CN116340537A - 人物关系抽取方法、装置、电子设备及存储介质 - Google Patents
人物关系抽取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116340537A CN116340537A CN202310273070.3A CN202310273070A CN116340537A CN 116340537 A CN116340537 A CN 116340537A CN 202310273070 A CN202310273070 A CN 202310273070A CN 116340537 A CN116340537 A CN 116340537A
- Authority
- CN
- China
- Prior art keywords
- data
- entity
- entities
- character
- training
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 154
- 238000012549 training Methods 0.000 claims abstract description 120
- 238000012545 processing Methods 0.000 claims abstract description 73
- 230000011218 segmentation Effects 0.000 claims abstract description 34
- 239000013598 vector Substances 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000002860 competitive effect Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 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
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及人工智能,揭露一种人物关系抽取方法,包括:提取企业相关数据中的多个人物实体对应的属性数据和关系数据,根据属性数据和关系数据对多个人物实体进行同一性判别,得到多个标准实体,将企业相关数据中符合抽取要求的数据作为待抽取文档,对待抽取文档进行分段处理,得到多个文档段落,抽取出多个文档段落对应的多个三元组,利用与三元组匹配的训练文本对初始提取模型进行模型训练,得到人物关系抽取模型,将标准实体输入至人物关系抽取模型中,得到标准人物关系。此外,本发明还涉及区块链技术,标准实体可存储于区块链的节点。本发明还提出一种人物关系抽取装置、电子设备以及存储介质。本发明可以提高人物关系抽取的效率。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种人物关系抽取方法、装置、电子设备及存储介质。
背景技术
随着科技的发展和社会的进步,各行各业的企业如同雨后春笋一样涌现,而在不同行业的企业之中,则存在大量且复杂的人物关系,例如,企业A中员工A和员工B存在的上下级关系,或者员工B和员工C存在的同事关系等。不同的人物关系可以作为后续对企业进行企业分析的数据基础,因此需要对企业中的人物关系进行抽取。
人物关系抽取是信息抽取领域和自然语言处理领域中的一项重要研究内容,其任务是指从自然语言文本中获取两个人物实体之间的人物关系,目前采用的人物关系抽取方法需要通过人工对人物实体和人物实体之间的人物关系进行标注,进而得到人物关系,这种方法的效率低。因此,亟待提出一种效率更高的人物关系抽取方法。
发明内容
本发明提供一种人物关系抽取方法、装置、电子设备及存储介质,其主要目的在于提高人物关系抽取的效率。
为实现上述目的,本发明提供的一种人物关系抽取方法,包括:
获取预设企业数据库中的企业相关数据及所述企业相关数据中的多个人物实体,提取所述人物实体中的属性数据和关系数据,根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体;
将所述企业相关数据中符合预设抽取要求的数据作为待抽取文档,对所述待抽取文档进行分段处理,得到多个文档段落,利用三元组抽取模型抽取出所述多个文档段落对应的多个三元组;
获取与所述三元组匹配的训练文本,利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型;
将所述标准实体输入至所述人物关系抽取模型中,得到标准人物关系。
可选地,所述提取所述人物实体中的属性数据和关系数据,包括:
