据包括文本数据及标注数据,文本数据包含实体及实体关系,标注数据包括实体标注数据及实体关系标注数据;将文本数据及实体标注数据输入初始关系抽取模型,对初始关系抽取模型进行第一阶段训练,上述第一阶段训练用于训练初始关系抽取模型从文本数据中抽取实体;利用第一阶段训练抽取出的实体构造实体对,依据文本数据、实体对及实体关系标注数据对初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型,上述第二阶段训练用于训练初始关系抽取模型从文本数据中抽取实体对间的实体关系;其中,上述初始关系抽取模型的输入为待抽取文本及抽取目标,输出为待抽取文本中抽取目标指示的内容。本公开实施例提供的关系抽取训练方法中,一方面,初始关系抽取模型可以依据抽取目标从待抽取文本中抽取出对应的内容,因此,在模型训练时,无需进行大量的数据标注。另一方面,本公开实施例基于两阶段训练关系抽取模型,第一阶段训练抽取实体,第二阶段抽取第一阶段抽取出的实体之间的实体关系,无需预先标注三元组。此外,本公开实施例所训练的关系抽取模型可以实现开放域上的实体关系提取。
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示出本公开实施例提供的一种关系抽取模型训练方法的流程示意图;
图2是根据本公开第一实施例的一种关系抽取模型训练方法的初始关系抽取模型的结构示意图;
图3示出本公开实施例提供的一种关系抽取模型训练方法的流程示意图;
图4是根据本公开第一实施例的一种关系抽取方法的流程示意图;
图5是用来实现本公开实施例的关系抽取模型训练装置的结构示意图;
图6是用来实现本公开实施例的关系抽取装置的结构示意图;
图7是用来实现本公开实施例的电子设备的框图。
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。
关系抽取是自然语言处理领域中一项关键技术,其目的是从一段文本中抽取出(主体,关系,客体)这样的三元组。关系抽取可以为知识图谱的自动构建、搜索引擎、问答等下游任务提供支撑,在智能风控、量化投资、搜索推荐等业务上有很好的应用价值。
相关技术中,将上述关系抽取任务分为有监督的关系抽取和远程监督的关系抽取。其中,上述有监督的关系抽取通过已标注的三元组训练得到关系抽取模型,具体地,可实现如下:定义明确的主体、客体和关系;基于设定的三元组列表进行数据标注。通过该方法训练关系抽取模型时,模型效果对数据量的依赖较大。在实际应用中,为了得到一个可以使用上线的关系抽取模型,其需要的数据规模太大,需要耗费大量的人力和时间。
远程监督的关系抽取训练中,基于距离监督假设知识库中的实体对之间存在关系,那么每个包含该实体对的文档都会表达该关系。因此远程监督可以通过已有的外部知识库来标注已有的文本数据,大大减小了数据标注的成本。但是这种方法具有很强的假设性,比如在句子“乔布斯喜欢吃苹果”和“乔布斯是苹果的CEO”中,(乔布斯,苹果)就不是唯一的CEO关系。实际项目中会存在很多这种歧义,大大影响了模型的性能。
为了解决相关技术存在的上述问题,本公开实施例提供了一种关系抽取模型训练方法及装置、电子设备和存储介质。下面结合具体的实施例对本公开进行详细说明。
在第一个实施例中,如图1所示,图1为根据本公开第一实施例的关系抽取模型训练方法的流程示意图,该方法可依赖于计算机程序实现,可运行于进行关系抽取模型训练装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。
下面对上述第一实施例的关系抽取模型训练方法进行详细说明。如图1所述,该关系抽取模型训练方法包括以下步骤:
S101:获取样本数据,样本数据包括文本数据及标注数据,文本数据包含实体及实体关系,标注数据包括实体标注数据及实体关系标注数据;
S102:将文本数据及实体标注数据输入初始关系抽取模型,对初始关系抽取模型进行第一阶段训练,上述第一阶段训练用于训练初始关系抽取模型从文本数据中抽取实体;
S103:利用第一阶段训练抽取出的实体构造实体对,依据文本数据、实体对及实体关系标注数据对初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型,上述第二阶段训练用于训练初始关系抽取模型从文本数据中抽取实体对间的实体关系;
其中,上述初始关系抽取模型的输入为待抽取文本及抽取目标,输出为待抽取文本中抽取目标指示的内容。
