CN116340516A - 实体关系的聚类提取方法、装置、设备及存储介质 - Google Patents
实体关系的聚类提取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116340516A CN116340516A CN202310271936.7A CN202310271936A CN116340516A CN 116340516 A CN116340516 A CN 116340516A CN 202310271936 A CN202310271936 A CN 202310271936A CN 116340516 A CN116340516 A CN 116340516A
- Authority
- CN
- China
- Prior art keywords
- entity
- sequence
- relation
- data
- similarity
- 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
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- 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
- 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
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明涉及人工智能技术,揭露了一种实体关系的聚类提取方法、装置、设备及存储介质。所述方法包括:抓取用户的社交关系数据,对所述社交关系数据进行实体识别操作,得到实体识别结果,根据实体识别结果对社交关系数据进行逆向标记操作,得到数据标记序列集合;利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,根据所述关系识别结果,构建得到实体‑关系组集合;计算所述实体‑关系组集合中各个实体间的字符相似度及各个实体关系间的语义相似度,并根据所述字符相似度及所述语义相似度,对所述实体‑关系组集合中各个实体‑关系组进行聚类。本发明可以提高实体关系提取效率。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种实体关系的聚类提取方法、装置、设备及计算机可读存储介质。
背景技术
随着计算机网络的发展,网上数据越来越丰富,大数据管理得到越来越多企业的认可,如今人际关系网络成为企业、个人获取客户的重要渠道。
然而,人际关系网络的构建过程需要实体识别过程的参与,如今实体识别大多是通过实体识别网络进行分析,对于用户的个人属性等基本信息较容易获取,但由于网络上的信息为非结构化的,用户涉及到的各种文本内容的表达方式也不同,导致如今对于用户的兴趣爱好等行为习惯信息的实体识别过程,难以获取较高的实体提取效率。
发明内容
本发明提供一种实体关系的聚类提取方法、装置、设备及存储介质,其主要目的在于提高实体关系提取效率。
为实现上述目的,本发明提供的一种实体关系的聚类提取方法,包括:
从预构建的数据源平台集合抓取用户的社交关系数据,并对所述社交关系数据进行实体识别操作,得到实体识别结果,并根据所述实体识别结果对所述社交关系数据进行逆向标记操作,得到数据标记序列集合;
利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,并根据所述关系识别结果,构建得到实体-关系组集合;
根据预配置的组合相似度聚类方法,计算所述实体-关系组集合中各个实体间的字符相似度及各个实体关系间的语义相似度,并根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
可选的,所述根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合,包括:
根据所述组合相似度聚类方法,配置所述字符相似度的第一权重N,及语义相似度的第二权重1-N,并根据所述第一权重及所述第二权重,对所述字符相似度及所述语义相似度进行加权计算,得到混合相似度;
根据最邻近结点算法及所述混合相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
可选的,所述利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,包括:
根据所述数据标记序列中的两个实体识别结果对应的标记,将所述数据标记序列标记标签为上文、中文及下文,得到全文标记序列;
利用预训练的上下文语义识别模型对所述全文标记序列进行分词量化操作,得到上文量化序列、中文量化序列及下文量化序列;
对所述上文量化序列、中文量化序列及下文量化序列进行基于文内及文间的自注意力配置,得到文本自注意力增强序列;
对所述文本自注意力增强序列进行特征提取操作,得到特征序列集合,并对所述特征序列集合进行全连接分类操作,得到基于语义意图的关系识别结果。