将所述人物实体中的实体相关数据与预设属性参考表中的参考数据进行比对,所述预设属性参考表中包含属性类别和所述属性类别对应的参考数据;
将与所述实体相关数据一致的参考数据作为所述人物实体中的属性数据;
对所述属性数据进行关系分析处理,得到所述人物实体中的关系数据。
可选地,所述根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体,包括:
将多个人物实体中的任意两个人物实体作为目标实体,分别对所述目标实体对应的属性数据和所述关系数据进行向量化处理,得到属性向量和关系向量;
计算所述属性向量和所述关系向量之间的相似度,并对所述相似度进行拟合处理,得到人物实体相似度;
当所述人物实体相似度大于或者等于预设实体阈值时,将所述目标实体判定为相同实体,并删除所述多个人物实体中的任意一个目标实体;
当所述人物实体相似度小于预设实体阈值时,将所述目标实体判定为区别实体,并保留所述多个人物实体中的区别实体;
汇总保留的相同实体及区别实体,得到多个标准实体。
可选地,所述对所述待抽取文档进行分段处理,得到多个文档段落,包括:
获取多个文档及所述文档对应的分段结果,以所述分段结果作为训练语料集训练得到分段模型;
将所述待抽取文档输入至所述分段模型中,得到多个文档段落。
可选地,所述获取与所述三元组匹配的训练文本,包括:
构建包含多个参考文本的文本数据库,并对所述三元组进行解析处理,得到头实体和尾实体;
在所述文本数据库中检索得到与所述头实体且与所述尾实体一致的文本数据,将所述文本数据作为训练文本。
可选地,所述利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型,包括:
利用所述初始提取模型对所述训练文本进行关系预测处理,得到预测关系;
根据所述预测关系和所述训练文本对应的已知关系构建损失函数,并利用所述损失函数的函数值对所述初始提取模型进行参数调整,得到人物关系抽取模型。
可选地,所述利用所述初始提取模型对所述训练文本进行关系预测处理,得到预测关系,包括:
对所述训练文本进行分字符处理,得到多个训练字符;
基于所述训练字符和预设训练参考字符的位置关系生成所述训练字符对应的实体位置特征;
将多个所述训练字符和所述实体位置特征输入至所述初始提取模型中,得到预测关系。
为了解决上述问题,本发明还提供一种人物关系抽取装置,所述装置包括:
同一性判别模块,用于获取预设企业数据库中的企业相关数据及所述企业相关数据中的多个人物实体,提取所述人物实体中的属性数据和关系数据,根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体;
三元组抽取模型,用于将所述企业相关数据中符合预设抽取要求的数据作为待抽取文档,对所述待抽取文档进行分段处理,得到多个文档段落,利用三元组抽取模型抽取出所述多个文档段落对应的多个三元组;
模型训练模型,用于获取与所述三元组匹配的训练文本,利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型;
人物关系抽取模型,用于将所述标准实体输入至所述人物关系抽取模型中,得到标准人物关系。
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人物关系抽取方法。
为了解决上述问题,本发明还提供一种存储介质,所述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人物关系抽取方法。
本发明实施例中,通过企业相关数据中的属性数据和关系数据对多个人物实体进行同一性判别处理,得到多个标准实体,同一性判别处理可以对多个人物实体进行实体的筛选,对企业相关数据中符合预设抽取要求的待抽取文档进行分段及三元组抽取处理,得到多个三元组,并利用与所述三元组匹配的训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型,利用与三元组匹配的训练文本去训练模型,减少对数据标注,提高训练数据获取的效率,将所述标准实体输入至所述人物关系抽取模型中,得到标准人物关系。因此本发明提出的人物关系抽取方法、装置、电子设备及存储介质,可以解决提高人物关系抽取的效率低的问题。
附图说明
图1为本发明一实施例提供的人物关系抽取方法的流程示意图;
图2为图1中其中一个步骤的详细实施流程示意图;
图3为本发明一实施例提供的人物关系抽取装置的功能模块图;
图4为本发明一实施例提供的实现所述人物关系抽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人物关系抽取方法。所述人物关系抽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,所述人物关系抽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人物关系抽取方法的流程示意图。在本实施例中,所述人物关系抽取方法包括:
S1、获取预设企业数据库中的企业相关数据及所述企业相关数据中的多个人物实体,提取所述人物实体中的属性数据和关系数据,根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体。
本发明实施例中,所述预设企业数据库中包含与目标企业有关的所有相关数据,其中,包括但不限于企业员工数据、企业架构数据和企业概况等。所述企业相关数据中的多个人物实体是指在企业相关数据中符合实体定义标准的数据。其中,从数据库的角度而言,实体是指某类事物的集合,把每一类数据对象的个体称为实体。例如,所述人物实体可以是企业A、企业B、员工C或者员工D。
具体地,所述提取所述人物实体中的属性数据和关系数据,包括:
将所述人物实体中的实体相关数据与预设属性参考表中的参考数据进行比对,其中,所述预设属性参考表中包含属性类别和所述属性类别对应的参考数据;
将与所述实体相关数据一致的参考数据作为所述人物实体中的属性数据;
对所述属性数据进行关系分析处理,得到所述人物实体中的关系数据。
详细地,本发明实施例中,所述预设属性参考表中包括同义属性或者存在关联的属性,而在同义属性和存在关联的属性之下都存在对应的参考数据,本发明实施例中,将所述实体相关数据与预设属性参考表中的参考数据进行比对,将与所述实体相关数据一致的参考数据作为所述人物实体中的属性数据,并对所述属性数据进行关系分析处理,得到所述人物实体中的关系数据。其中,所述关系数据可以为同级关系、上下级关系、合作关系、竞争关系等。
进一步地,所述根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体,包括:
S11、将多个人物实体中的任意两个人物实体作为目标实体,分别对所述目标实体对应的属性数据和所述关系数据进行向量化处理,得到属性向量和关系向量;
S12、计算所述属性向量和所述关系向量之间的相似度,并对所述相似度进行拟合处理,得到人物实体相似度;
S13、当所述人物实体相似度大于或者等于预设实体阈值时,将所述目标实体判定为相同实体,并删除所述多个人物实体中的任意一个目标实体;
S14、当所述人物实体相似度小于预设实体阈值时,将所述目标实体判定为区别实体,并保留所述多个人物实体中的区别实体;
S15、汇总保留的相同实体及区别实体,得到多个标准实体。
其中,由于人物实体会存在有多个名字代表同一人物的情况,因此需要对人物实体进行同一性判别处理,即相同实体是指不同的名字但是本质属于同一个人物的实体;区别实体是指名字不同且本质也不属于同一人物的实体。本发明实施例中,进行同一性判断得到的多个标准实体是准确的实体。
详细地,所述向量化处理可以通过TransE模型实现,即将所述目标实体对应的属性数据和所述关系数据输入至TransE模型中,得到属性向量和关系向量,并可以通过余弦相似度计算方法计算所述属性向量和所述关系向量之间的相似度,再通过二元回归模型拟合相似度,得到人物实体相似度。
优选地,由于在人物实体的关系信息中,实体与实体之间通过关系连接在一起,形成了关系结构,且实体之间的关系还具有语义信息,即不同实体之间的关系类型可能不同。传统的嵌入模型在嵌入时只对实体之间关系结构信息进行嵌入,不能刻画关系的语义信息,而TransE模型不仅可以对实体的关系结构信息嵌入,还嵌入了关系的语义信息,得到表示实体的关系结构和关系语义信息的向量;且相比于其他嵌入模型,TransE可以很好的解决实体与实体之间的关系准确表示问题和计算复杂度高的问题。故可使用TransE模型对实体信息进行向量表示学习。
S2、将所述企业相关数据中符合预设抽取要求的数据作为待抽取文档,对所述待抽取文档进行分段处理,得到多个文档段落,利用三元组抽取模型抽取出所述多个文档段落对应的多个三元组。
本发明实施例中,由于所述企业相关数据中存在企业员工数据、企业架构数据和企业概况等不同类型的数据,而通常是对企业员工数据进行分析,得到各级员工之间的关系,或者对企业架构数据进行分析,得到企业组织架构中不同的关系,故本发明实施例将企业相关数据中符合预设抽取要求的数据作为待抽取文档。其中,预设抽取条件是指企业员工数据类型或者企业架构数据类型。
具体地,所述对所述待抽取文档进行分段处理,得到多个文档段落,包括:
获取多个文档及所述文档对应的分段结果,以所述分段结果作为训练语料集训练得到分段模型;
将所述待抽取文档输入至所述分段模型中,得到多个文档段落。
详细地,所述分段模型可以为利用BERT模型和BI-LSTM模型进行联合建模所得的模型。
进一步地,本发明实施例可以利用三元组抽取模型抽取出所述多个文档段落对应的多个三元组,其中,所述三元组抽取模型是提前训练好的模型。