在本公开一个或多个实施例中,获取样本数据,样本数据包括文本数据及标注数据,文本数据包含实体及实体关系,标注数据包括实体标注数据及实体关系标注数据;将文本数据及实体标注数据输入初始关系抽取模型,对初始关系抽取模型进行第一阶段训练,上述第一阶段训练用于训练初始关系抽取模型从文本数据中抽取实体;利用第一阶段训练抽取出的实体构造实体对,依据文本数据、实体对及实体关系标注数据对初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型,上述第二阶段训练用于训练初始关系抽取模型从文本数据中抽取实体对间的实体关系;其中,上述初始关系抽取模型的输入为待抽取文本及抽取目标,输出为待抽取文本中抽取目标指示的内容。本公开实施例提供的关系抽取训练方法中,一方面,初始关系抽取模型可以依据抽取目标从待抽取文本中抽取出对应的内容,因此,在模型训练时,无需进行大量的数据标注。另一方面,本公开实施例基于两阶段训练关系抽取模型,第一阶段训练抽取实体,第二阶段抽取第一阶段抽取出的实体之间的实体关系,无需预先标注三元组。此外,本公开实施例所训练的关系抽取模型可以实现开放域上的实体关系提取。
以下对上述关系抽取模型训练方法中的各个步骤进行阐述,具体地,上述关系抽取模型训练方法包括:
S101,获取样本数据,样本数据包括文本数据及标注数据,文本数据包含实体及实体关系,标注数据包括实体标注数据及实体关系标注数据。
上述样本数据为用于关系抽取模型训练的样本数据,为已标注的文本数据组成的集合,包括文本数据及标注数据。其中,文本数据中包含实体及实体关系,标注数据包括对文本中实体的标注及实体关系的标注。
示例性地,上述样本数据中包含的一文本数据可以如下:
A公司5月31日发布公告称,为进一步扩大产业布局,增强市场竞争优势,A公司的A1子公司与B公司拟共同设立C子公司。
则上述文本数据中,A公司、A1子公司、B公司、C子公司为上述实体。其中,上述A公司和A1子公司这两个实体之间的实体关系为子公司,上述A公司和C子公司这两个实体之间的实体关系为子公司。上述实体数据标注具体为将A公司、A1子公司、B公司、C子公司标注为公司名。将(A公司,A1子公司)的实体关系标注为子公司,将(A公司,C子公司)的实体关系标注为子公司。
需要说明的是,上述场景只是一种示例性说明,本示例实施方式的保护范畴并不以此为限。
在本公开实施例中,在进行关系抽取模型训练时,依据所要使用的实际业务,可以从对应领域的知识库中随机选取若干条文本数据作为上述样本数据,并将选取的样本数据导入标注系统,由人工对样本数据进行标注,从而可以使得训练得到的关系抽取模型更好地适用于实际场景。
以上述文本数据为例,可对该文本数据标注如下:
其中,上述text字段为文本数据,entities字段为一个列表,每个元素是一个对应所抽取问题的label,一般为贴近日常语义表达的短语或短句,start_offset和end_offset标识这一问题的答案在原文中的位置,id为label在全局的唯一标识。
需要说明的是,上述场景只是一种示例性说明,本示例实施方式的保护范畴并不以此为限。
S102,将文本数据及实体标注数据输入初始关系抽取模型,对初始关系抽取模型进行第一阶段训练,上述第一阶段训练用于训练初始关系抽取模型从文本数据中抽取实体。
在本公开实施例中,上述初始关系抽取模型为初步具备文本信息抽取功能的模型。该初始关系抽取模型待抽取文本(content)及抽取目标(prompt),输出为待抽取文本中抽取目标指示的内容。其中,抽取目标(prompt)为用自然语言描述的要从待抽取文本中进行抽取的目标,通常建议的结构为“A的B”或“B”的形式。
示例性地,输入上述初始关系抽取模型的待抽取文本(content)和抽取目标(prompt),以及该初始关系抽取模型依据抽取目标从待抽取文本抽取到的输出内容(result)可以如下所示:
content:出租方:小明地址:筒子街12号电话:xxxxxxxxxxx承租方:小红地址:新华路8号电话:xxxxxxxxxxx
prompt:地址
result:筒子街12号,新华路8号
content:出租方:小明地址:筒子街12号电话:xxxxxxxxxxx承租方:小红地址:新华路8号电话:xxxxxxxxxxx
prompt:小明的地址
result:筒子街12号