可选的,所述利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果之前,所述方法还包括:
获取预构建的上下文语义识别模型及训练样本集,所述训练样本集中的每个训练样本包括分为上、中及下三部分的文本语句,及一个对应的语义标签;
依次从所述训练样本集中提取一个训练样本作为目标样本,利用所述上下文语义识别模型对所述目标样本的文本语句进行实体关系预测,得到关系预测结果;
利用交叉熵损失算法计算所述目标样本的语义标签与所述关系预测结果之间的损失值,并根据梯度下降方法,最小化所述损失值,得到所述损失值最小时的网络模型参数,并对所述网络模型参数进行网络逆向更新,得到更新上下文语义识别模型;
判断所述损失值的收敛性;
当所述损失值未收敛时,返回上述依次从所述训练样本集中提取一个训练样本作为目标样本的步骤,对所述更新上下文语义识别模型进行迭代更新;
当所述损失值收敛时,得到训练完成的上下文语义识别模型。
可选的,所述对所述社交关系数据进行实体识别操作,得到实体识别结果,包括:
对所述社交关系数据进行分词操作,得到分词结果,并对所述分词结果进行排列及量化操作,得到社交关系文本序列集合;
依次从所述社交关系文本序列集合中提取一个社交关系文本序列,利用预构建的卷积核集合对所述社交关系文本序列进行卷积操作,得到卷积矩阵集合;
对所述卷积矩阵集合进行平均池化操作,得到池化矩阵集合;
对所述池化矩阵集合中各个池化矩阵进行扁平化操作,并对各个扁平化结果进行连接,得到所述社交关系文本序列对应的社交文本特征序列;
利用预构建的条件随机场对所述社交文本特征序列进行实体识别,得到所述社交关系文本序列的实体识别结果。
为了解决上述问题,本发明还提供一种实体关系的聚类提取装置,所述装置包括:
数据预处理模块,用于从预构建的数据源平台集合抓取用户的社交关系数据,并对所述社交关系数据进行实体识别操作,得到实体识别结果,并根据所述实体识别结果对所述社交关系数据进行逆向标记操作,得到数据标记序列集合;
实体-关系组构建模块,用于利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,并根据所述关系识别结果,构建得到实体-关系组集合;
实体关系聚类模块,用于根据预配置的组合相似度聚类方法,计算所述实体-关系组集合中各个实体间的字符相似度及各个实体关系间的语义相似度,并根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
可选的,所述根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合,包括:
根据所述组合相似度聚类方法,配置所述字符相似度的第一权重N,及语义相似度的第二权重1-N,并根据所述第一权重及所述第二权重,对所述字符相似度及所述语义相似度进行加权计算,得到混合相似度;
根据最邻近结点算法及所述混合相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
可选的,所述利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,包括:
根据所述数据标记序列中的两个实体识别结果对应的标记,将所述数据标记序列标记标签为上文、中文及下文,得到全文标记序列;
利用预训练的上下文语义识别模型对所述全文标记序列进行分词量化操作,得到上文量化序列、中文量化序列及下文量化序列;
对所述上文量化序列、中文量化序列及下文量化序列进行基于文内及文间的自注意力配置,得到文本自注意力增强序列;
对所述文本自注意力增强序列进行特征提取操作,得到特征序列集合,并对所述特征序列集合进行全连接分类操作,得到基于语义意图的关系识别结果。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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所述的实体关系的聚类提取方法。
为了解决上述问题,本发明还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至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的实体关系的聚类提取方法。
本发明实施例通过实体识别,得到实体识别结果,并根据实体识别结果进行标记,得到数据标记序列集合,其中,所述数据标记序列由于实体标记的影响,将文本分为上、中及下三文;进而通过预训练的上下文语义识别模型对数据标记序列进行语义识别,进而生成实体-关系组集合,其中,所述实体-关系组中的“关系”是由三文整体得到,比将“中文”作为“关系”的方法更加准确;最后通过关系相似度及字符相似度进行实体关系聚类。因此,本发明实施例提供的一种实体关系的聚类提取方法、装置、设备及存储介质,能够提高实体关系提取效率。
附图说明
图1为本发明一实施例提供的实体关系的聚类提取方法的流程示意图;