S3、获取与所述三元组匹配的训练文本,利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型。
本发明实施例中,所述获取与所述三元组匹配的训练文本,包括:
构建包含多个参考文本的文本数据库,并对所述三元组进行解析处理,得到头实体和尾实体;
在所述文本数据库中检索得到与所述头实体且与所述尾实体一致的文本数据,将所述文本数据作为训练文本。
详细地,本发明实施例对所述三元组解析处理后得到三元组的头实体和尾实体,将与所述头实体且与所述尾实体一致但关系不一致的文本作为训练文本。
例如,所述三元组可以为[员工A,同事,员工B],对所述三元组进行解析处理,得到头实体为员工A,尾实体为员工B,而在所述文本数据库中包含多个参考文本,在所述文本数据库中检索得到与所述头实体且与所述尾实体一致的文本数据,即检索包含员工A和员工B的文本数据作为训练文本。
具体地,所述利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型,包括:
利用所述初始提取模型对所述训练文本进行关系预测处理,得到预测关系;
根据所述预测关系和所述训练文本对应的已知关系构建损失函数,并利用所述损失函数的函数值对所述初始提取模型进行参数调整,得到人物关系抽取模型。
详细地,所述初始提取模型可以为深度学习模型,例如,卷积神经网络(CNN,Convolutional NeuralNetworks)或双向循环神经网络(RNN,Recurrent NeuralNetworks)。
进一步地,所述利用所述初始提取模型对所述训练文本进行关系预测处理,得到预测关系,包括:
对所述训练文本进行分字符处理,得到多个训练字符;
基于所述训练字符和预设训练参考字符的位置关系生成所述训练字符对应的实体位置特征;
将多个所述训练字符和所述实体位置特征输入至所述初始提取模型中,得到预测关系。
详细地,所述实体位置特征用于表征每个训练字符相对于头实体或者尾实体的距离,由于包含头实体和尾实体两个实体,因此,每个训练字符的实体位置特征为两个,其中,一个为训练字符与头实体的距离,另一个为训练字符与尾实体的距离。
S4、将所述标准实体输入至所述人物关系抽取模型中,得到标准人物关系。
本发明实施例中,所述标准实体是经过同一性判别处理后得到的实体,因此更加准确,将所述标准实体输入至所述人物关系抽取模型中,得到所述标准实体对应的标准人物关系。
本发明实施例中,通过企业相关数据中的属性数据和关系数据对多个人物实体进行同一性判别处理,得到多个标准实体,同一性判别处理可以对多个人物实体进行实体的筛选,对企业相关数据中符合预设抽取要求的待抽取文档进行分段及三元组抽取处理,得到多个三元组,并利用与所述三元组匹配的训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型,利用与三元组匹配的训练文本去训练模型,减少对数据标注,提高训练数据获取的效率,将所述标准实体输入至所述人物关系抽取模型中,得到标准人物关系。因此本发明提出的人物关系抽取方法可以解决提高人物关系抽取的效率低的问题。
如图3所示,是本发明一实施例提供的人物关系抽取装置的功能模块图。
本发明所述人物关系抽取装置100可以安装于电子设备中。根据实现的功能,所述人物关系抽取装置100可以包括同一性判别模块101、三元组抽取模块102、模型训练模块103及关系抽取模块104。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:
所述同一性判别模块101,用于获取预设企业数据库中的企业相关数据及所述企业相关数据中的多个人物实体,提取所述人物实体中的属性数据和关系数据,根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体;
所述三元组抽取模块102,用于将所述企业相关数据中符合预设抽取要求的数据作为待抽取文档,对所述待抽取文档进行分段处理,得到多个文档段落,利用三元组抽取模型抽取出所述多个文档段落对应的多个三元组;
所述模型训练模块103,用于获取与所述三元组匹配的训练文本,利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型;
所述关系抽取模块104,用于将所述标准实体输入至所述人物关系抽取模型中,得到标准人物关系。
详细地,所述人物关系抽取装置100各模块的具体实施方式如下:
步骤一、获取预设企业数据库中的企业相关数据及所述企业相关数据中的多个人物实体,提取所述人物实体中的属性数据和关系数据,根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体。