该初始关系抽取模型将各种类型的信息抽取任务统一转化为自然语言的形式,并进行多任务联合训练,进而支持零样本信息抽取,其结构如图2所示。
上述将文本数据及实体标注数据输入初始关系抽取模型,对初始关系抽取模型进行第一阶段训练,具体可实现如下:将文本数据作为待抽取文本,将实体的名称作为抽取目标,输入初始关系抽取模型,得到实体抽取结果;依据实体抽取结果与实体标注数据的差异,训练初始关系抽取模型,完成第一阶段训练。
示例性地,以上述样本数据中的文本数据“A公司5月31日发布公告称,为进一步扩大产业布局,增强市场竞争优势,A公司的A1子公司与B公司拟共同设立C子公司”为例,则可以将该文本数据作为上述初始关系抽取模型的待抽取文本(content),将“公司名”作为上述初始关系抽取模型的抽取目标(prompt),得到上述实体抽取结果,将该实体抽取结果与上述对实体的数据标注进行对比,并依据初始关系抽取模型的实体抽取结果及实体数据标注计算损失函数,依据损失函数修正网络参数,以达到对上述初始关系模型第一阶段训练的效果,上述第一阶段训练用于训练初始关系抽取模型从文本数据中抽取实体。
优选地,在对上述初始关系抽取模型进行训练时,将样本数据转化为符合上述初始关系抽取模型输入要求的目标格式,该过程可以通过数据封装实现,以文本数据为“A公司5月31日发布公告称,为进一步扩大产业布局,增强市场竞争优势,A公司的A1子公司与B公司拟共同设立C子公司”为例,封装得到的目标格式如下:
上述目标格式将文本和标注内容分开,各自以独立的文件存在,其中,file_id字段存放这条数据的文件名id,feeds存放具体的标注内容,txt_tag字段的子字段text存放文本类的标注内容,text是一个列表,每一项内容为具体的label,key和key_str为label值,value_strs为具体取值,value_positions为其在原文中的偏移量。
S103,利用第一阶段训练抽取出的实体构造实体对,依据文本数据、实体对及实体关系标注数据对初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型,上述第二阶段训练用于训练初始关系抽取模型从文本数据中抽取实体对间的实体关系。
在本公开实施例中,通过步骤S101及步骤S102抽取出多个实体后,需要基于抽取出的多个实体构造实体对,以依据构造得到的实体对实现第二阶段的训练。
以文本数据为“A公司5月31日发布公告称,为进一步扩大产业布局,增强市场竞争优势,A公司的A1子公司与B公司拟共同设立C子公司”为例,假设经第一阶段抽取出的实体包括A公司、A1子公司、B公司、C子公司,则可以构成的实体对包括(A公司,A1子公司)、(A公司,B公司)、(A公司,C子公司)、(A1子公司,B公司)、(A1子公司,C子公司)、(B公司,C子公司),第二阶段用于训练上述初始关系抽取模型基于构造的这些实体对从该文本数据中抽取对应的实体关系。
优选地,在对上述初始关系抽取模型进行训练时,将样本数据转化为符合上述初始关系抽取模型输入要求的目标格式,该过程已在步骤S102的对应位置进行了详细说明,此处不再赘述。
上述依据文本数据、实体对及实体关系标注数据对初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型的过程,具体可以实现如下:将文本数据作为待抽取文本,将实体对之间的关系作为抽取目标,输入初始关系抽取模型,输出实体对之间的关系抽取结果;依据关系抽取结果与实体关系标注数据之间的差异,训练初始关系抽取模型,得到目标关系抽取模型。
示例性地,以上述样本数据中的文本数据“A公司5月31日发布公告称,为进一步扩大产业布局,增强市场竞争优势,A公司的A1子公司与B公司拟共同设立C子公司”为例,则可以将该文本数据作为上述初始关系抽取模型的待抽取文本(content),将“公司之间的关系”作为上述初始关系抽取模型的抽取目标(prompt),得到(A公司,A1子公司)、(A公司,B公司)、(A公司,C子公司)、(A1子公司,B公司)、(A1子公司,C子公司)、(B公司,C子公司)之间的关系,若初始关系抽取模型输出关系抽取结果,则为对应的实体对中的实体之间的关系的抽取结果,若不存在,则证明实体对中的实体之间没有关系。依据关系抽取结果与实体关系标注数据之间的差异计算损失,并修正网络参数,以得到上述目标关系抽取模型。
需要说明的是,上述场景只是一种示例性说明,本示例实施方式的保护范畴并不以此为限。