图2为本发明一实施例提供的实体关系的聚类提取方法中一个步骤的详细流程示意图;
图3为本发明一实施例提供的实体关系的聚类提取方法中一个步骤的详细流程示意图;
图4为本发明一实施例提供的实体关系的聚类提取方法中一个步骤的详细流程示意图;
图5为本发明一实施例提供的实体关系的聚类提取方法中一个步骤的详细流程示意图;
图6为本发明一实施例提供的实体关系的聚类提取装置的功能模块图;
图7为本发明一实施例提供的实现所述实体关系的聚类提取方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种实体关系的聚类提取方法。本申请实施例中,所述实体关系的聚类提取方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述实体关系的聚类提取方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的实体关系的聚类提取方法的流程示意图。在本实施例中,所述实体关系的聚类提取方法包括:
S1、从预构建的数据源平台集合抓取用户的社交关系数据,并对所述社交关系数据进行实体识别操作,得到实体识别结果,并根据所述实体识别结果对所述社交关系数据进行逆向标记操作,得到数据标记序列集合。
本发明实施例中,所述数据源平台集合既包括用户工作业务平台类型数据,也包括个人社交娱乐平台数据。具体的,本发明实施例通过构建包含*查查、*乎、*博、*歌、*桔子等网络平台的数据锚市场,得到所述数据源平台集合。
本发明实施例通过所述数据源平台集合抓取到用户的社交关系数据后,对所述社交关系数据进行实体识别并对识别的实体进行标签化配置。
详细的,参考图2所示,本发明实施例中,所述对所述社交关系数据进行实体识别操作,得到实体识别结果,包括:
S11、对所述社交关系数据进行分词操作,得到分词结果,并对所述分词结果进行排列及量化操作,得到社交关系文本序列集合;
S12、依次从所述社交关系文本序列集合中提取一个社交关系文本序列,利用预构建的卷积核集合对所述社交关系文本序列进行卷积操作,得到卷积矩阵集合;
S13、对所述卷积矩阵集合进行平均池化操作,得到池化矩阵集合;
S14、对所述池化矩阵集合中各个池化矩阵进行扁平化操作,并对各个扁平化结果进行连接,得到所述社交关系文本序列对应的社交文本特征序列;
S15、利用预构建的条件随机场对所述社交文本特征序列进行实体识别,得到所述社交关系文本序列的实体识别结果。
本发明实施例中,可以通过分词工具,如jieba、中文分词系统等,对社交关系数据进行分词,然后通过量化工具,如one-hot编码器等,对分词结果进行量化,得到社交关系文本序列集合。
进一步地,本发明实施例通过预构建的卷积核集合、池化层、flatten层等对所述社交关系文本序列集合进行卷积、池化、扁平化的特征提取。其中,不同卷积核用于提取不同特征;所述池化及扁平化操作用于对提取到的特征进行降维,得到一维特征序列。其中,卷积核的个数与一维特征序列的个数相同。然后将各个一维特征序列再次连接,得到社交文本特征序列。最后,本发明实施例通过预构建的条件随机场对所述社交文本特征序列进行实体识别,得到所述社交关系文本序列的实体识别结果。其中,所述条件随机场是随机场的一种无向图模型,在分词、词性标注和命名实体识别等序列标注任务中能够取得很好的效果,其在模型中的具体实施过程,此处不加以赘述。
本发明实施例中,得到实体识别结果后,需要将各个实体识别结果进行逆向标记操作。所述逆向标记操作是指将实体识别结果对应的标签添加至社交关系数据的对应位置上。例如一条社交关系数据为:用户A关注了up主B,则添加标签后得到:用户A/ent-f/关注了up主B/ent-f/,其中,ent(entity)代表实体标签,f(figure)代表实体类型,其中,实体类型还有很多,例如数值n(num)、物品ar(article)、属性at(attribute)等唯一性标签。
S2、利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,并根据所述关系识别结果,构建得到实体-关系组集合。
本发明实施例中,所述上下文语义识别模型为包括bert注意力网络、特征提取网络及意图分类全连接层网络的卷积神经网络模型,用于对分段式样本进行段间及段内的注意力配置,进而进行意图识别。
详细的,参考图3所示,本发明实施例中,所述利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,包括:
S21、根据所述数据标记序列中的两个实体识别结果对应的标记,将所述数据标记序列标记标签为上文、中文及下文,得到全文标记序列;
S22、利用预训练的上下文语义识别模型对所述全文标记序列进行分词量化操作,得到上文量化序列、中文量化序列及下文量化序列;
S23、对所述上文量化序列、中文量化序列及下文量化序列进行基于文内及文间的自注意力配置,得到文本自注意力增强序列;
S24、对所述文本自注意力增强序列进行特征提取操作,得到特征序列集合,并对所述特征序列集合进行全连接分类操作,得到基于语义意图的关系识别结果。