本发明实施例中,所述预设企业数据库中包含与目标企业有关的所有相关数据,其中,包括但不限于企业员工数据、企业架构数据和企业概况等。所述企业相关数据中的多个人物实体是指在企业相关数据中符合实体定义标准的数据。其中,从数据库的角度而言,实体是指某类事物的集合,把每一类数据对象的个体称为实体。例如,所述人物实体可以是企业A、企业B、员工C或者员工D。
具体地,所述提取所述人物实体中的属性数据和关系数据,包括:
将所述人物实体中的实体相关数据与预设属性参考表中的参考数据进行比对,其中,所述预设属性参考表中包含属性类别和所述属性类别对应的参考数据;
将与所述实体相关数据一致的参考数据作为所述人物实体中的属性数据;
对所述属性数据进行关系分析处理,得到所述人物实体中的关系数据。
详细地,本发明实施例中,所述预设属性参考表中包括同义属性或者存在关联的属性,而在同义属性和存在关联的属性之下都存在对应的参考数据,本发明实施例中,将所述实体相关数据与预设属性参考表中的参考数据进行比对,将与所述实体相关数据一致的参考数据作为所述人物实体中的属性数据,并对所述属性数据进行关系分析处理,得到所述人物实体中的关系数据。其中,所述关系数据可以为同级关系、上下级关系、合作关系、竞争关系等。
进一步地,所述根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体,包括:
将多个人物实体中的任意两个人物实体作为目标实体,分别对所述目标实体对应的属性数据和所述关系数据进行向量化处理,得到属性向量和关系向量;
计算所述属性向量和所述关系向量之间的相似度,并对所述相似度进行拟合处理,得到人物实体相似度;
当所述人物实体相似度大于或者等于预设实体阈值时,将所述目标实体判定为相同实体,并删除所述多个人物实体中的任意一个目标实体;
当所述人物实体相似度小于预设实体阈值时,将所述目标实体判定为区别实体,并保留所述多个人物实体中的区别实体;
汇总保留的相同实体及区别实体,得到多个标准实体。
其中,由于人物实体会存在有多个名字代表同一人物的情况,因此需要对人物实体进行同一性判别处理,即相同实体是指不同的名字但是本质属于同一个人物的实体;区别实体是指名字不同且本质也不属于同一人物的实体。本发明实施例中,进行同一性判断得到的多个标准实体是准确的实体。
详细地,所述向量化处理可以通过TransE模型实现,即将所述目标实体对应的属性数据和所述关系数据输入至TransE模型中,得到属性向量和关系向量,并可以通过余弦相似度计算方法计算所述属性向量和所述关系向量之间的相似度,再通过二元回归模型拟合相似度,得到人物实体相似度。
优选地,由于在人物实体的关系信息中,实体与实体之间通过关系连接在一起,形成了关系结构,且实体之间的关系还具有语义信息,即不同实体之间的关系类型可能不同。传统的嵌入模型在嵌入时只对实体之间关系结构信息进行嵌入,不能刻画关系的语义信息,而TransE模型不仅可以对实体的关系结构信息嵌入,还嵌入了关系的语义信息,得到表示实体的关系结构和关系语义信息的向量;且相比于其他嵌入模型,TransE可以很好的解决实体与实体之间的关系准确表示问题和计算复杂度高的问题。故可使用TransE模型对实体信息进行向量表示学习。
步骤二、将所述企业相关数据中符合预设抽取要求的数据作为待抽取文档,对所述待抽取文档进行分段处理,得到多个文档段落,利用三元组抽取模型抽取出所述多个文档段落对应的多个三元组。
本发明实施例中,由于所述企业相关数据中存在企业员工数据、企业架构数据和企业概况等不同类型的数据,而通常是对企业员工数据进行分析,得到各级员工之间的关系,或者对企业架构数据进行分析,得到企业组织架构中不同的关系,故本发明实施例将企业相关数据中符合预设抽取要求的数据作为待抽取文档。其中,预设抽取条件是指企业员工数据类型或者企业架构数据类型。
具体地,所述对所述待抽取文档进行分段处理,得到多个文档段落,包括:
获取多个文档及所述文档对应的分段结果,以所述分段结果作为训练语料集训练得到分段模型;
将所述待抽取文档输入至所述分段模型中,得到多个文档段落。
详细地,所述分段模型可以为利用BERT模型和BI-LSTM模型进行联合建模所得的模型。
进一步地,本发明实施例可以利用三元组抽取模型抽取出所述多个文档段落对应的多个三元组,其中,所述三元组抽取模型是提前训练好的模型。
步骤三、获取与所述三元组匹配的训练文本,利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型。
本发明实施例中,所述获取与所述三元组匹配的训练文本,包括:
构建包含多个参考文本的文本数据库,并对所述三元组进行解析处理,得到头实体和尾实体;
在所述文本数据库中检索得到与所述头实体且与所述尾实体一致的文本数据,将所述文本数据作为训练文本。
详细地,本发明实施例对所述三元组解析处理后得到三元组的头实体和尾实体,将与所述头实体且与所述尾实体一致但关系不一致的文本作为训练文本。