请参见图3,图3是根据本公开第二实施例的关系抽取模型训练方法的流程示意图。具体地:
S301,获取样本数据,样本数据包括文本数据及标注数据,文本数据包含实体及实体关系,标注数据包括实体标注数据及实体关系标注数据。
S302,将文本数据及实体标注数据输入初始关系抽取模型,对初始关系抽取模型进行第一阶段训练,上述第一阶段训练用于训练初始关系抽取模型从文本数据中抽取实体。
其中,上述初始关系抽取模型的输入为待抽取文本及抽取目标,输出为待抽取文本中抽取目标指示的内容。
S303,利用第一阶段训练抽取出的实体构造实体对,依据文本数据、实体对及实体关系标注数据对初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型,上述第二阶段训练用于训练初始关系抽取模型从文本数据中抽取实体对间的实体关系。
S304,将验证数据集中的文本数据输入目标关系抽取模型,输出验证数据集中文本数据的关系抽取结果,并将关系抽取结果与文本数据的标注数据比较,得到抽取准确率。
为了提高训练得到的目标关系抽取模型的准确度,本公开实施例在该步骤中引入验证数据集,该验证数据集用于验证经步骤S301及步骤S303训练得到目标关系抽取模型的准确度。
具体地,将验证数据集中的文本数据输入训练得到的上述目标关系抽取模型,得到目标关系抽取模型输出的关系抽取结果,将该关系抽取结果与文本数据对应的实体标注数据及实体关系标注数据进行对比,分别得到第一训练阶段对实体抽取的准确度,以及第二阶段对实体关系抽取的准确度。
S305,当抽取准确率小于预设阈值时,修正目标关系抽取模型。
在本公开实施例中,该步骤用于在抽取准确率小于预设阈值时,修正目标关系抽取模型,可具体实现为:对于样本数据,确定文本数据的多个负样本,负样本包括文本数据的实体之间不存在的实体关系;将文本数据、文本数据的实体,以及负样本输入目标关系抽取模型,以修正目标关系抽取模型。
示例性地,以文本数据为“A公司5月31日发布公告称,为进一步扩大产业布局,增强市场竞争优势,A公司的A1子公司与B公司拟共同设立C子公司”为例,假设训练得到的目标关系抽取模型在上述验证数据集上的验证结果为:第一阶段公司名的抽取准确率可达到93%+,召回率达到91%+,但是第二阶段抽取实体关系的召回率达78.5%,准确率却只有35.8%,且上述预设阈值为80%时,则需要对上述目标关系抽取模型进行修正。
示例性地,对目标关系抽取模型的输出结果进行分析,发现模型给出了很多并不存在的关系时,进一步分析发现训练阶段缺失相应的负样本,如上述的示例文本数据中,并没有指出B公司不存在子公司。因此为了让模型能够学习到这部分信息,需要在样本数据补充一些相应的负样本,以修正目标关系抽取模型。
此外,上述步骤S301至步骤S303中的对应实现细节以在步骤S101至步骤S103中进行了详细的说明,在此不再赘述。
对应地,本公开实施例还提供了一种关系抽取方法,该关系抽取方法基于上述训练得到的目标关系抽取模型实现在开放域上对文本数据的实体关系的抽取。
图4为根据本公开实施例的关系抽取方法的流程示意图,该方法可依赖于计算机程序实现,可运行于进行关系抽取装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。
其中,关系抽取装置可以是具有在开放域上对文本数据的实体关系进行抽取功能的电子设备,该电子设备包括但不限于:可穿戴设备、手持设备、个人电脑、平板电脑、车载设备、智能手机、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中电子设备可以叫做不同的名称,例如:用户设备、接入电子设备、用户单元、用户站、移动站、移动台、远方站、远程电子设备、移动设备、用户电子设备、电子设备、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digital assistant,PDA)、第五代移动通信技术(5th Generation Mobile Communication Technology,5G)网络、第四代移动通信技术(the4th generation mobile communication technology,4G)网络、第三代移动通信技术(3rd-Generation,3G)网络或未来演进网络中的电子设备等。