应当知道,实体之间的文本多为动作、“是”、“有”等较短的关联词,因此,识别实体间的关系时容易出现断章取义的情况,因此,本发明实施例在识别实体关系时,将通过上文实体/中文实体/下文的方式进行意图识别,并将上文、中文及下文的最终意图作为“中文”,构建实体-关系组集合,其中,一个实体-关系组的格式为:原文实体1-三文整体意图-原本实体2。其中,注意力权重配置过程通过bert注意力网络实施,其详细配置过程此处不加以赘述。
进一步的,参考图4所示,本发明实施例中,所述利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果之前,所述方法还包括:
S201、获取预构建的上下文语义识别模型及训练样本集,所述训练样本集中的每个训练样本包括分为上、中及下三部分的文本语句,及一个对应的语义标签;
S202、依次从所述训练样本集中提取一个训练样本作为目标样本,利用所述上下文语义识别模型对所述目标样本的文本语句进行实体关系预测,得到关系预测结果;
S203、利用交叉熵损失算法计算所述目标样本的语义标签与所述关系预测结果之间的损失值,并根据梯度下降方法,最小化所述损失值,得到所述损失值最小时的网络模型参数,并对所述网络模型参数进行网络逆向更新,得到更新上下文语义识别模型;
S204、判断所述损失值的收敛性;
当所述损失值未收敛时,返回S202的步骤,对所述更新上下文语义识别模型进行迭代更新;
当所述损失值收敛时,S205、得到训练完成的上下文语义识别模型。
本发明实施例中,通过改变输入所述上下文语义识别模型的样本格式及增加文间的自注意力识别的方式对模型进行训练,并在训练过程中通过交叉熵损失算法及梯度下降方法进行监督执行,最终通过把控损失值收敛性的方式,决定模型的训练程度。当所述损失值未收敛时,表明模型训练进步显著,还可以继续训练,则返回S202的步骤,获取样本训练;而当所述损失值收敛时,证明模型的训练效果变化不大,为避免过拟合现象,可以及时停止训练过程。其中,所述交叉熵损失算法是一种度量两个概率分布间的差异性信息,可以计算所述关系预测结果(预测结果)与所述语义标签(真实结果)的差距;所述梯度下降方法是一种寻找目标函数最小化的方法,它利用梯度信息,通过不断迭代调整参数来寻找合适的目标值。
S3、根据预配置的组合相似度聚类方法,计算所述实体-关系组集合中各个实体间的字符相似度及各个实体关系间的语义相似度,并根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
本发明实施例中,所述组合相似度聚类方法是指通过实体的字符相似度与实体关系的语义相似度,对各个实体-关系组进行混合聚类的方法。
详细的,参考图5所示,本发明实施例中,所述根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合,包括:
S31、根据所述组合相似度聚类方法,配置所述字符相似度的第一权重N,及语义相似度的第二权重1-N,并根据所述第一权重及所述第二权重,对所述字符相似度及所述语义相似度进行加权计算,得到混合相似度;
S32、根据最邻近结点算法及所述混合相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
其中,所述N属于(0,1)的区间。
具体的,本发明实施例可以通过C#语言的编辑距离算法包实现各个实体的字符相似度,通过DSSN(Deep Structured Semantic Models),实现各个实体关系的语义相似度计算。最后可以通过聚类算法,如KNN(K最邻近结点算法),EM(最大期望算法)等方法进行聚类,得到实体-关系图集合。其中,本发明采用的KNN的聚类方法是根据不同特征值之间的距离来进行分类的一种简单的机器学习方法,计算复杂度较低,适应于本申请中海量、非结构化数据的处理。
本发明实施例通过实体识别,得到实体识别结果,并根据实体识别结果进行标记,得到数据标记序列集合,其中,所述数据标记序列由于实体标记的影响,将文本分为上、中及下三文;进而通过预训练的上下文语义识别模型对数据标记序列进行语义识别,进而生成实体-关系组集合,其中,所述实体-关系组中的“关系”是由三文整体得到,比将“中文”作为“关系”的方法更加准确;最后通过关系相似度及字符相似度进行实体关系聚类。因此,本发明实施例提供的一种实体关系的聚类提取方法,能够提高实体关系提取效率。
如图6所示,是本发明一实施例提供的实体关系的聚类提取装置的功能模块图。
本发明所述实体关系的聚类提取装置100可以安装于电子设备中。根据实现的功能,所述实体关系的聚类提取装置100可以包括数据预处理模块101、实体-关系组构建模块102及实体关系聚类模块103。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述数据预处理模块101,用于从预构建的数据源平台集合抓取用户的社交关系数据,并对所述社交关系数据进行实体识别操作,得到实体识别结果,并根据所述实体识别结果对所述社交关系数据进行逆向标记操作,得到数据标记序列集合;