例如,所述三元组可以为[员工A,同事,员工B],对所述三元组进行解析处理,得到头实体为员工A,尾实体为员工B,而在所述文本数据库中包含多个参考文本,在所述文本数据库中检索得到与所述头实体且与所述尾实体一致的文本数据,即检索包含员工A和员工B的文本数据作为训练文本。
具体地,所述利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型,包括:
利用所述初始提取模型对所述训练文本进行关系预测处理,得到预测关系;
根据所述预测关系和所述训练文本对应的已知关系构建损失函数,并利用所述损失函数的函数值对所述初始提取模型进行参数调整,得到人物关系抽取模型。
详细地,所述初始提取模型可以为深度学习模型,例如,卷积神经网络(CNN,Convolutional NeuralNetworks)或双向循环神经网络(RNN,Recurrent NeuralNetworks)。
进一步地,所述利用所述初始提取模型对所述训练文本进行关系预测处理,得到预测关系,包括:
对所述训练文本进行分字符处理,得到多个训练字符;
基于所述训练字符和预设训练参考字符的位置关系生成所述训练字符对应的实体位置特征;
将多个所述训练字符和所述实体位置特征输入至所述初始提取模型中,得到预测关系。
详细地,所述实体位置特征用于表征每个训练字符相对于头实体或者尾实体的距离,由于包含头实体和尾实体两个实体,因此,每个训练字符的实体位置特征为两个,其中,一个为训练字符与头实体的距离,另一个为训练字符与尾实体的距离。
步骤四、将所述标准实体输入至所述人物关系抽取模型中,得到标准人物关系。
本发明实施例中,所述标准实体是经过同一性判别处理后得到的实体,因此更加准确,将所述标准实体输入至所述人物关系抽取模型中,得到所述标准实体对应的标准人物关系。
本发明实施例中,通过企业相关数据中的属性数据和关系数据对多个人物实体进行同一性判别处理,得到多个标准实体,同一性判别处理可以对多个人物实体进行实体的筛选,对企业相关数据中符合预设抽取要求的待抽取文档进行分段及三元组抽取处理,得到多个三元组,并利用与所述三元组匹配的训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型,利用与三元组匹配的训练文本去训练模型,减少对数据标注,提高训练数据获取的效率,将所述标准实体输入至所述人物关系抽取模型中,得到标准人物关系。因此本发明提出的人物关系抽取装置可以解决提高人物关系抽取的效率低的问题。
如图4所示,是本发明一实施例提供的实现人物关系抽取方法的电子设备的结构示意图。
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,如人物关系抽取程序。
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(例如执行人物关系抽取程序等),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,例如人物关系抽取程序的代码等,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4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4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存储的人物关系抽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:
获取预设企业数据库中的企业相关数据及所述企业相关数据中的多个人物实体,提取所述人物实体中的属性数据和关系数据,根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体;
将所述企业相关数据中符合预设抽取要求的数据作为待抽取文档,对所述待抽取文档进行分段处理,得到多个文档段落,利用三元组抽取模型抽取出所述多个文档段落对应的多个三元组;
获取与所述三元组匹配的训练文本,利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型;
将所述标准实体输入至所述人物关系抽取模型中,得到标准人物关系。
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,可以存储在一个存储介质中。所述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:
获取预设企业数据库中的企业相关数据及所述企业相关数据中的多个人物实体,提取所述人物实体中的属性数据和关系数据,根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体;