具体地,如图4所示,上述关系抽取方法包括以下步骤:
S401,获取待抽取文本,将待抽取样本转化为符合目标关系抽取模型的输入要求的数据格式。
S402,将待抽取样本及实体抽取目标输入目标关系抽取模型,输出待抽取样本中的目标实体。
S403,利用目标实体构造实体对,将待抽取文本及实体对的实体关系抽取目标输入目标关系抽取模型,输出目标实体之间的实体关系。
上述步骤S401至步骤S403中的对应实现细节以在上述模型训练方法的对应位置中进行了详细的说明,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。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
请参见图5,其示出了用来实现本公开实施例的关系抽取模型训练装置。该关系抽取模型训练装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该关系抽取模型训练装置500包括样本数据获取模块501、第一阶段训练模块502及目标模型训练模块特征确定模块503,其中:
样本数据获取模块501,用于获取样本数据,样本数据包括文本数据及标注数据,上述文本数据包含实体及实体关系,标注数据包括实体标注数据及实体关系标注数据;
第一阶段训练模块502,用于将文本数据及实体标注数据输入初始关系抽取模型,对初始关系抽取模型进行第一阶段训练,上述第一阶段训练用于训练初始关系抽取模型从文本数据中抽取实体;
目标模型训练模块503,用于利用第一阶段训练抽取出的实体构造实体对,依据文本数据、实体对及实体关系标注数据对初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型,上述第二阶段训练用于训练初始关系抽取模型从文本数据中抽取实体对间的实体关系;
其中,初始关系抽取模型的输入为待抽取文本及抽取目标,输出为待抽取文本中抽取目标指示的内容。
可选地,上述样本数据还包括验证数据集,上述装置还包括目标模型修正模块,上述目标模型修正模块包括判断单元及修正单元,其中:上述判断单元,用于将验证数据集中的文本数据输入目标关系抽取模型,输出验证数据集中文本数据的关系抽取结果,并将关系抽取结果与文本数据的标注数据比较,得到抽取准确率;上述修正单元,用于当抽取准确率小于预设阈值时,修正目标关系抽取模型。
可选地,上述修正单元具体用于:对于样本数据,确定文本数据的多个负样本,上述负样本包括文本数据的实体之间不存在的实体关系;将文本数据、文本数据的实体,以及负样本输入目标关系抽取模型,以修正目标关系抽取模型。
可选地,上述第一阶段训练模块具体用于:将文本数据作为待抽取文本,将实体的名称作为抽取目标,输入初始关系抽取模型,得到实体抽取结果;依据实体抽取结果与实体标注数据的差异,训练初始关系抽取模型,完成第一阶段训练。
可选地,上述目标模型训练模块具体用于:将文本数据作为待抽取文本,将实体对之间的关系作为抽取目标,输入初始关系抽取模型,输出实体对之间的关系抽取结果;依据关系抽取结果与实体关系标注数据之间的差异,训练初始关系抽取模型,得到目标关系抽取模型。
可选地,上述关系抽取模型训练装置还包括格式转化模块,上述格式转化模块,用于将样本数据转化为符合初始关系抽取模型输入要求的目标格式。
请参见图6,其示出了用来实现本公开实施例的关系抽取装置。该关系抽取装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该关系抽取装置600包括输入模块601、第一阶段抽取模块602及第二阶段抽取模块603,其中:
输入模块601,用于获取待抽取文本,将待抽取样本转化为符合目标关系抽取模型的输入要求的数据格式;
第一阶段抽取模块602,用于将待抽取样本及实体抽取目标输入目标关系抽取模型,输出待抽取样本中的目标实体;
第二阶段抽取模块603,用于利用目标实体构造实体对,将待抽取文本及实体对的实体关系抽取目标输入目标关系抽取模型,输出目标实体之间的实体关系。
需要说明的是,上述实施例提供的关系抽取模型训练装置及关系抽取装置在执行关系抽取模型训练方法或关系抽取方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与对应的方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本公开实施例序号仅仅为了描述,不代表实施例的优劣。