所述实体-关系组构建模块102,用于利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,并根据所述关系识别结果,构建得到实体-关系组集合;
所述实体关系聚类模块103,用于根据预配置的组合相似度聚类方法,计算所述实体-关系组集合中各个实体间的字符相似度及各个实体关系间的语义相似度,并根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
详细地,本申请实施例中所述实体关系的聚类提取装置100中所述的各模块在使用时采用与上述图1至图5中所述的实体关系的聚类提取方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图7所示,是本发明一实施例提供的实现实体关系的聚类提取方法的电子设备1的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如实体关系的聚类提取程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing Unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行实体关系的聚类提取程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如实体关系的聚类提取程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备1与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图7仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图7示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的实体关系的聚类提取程序是多个指令的组合,在所述处理器10中运行时,可以实现:
从预构建的数据源平台集合抓取用户的社交关系数据,并对所述社交关系数据进行实体识别操作,得到实体识别结果,并根据所述实体识别结果对所述社交关系数据进行逆向标记操作,得到数据标记序列集合;
利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,并根据所述关系识别结果,构建得到实体-关系组集合;
根据预配置的组合相似度聚类方法,计算所述实体-关系组集合中各个实体间的字符相似度及各个实体关系间的语义相似度,并根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
从预构建的数据源平台集合抓取用户的社交关系数据,并对所述社交关系数据进行实体识别操作,得到实体识别结果,并根据所述实体识别结果对所述社交关系数据进行逆向标记操作,得到数据标记序列集合;
利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,并根据所述关系识别结果,构建得到实体-关系组集合;
根据预配置的组合相似度聚类方法,计算所述实体-关系组集合中各个实体间的字符相似度及各个实体关系间的语义相似度,并根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种实体关系的聚类提取方法,其特征在于,所述方法包括:
从预构建的数据源平台集合抓取用户的社交关系数据,并对所述社交关系数据进行实体识别操作,得到实体识别结果,并根据所述实体识别结果对所述社交关系数据进行逆向标记操作,得到数据标记序列集合;
利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,并根据所述关系识别结果,构建得到实体-关系组集合;
根据预配置的组合相似度聚类方法,计算所述实体-关系组集合中各个实体间的字符相似度及各个实体关系间的语义相似度,并根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
2.如权利要求1所述的实体关系的聚类提取方法,其特征在于,所述根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合,包括:
根据所述组合相似度聚类方法,配置所述字符相似度的第一权重N,及语义相似度的第二权重1-N,并根据所述第一权重及所述第二权重,对所述字符相似度及所述语义相似度进行加权计算,得到混合相似度;
根据最邻近结点算法及所述混合相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
3.如权利要求1所述的实体关系的聚类提取方法,其特征在于,所述利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,包括:
根据所述数据标记序列中的两个实体识别结果对应的标记,将所述数据标记序列标记标签为上文、中文及下文,得到全文标记序列;