将所述企业相关数据中符合预设抽取要求的数据作为待抽取文档,对所述待抽取文档进行分段处理,得到多个文档段落,利用三元组抽取模型抽取出所述多个文档段落对应的多个三元组;
获取与所述三元组匹配的训练文本,利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型;
将所述标准实体输入至所述人物关系抽取模型中,得到标准人物关系。
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)
1.一种人物关系抽取方法,其特征在于,所述方法包括:
获取预设企业数据库中的企业相关数据及所述企业相关数据中的多个人物实体,提取所述人物实体中的属性数据和关系数据,根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体;
将所述企业相关数据中符合预设抽取要求的数据作为待抽取文档,对所述待抽取文档进行分段处理,得到多个文档段落,利用三元组抽取模型抽取出所述多个文档段落对应的多个三元组;
获取与所述三元组匹配的训练文本,利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型;
将所述标准实体输入至所述人物关系抽取模型中,得到标准人物关系。
2.如权利要求1所述的人物关系抽取方法,其特征在于,所述提取所述人物实体中的属性数据和关系数据,包括:
将所述人物实体中的实体相关数据与预设属性参考表中的参考数据进行比对,所述预设属性参考表中包含属性类别和所述属性类别对应的参考数据;
将与所述实体相关数据一致的参考数据作为所述人物实体中的属性数据;
对所述属性数据进行关系分析处理,得到所述人物实体中的关系数据。
3.如权利要求1所述的人物关系抽取方法,其特征在于,所述根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体,包括:
将多个人物实体中的任意两个人物实体作为目标实体,分别对所述目标实体对应的属性数据和所述关系数据进行向量化处理,得到属性向量和关系向量;
计算所述属性向量和所述关系向量之间的相似度,并对所述相似度进行拟合处理,得到人物实体相似度;
当所述人物实体相似度大于或者等于预设实体阈值时,将所述目标实体判定为相同实体,并删除所述多个人物实体中的任意一个目标实体;
当所述人物实体相似度小于预设实体阈值时,将所述目标实体判定为区别实体,并保留所述多个人物实体中的区别实体;
汇总保留的相同实体及区别实体,得到多个标准实体。
4.如权利要求1所述的人物关系抽取方法,其特征在于,所述对所述待抽取文档进行分段处理,得到多个文档段落,包括:
获取多个文档及所述文档对应的分段结果,以所述分段结果作为训练语料集训练得到分段模型;
将所述待抽取文档输入至所述分段模型中,得到多个文档段落。
5.如权利要求1所述的人物关系抽取方法,其特征在于,所述获取与所述三元组匹配的训练文本,包括:
构建包含多个参考文本的文本数据库,并对所述三元组进行解析处理,得到头实体和尾实体;
在所述文本数据库中检索得到与所述头实体且与所述尾实体一致的文本数据,将所述文本数据作为训练文本。
6.如权利要求1所述的人物关系抽取方法,其特征在于,所述利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型,包括:
利用所述初始提取模型对所述训练文本进行关系预测处理,得到预测关系;
根据所述预测关系和所述训练文本对应的已知关系构建损失函数,并利用所述损失函数的函数值对所述初始提取模型进行参数调整,得到人物关系抽取模型。
7.如权利要求6所述的人物关系抽取方法,其特征在于,所述利用所述初始提取模型对所述训练文本进行关系预测处理,得到预测关系,包括:
对所述训练文本进行分字符处理,得到多个训练字符;
基于所述训练字符和预设训练参考字符的位置关系生成所述训练字符对应的实体位置特征;
将多个所述训练字符和所述实体位置特征输入至所述初始提取模型中,得到预测关系。
8.一种人物关系抽取装置,其特征在于,所述装置包括:
同一性判别模块,用于获取预设企业数据库中的企业相关数据及所述企业相关数据中的多个人物实体,提取所述人物实体中的属性数据和关系数据,根据所述属性数据和所述关系数据对所述多个人物实体进行同一性判别处理,得到多个标准实体;
三元组抽取模块,用于将所述企业相关数据中符合预设抽取要求的数据作为待抽取文档,对所述待抽取文档进行分段处理,得到多个文档段落,利用三元组抽取模型抽取出所述多个文档段落对应的多个三元组;
模型训练模块,用于获取与所述三元组匹配的训练文本,利用所述训练文本对初始提取模型进行模型训练处理,得到人物关系抽取模型;