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7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。例如,在一些实施例中,表格识别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表格识别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)而被配置为执行表格识别方法。
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)、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,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 (16)
1.一种关系抽取模型训练方法,包括:
获取样本数据,所述样本数据包括文本数据及标注数据,所述文本数据包含实体及实体关系,所述标注数据包括实体标注数据及实体关系标注数据;
将所述文本数据及所述实体标注数据输入初始关系抽取模型,对所述初始关系抽取模型进行第一阶段训练,所述第一阶段训练用于训练所述初始关系抽取模型从所述文本数据中抽取所述实体;
利用所述第一阶段训练抽取出的所述实体构造实体对,依据所述文本数据、所述实体对及所述实体关系标注数据对所述初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型,所述第二阶段训练用于训练所述初始关系抽取模型从所述文本数据中抽取所述实体对间的所述实体关系;
其中,所述初始关系抽取模型的输入为待抽取文本及抽取目标,输出为所述待抽取文本中所述抽取目标指示的内容。
2.根据权利要求1所述的关系抽取模型训练方法,其特征在于,所述样本数据还包括验证数据集;
在得到所述目标关系抽取模型后,所述方法还包括:
将所述验证数据集中的所述文本数据输入所述目标关系抽取模型,输出所述验证数据集中所述文本数据的关系抽取结果,并将所述关系抽取结果与所述文本数据的所述标注数据比较,得到抽取准确率;
当所述抽取准确率小于预设阈值时,修正所述目标关系抽取模型。
3.根据权利要求2所述的关系抽取模型训练方法,其特征在于,所述当所述抽取准确率小于预设阈值时,修正所述目标关系抽取模型,包括:
对于所述样本数据,确定所述文本数据的多个负样本,所述负样本包括所述文本数据的所述实体之间不存在的实体关系;
将所述文本数据、所述文本数据的实体,以及所述负样本输入所述目标关系抽取模型,以修正所述目标关系抽取模型。
4.根据权利要求1所述的关系抽取模型训练方法,其特征在于,所述将所述文本数据及所述实体标注数据输入初始关系抽取模型,对所述初始关系抽取模型进行第一阶段训练,包括:
将所述文本数据作为所述待抽取文本,将所述实体的名称作为所述抽取目标,输入所述初始关系抽取模型,得到实体抽取结果;
依据所述实体抽取结果与所述实体标注数据的差异,训练所述初始关系抽取模型,完成所述第一阶段训练。
5.根据权利要求4所述的关系抽取模型训练方法,其特征在于,所述依据所述文本数据、所述实体对及所述实体关系标注数据对所述初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型,包括:
将所述文本数据作为所述待抽取文本,将所述实体对之间的关系作为抽取目标,输入所述初始关系抽取模型,输出所述实体对之间的关系抽取结果;
依据所述关系抽取结果与所述实体关系标注数据之间的差异,训练所述初始关系抽取模型,得到所述目标关系抽取模型。
6.根据权利要求1所述的关系抽取模型训练方法,其特征在于,所述方法还包括:
将所述样本数据转化为符合所述初始关系抽取模型输入要求的目标格式。
7.一种关系抽取方法,其特征在于,所述方法包括:
获取待抽取文本,将所述待抽取样本转化为符合目标关系抽取模型的输入要求的数据格式;
将所述待抽取样本及实体抽取目标输入所述目标关系抽取模型,输出所述待抽取样本中的目标实体;
利用所述目标实体构造实体对,将所述待抽取文本及所述实体对的实体关系抽取目标输入所述目标关系抽取模型,输出所述目标实体之间的实体关系。
8.一种关系抽取模型训练装置,包括:
样本数据获取模块,用于获取样本数据,所述样本数据包括文本数据及标注数据,所述文本数据包含实体及实体关系,所述标注数据包括实体标注数据及实体关系标注数据;
第一阶段训练模块,用于将所述文本数据及所述实体标注数据输入初始关系抽取模型,对所述初始关系抽取模型进行第一阶段训练,所述第一阶段训练用于训练所述初始关系抽取模型从所述文本数据中抽取所述实体;
目标模型训练模块,用于利用所述第一阶段训练抽取出的所述实体构造实体对,依据所述文本数据、所述实体对及所述实体关系标注数据对所述初始关系抽取模型进行第二阶段训练,得到目标关系抽取模型,所述第二阶段训练用于训练所述初始关系抽取模型从所述文本数据中抽取所述实体对间的所述实体关系;
其中,所述初始关系抽取模型的输入为待抽取文本及抽取目标,输出为所述待抽取文本中所述抽取目标指示的内容。
9.根据权利要求8所述的关系抽取模型训练装置,其特征在于,所述样本数据还包括验证数据集;
所述装置还包括目标模型修正模块,所述目标模型修正模块包括判断单元及修正单元,其中:
所述判断单元,用于将所述验证数据集中的所述文本数据输入所述目标关系抽取模型,输出所述验证数据集中所述文本数据的关系抽取结果,并将所述关系抽取结果与所述文本数据的所述标注数据比较,得到抽取准确率;
所述修正单元,用于当所述抽取准确率小于预设阈值时,修正所述目标关系抽取模型。
10.根据权利要求9所述的关系抽取模型训练装置,其特征在于,所述修正单元具体用于:
对于所述样本数据,确定所述文本数据的多个负样本,所述负样本包括所述文本数据的所述实体之间不存在的实体关系;
将所述文本数据、所述文本数据的实体,以及所述负样本输入所述目标关系抽取模型,以修正所述目标关系抽取模型。
11.根据权利要求8所述的关系抽取模型训练装置,其特征在于,所述第一阶段训练模块具体用于:
将所述文本数据作为所述待抽取文本,将所述实体的名称作为所述抽取目标,输入所述初始关系抽取模型,得到实体抽取结果;
依据所述实体抽取结果与所述实体标注数据的差异,训练所述初始关系抽取模型,完成所述第一阶段训练。
12.根据权利要求11所述的关系抽取模型训练装置,其特征在于,所述目标模型训练模块具体用于:
将所述文本数据作为所述待抽取文本,将所述实体对之间的关系作为抽取目标,输入所述初始关系抽取模型,输出所述实体对之间的关系抽取结果;
依据所述关系抽取结果与所述实体关系标注数据之间的差异,训练所述初始关系抽取模型,得到所述目标关系抽取模型。
13.根据权利要求8所述的关系抽取模型训练装置,其特征在于,所述关系抽取模型训练装置还包括格式转化模块:
所述格式转化模块,用于将所述样本数据转化为符合所述初始关系抽取模型输入要求的目标格式。
14.一种关系抽取装置,其特征在于,所述方法包括:
输入模块,用于获取待抽取文本,将所述待抽取样本转化为符合目标关系抽取模型的输入要求的数据格式;
第一阶段抽取模块,用于将所述待抽取样本及实体抽取目标输入所述目标关系抽取模型,输出所述待抽取样本中的目标实体;
第二阶段抽取模块,用于利用所述目标实体构造实体对,将所述待抽取文本及所述实体对的实体关系抽取目标输入所述目标关系抽取模型,输出所述目标实体之间的实体关系。
15.一种电子设备,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;其特征在于,
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1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310125138.3A CN116151240A (zh) | 2023-02-06 | 2023-02-06 | 关系抽取模型训练方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310125138.3A CN116151240A (zh) | 2023-02-06 | 2023-02-06 | 关系抽取模型训练方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116151240A true CN116151240A (zh) | 2023-05-23 |
Family