利用预训练的上下文语义识别模型对所述全文标记序列进行分词量化操作,得到上文量化序列、中文量化序列及下文量化序列;
对所述上文量化序列、中文量化序列及下文量化序列进行基于文内及文间的自注意力配置,得到文本自注意力增强序列;
对所述文本自注意力增强序列进行特征提取操作,得到特征序列集合,并对所述特征序列集合进行全连接分类操作,得到基于语义意图的关系识别结果。
4.如权利要求3所述的实体关系的聚类提取方法,其特征在于,所述利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果之前,所述方法还包括:
获取预构建的上下文语义识别模型及训练样本集,所述训练样本集中的每个训练样本包括分为上、中及下三部分的文本语句,及一个对应的语义标签;
依次从所述训练样本集中提取一个训练样本作为目标样本,利用所述上下文语义识别模型对所述目标样本的文本语句进行实体关系预测,得到关系预测结果;
利用交叉熵损失算法计算所述目标样本的语义标签与所述关系预测结果之间的损失值,并根据梯度下降方法,最小化所述损失值,得到所述损失值最小时的网络模型参数,并对所述网络模型参数进行网络逆向更新,得到更新上下文语义识别模型;
判断所述损失值的收敛性;
当所述损失值未收敛时,返回上述依次从所述训练样本集中提取一个训练样本作为目标样本的步骤,对所述更新上下文语义识别模型进行迭代更新;
当所述损失值收敛时,得到训练完成的上下文语义识别模型。
5.如权利要求1所述的实体关系的聚类提取方法,其特征在于,所述对所述社交关系数据进行实体识别操作,得到实体识别结果,包括:
对所述社交关系数据进行分词操作,得到分词结果,并对所述分词结果进行排列及量化操作,得到社交关系文本序列集合;
依次从所述社交关系文本序列集合中提取一个社交关系文本序列,利用预构建的卷积核集合对所述社交关系文本序列进行卷积操作,得到卷积矩阵集合;
对所述卷积矩阵集合进行平均池化操作,得到池化矩阵集合;
对所述池化矩阵集合中各个池化矩阵进行扁平化操作,并对各个扁平化结果进行连接,得到所述社交关系文本序列对应的社交文本特征序列;
利用预构建的条件随机场对所述社交文本特征序列进行实体识别,得到所述社交关系文本序列的实体识别结果。
6.一种实体关系的聚类提取装置,其特征在于,所述装置包括:
数据预处理模块,用于从预构建的数据源平台集合抓取用户的社交关系数据,并对所述社交关系数据进行实体识别操作,得到实体识别结果,并根据所述实体识别结果对所述社交关系数据进行逆向标记操作,得到数据标记序列集合;
实体-关系组构建模块,用于利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,并根据所述关系识别结果,构建得到实体-关系组集合;
实体关系聚类模块,用于根据预配置的组合相似度聚类方法,计算所述实体-关系组集合中各个实体间的字符相似度及各个实体关系间的语义相似度,并根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
7.如权利要求1所述的实体关系的聚类提取装置,其特征在于,所述根据所述字符相似度及所述语义相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合,包括:
根据所述组合相似度聚类方法,配置所述字符相似度的第一权重N,及语义相似度的第二权重1-N,并根据所述第一权重及所述第二权重,对所述字符相似度及所述语义相似度进行加权计算,得到混合相似度;
根据最邻近结点算法及所述混合相似度,对所述实体-关系组集合中各个实体-关系组进行聚类,得到实体-关系图集合。
8.如权利要求1所述的实体关系的聚类提取装置,其特征在于,所述利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别,得到关系识别结果,包括:
根据所述数据标记序列中的两个实体识别结果对应的标记,将所述数据标记序列标记标签为上文、中文及下文,得到全文标记序列;
利用预训练的上下文语义识别模型对所述全文标记序列进行分词量化操作,得到上文量化序列、中文量化序列及下文量化序列;
对所述上文量化序列、中文量化序列及下文量化序列进行基于文内及文间的自注意力配置,得到文本自注意力增强序列;
对所述文本自注意力增强序列进行特征提取操作,得到特征序列集合,并对所述特征序列集合进行全连接分类操作,得到基于语义意图的关系识别结果。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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如权利要求1至5中任意一项所述的实体关系的聚类提取方法。