关系抽取模块,用于将所述标准实体输入至所述人物关系抽取模型中,得到标准人物关系。
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7中任意一项所述的人物关系抽取方法。
10.一种存储介质,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7中任意一项所述的人物关系抽取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310273070.3A CN116340537A (zh) | 2023-03-20 | 2023-03-20 | 人物关系抽取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310273070.3A CN116340537A (zh) | 2023-03-20 | 2023-03-20 | 人物关系抽取方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116340537A true CN116340537A (zh) | 2023-06-27 |
Family
ID=86878378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310273070.3A Pending CN116340537A (zh) | 2023-03-20 | 2023-03-20 | 人物关系抽取方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116340537A (zh) |
-
2023
- 2023-03-20 CN CN202310273070.3A patent/CN116340537A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113360654B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
CN115238670B (zh) | 信息文本抽取方法、装置、设备及存储介质 | |
CN113111162A (zh) | 科室推荐方法、装置、电子设备及存储介质 | |
CN113706322A (zh) | 基于数据分析的服务分发方法、装置、设备及存储介质 | |
CN114840684A (zh) | 基于医疗实体的图谱构建方法、装置、设备及存储介质 | |
CN113344125B (zh) | 长文本匹配识别方法、装置、电子设备及存储介质 | |
CN114416939A (zh) | 智能问答方法、装置、设备及存储介质 | |
CN114220536A (zh) | 基于机器学习的疾病分析方法、装置、设备及存储介质 | |
CN113935880A (zh) | 政策推荐方法、装置、设备及存储介质 | |
CN116468025A (zh) | 电子病历结构化方法、装置、电子设备及存储介质 | |
CN116340516A (zh) | 实体关系的聚类提取方法、装置、设备及存储介质 | |
CN113515591B (zh) | 文本不良信息识别方法、装置、电子设备及存储介质 | |
CN114943306A (zh) | 意图分类方法、装置、设备及存储介质 | |
CN114996386A (zh) | 业务角色识别方法、装置、设备及存储介质 | |
CN114595321A (zh) | 问题标注方法、装置、电子设备及存储介质 | |
CN114610854A (zh) | 智能问答方法、装置、设备及存储介质 | |
CN113888265A (zh) | 产品推荐方法、装置、设备及计算机可读存储介质 | |
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 | |
CN116340537A (zh) | 人物关系抽取方法、装置、电子设备及存储介质 | |
CN113806540A (zh) | 文本打标签方法、装置、电子设备及存储介质 | |
CN111680513B (zh) | 特征信息的识别方法、装置及计算机可读存储介质 | |
CN114970501A (zh) | 基于文本的实体关系抽取方法、装置、设备及介质 | |
CN116451693A (zh) | 企业人物关系抽取方法、装置、设备及可读存储介质 | |
CN116341549A (zh) | 实体关系识别方法、装置、电子设备及存储介质 | |
CN116579349A (zh) | 文本语义分段方法、装置、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 |