ID=86355825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310125138.3A Pending CN116151240A (zh) | 2023-02-06 | 2023-02-06 | 关系抽取模型训练方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116151240A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172254A (zh) * | 2023-11-02 | 2023-12-05 | 成方金融科技有限公司 | 模型训练方法、信息抽取方法、装置、设备及存储介质 |
-
2023
- 2023-02-06 CN CN202310125138.3A patent/CN116151240A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172254A (zh) * | 2023-11-02 | 2023-12-05 | 成方金融科技有限公司 | 模型训练方法、信息抽取方法、装置、设备及存储介质 |
CN117172254B (zh) * | 2023-11-02 | 2024-01-16 | 成方金融科技有限公司 | 模型训练方法、信息抽取方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108682421B (zh) | 一种语音识别方法、终端设备及计算机可读存储介质 | |
CN116127020A (zh) | 生成式大语言模型训练方法以及基于模型的搜索方法 | |
CN113901907A (zh) | 图文匹配模型训练方法、图文匹配方法及装置 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN112926306A (zh) | 文本纠错方法、装置、设备以及存储介质 | |
CN113407610B (zh) | 信息抽取方法、装置、电子设备和可读存储介质 | |
CN112836521A (zh) | 问答匹配方法、装置、计算机设备及存储介质 | |
CN114841128B (zh) | 基于人工智能的业务交互方法、装置、设备、介质及产品 | |
CN115099239B (zh) | 一种资源识别方法、装置、设备以及存储介质 | |
CN116151240A (zh) | 关系抽取模型训练方法及装置、电子设备和存储介质 | |
CN112650858A (zh) | 应急协助信息的获取方法、装置、计算机设备及介质 | |
CN113904943B (zh) | 账号检测方法、装置、电子设备和存储介质 | |
CN113312539B (zh) | 一种检索服务的提供方法、装置、设备和介质 | |
CN113190746B (zh) | 推荐模型的评估方法、装置及电子设备 | |
CN112669850A (zh) | 语音质量检测方法、装置、计算机设备及存储介质 | |
CN114020886A (zh) | 语音意图识别方法、装置、设备及存储介质 | |
CN116309963B (zh) | 一种图像的批量标注方法、装置、电子设备及存储介质 | |
CN115186163B (zh) | 搜索结果排序模型的训练与搜索结果排序方法、装置 | |
US20220188292A1 (en) | Data processing method, apparatus, electronic device and readable storage medium | |
CN115658903A (zh) | 文本分类方法、模型训练方法、相关装置及电子设备 | |
CN115730603A (zh) | 基于人工智能的信息提取方法、装置、设备及存储介质 | |
WO2022227196A1 (zh) | 一种数据分析方法、装置、计算机设备及存储介质 | |
CN114490969A (zh) | 基于表格的问答方法、装置以及电子设备 | |
CN114637831A (zh) | 基于语义分析的数据查询方法及其相关设备 | |
CN113065354A (zh) | 语料中地理位置的识别方法及其相关设备 |
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 |