10.一种计算机可读存储介质,存储有计算机程序,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5中任意一项所述的实体关系的聚类提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310271936.7A CN116340516A (zh) | 2023-03-16 | 2023-03-16 | 实体关系的聚类提取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310271936.7A CN116340516A (zh) | 2023-03-16 | 2023-03-16 | 实体关系的聚类提取方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116340516A true CN116340516A (zh) | 2023-06-27 |
Family
ID=86894335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310271936.7A Pending CN116340516A (zh) | 2023-03-16 | 2023-03-16 | 实体关系的聚类提取方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116340516A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757216A (zh) * | 2023-08-15 | 2023-09-15 | 之江实验室 | 基于聚类描述的小样本实体识别方法、装置和计算机设备 |
-
2023
- 2023-03-16 CN CN202310271936.7A patent/CN116340516A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757216A (zh) * | 2023-08-15 | 2023-09-15 | 之江实验室 | 基于聚类描述的小样本实体识别方法、装置和计算机设备 |
CN116757216B (zh) * | 2023-08-15 | 2023-11-07 | 之江实验室 | 基于聚类描述的小样本实体识别方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023065545A1 (zh) | 风险预测方法、装置、设备及存储介质 | |
CN114398557B (zh) | 基于双画像的信息推荐方法、装置、电子设备及存储介质 | |
CN113626607B (zh) | 异常工单识别方法、装置、电子设备及可读存储介质 | |
CN113157927B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
CN115002200A (zh) | 基于用户画像的消息推送方法、装置、设备及存储介质 | |
CN116523268B (zh) | 一种基于大数据画像的人岗匹配分析方法及装置 | |
CN115392237B (zh) | 情感分析模型训练方法、装置、设备及存储介质 | |
CN116340516A (zh) | 实体关系的聚类提取方法、装置、设备及存储介质 | |
CN114943306A (zh) | 意图分类方法、装置、设备及存储介质 | |
CN115099680A (zh) | 风险管理方法、装置、设备及存储介质 | |
CN115221276A (zh) | 基于clip的中文图文检索模型训练方法、装置、设备及介质 | |
CN114595321A (zh) | 问题标注方法、装置、电子设备及存储介质 | |
CN113706207A (zh) | 基于语义解析的订单成交率分析方法、装置、设备及介质 | |
CN111680513B (zh) | 特征信息的识别方法、装置及计算机可读存储介质 | |
CN114185617B (zh) | 业务调用接口配置方法、装置、设备及存储介质 | |
CN113361274B (zh) | 基于标签向量的意图识别方法、装置、电子设备及介质 | |
CN113157865B (zh) | 跨语言词向量生成方法、装置、电子设备及存储介质 | |
CN116307736A (zh) | 风险画像自动生成的方法、装置、设备及存储介质 | |
CN115082736A (zh) | 垃圾识别分类方法、装置、电子设备及存储介质 | |
CN116521867A (zh) | 文本聚类方法、装置、电子设备及存储介质 | |
CN116340537A (zh) | 人物关系抽取方法、装置、电子设备及存储介质 | |
CN113723114A (zh) | 基于多意图识别的语义分析方法、装置、设备及存储介质 | |
CN112988963A (zh) | 基于多流程节点的用户意图预测方法、装置、设备及介质 | |
CN116738044A (zh) | 基于个性化实现高校图书馆的图书推荐方法、装置及设备 | |
CN115130684A (zh) | 意图识别模型训练方法、装置、电子设备及存储介质 |
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 |