CN116522935B - 文本数据处理方法、处理装置和电子设备 - Google Patents
文本数据处理方法、处理装置和电子设备 Download PDFInfo
- Publication number
- CN116522935B CN116522935B CN202310316455.3A CN202310316455A CN116522935B CN 116522935 B CN116522935 B CN 116522935B CN 202310316455 A CN202310316455 A CN 202310316455A CN 116522935 B CN116522935 B CN 116522935B
- Authority
- CN
- China
- Prior art keywords
- entity
- text data
- relation
- target entity
- text
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 28
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 101
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 14
- 238000002372 labelling Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 abstract description 29
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 206010019233 Headaches Diseases 0.000 description 34
- 231100000869 headache Toxicity 0.000 description 34
- 230000008569 process Effects 0.000 description 14
- 206010012735 Diarrhoea Diseases 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 5
- 238000013519 translation Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/151—Transformation
-
- 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
- G06N3/09—Supervised learning
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Machine Translation (AREA)
Abstract
本公开的实施例公开了文本数据处理方法、处理装置和电子设备。该文本数据处理方法的一具体实施方式包括:将文本数据输入实体提取模型,确定文本数据中各实体的属性信息;根据各实体的属性信息,确定文本数据中的目标实体;基于文本数据和目标实体,生成候选文本数据;将候选文本数据输入关系提取模型,确定文本数据中与目标实体存在预设关系的实体。该实施方式通过把端到端的实体关系提取任务,拆分为实体提取和实体关系提取两部分。这样不仅可以保证实体关系提取结果的准确度,还保留了各实体在原文本中的位置信息。从而有助于人员快速找出文本所反映出的问题,提高问题的解决效率和解决效果。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及文本数据处理方法、处理装置和电子设备。
背景技术
在自然语言理解中,通常有一项非常重要的任务,一般是从一段文本中,提取出实体,以及相应的实体依存关系。相关技术上,为了避免撰写大量的正则表达式来进行语法解析,一般会采用分析树(parsing tree)来表示。分析树的语法与JSON非常相似。通常是根据需要提取的内容,仅需要把需要提取的内容在parsing tree中表达出来即可。其中,JSON是JavaScript Object Notation的简写,它是一种轻量级的数据交换格式。例如对于“两鬓头发缺失一年”的文本,用字符串表达的parsing tree可以为(临床表现头发缺失 (方位两鬓) (时间一年))。
然而,发明人发现parsing tree存在一个重要问题,就是丢失了实体在原文中的位置信息。因此,如果要找到每个实体具体在原文中的位置,只能通过字符串匹配来寻找实体在原文中的位置。这一点从上面列举的例子中也可以看出。但是当一个字符串在文本中出现多次时,则不一定能找到正确的位置。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了文本数据处理方法、文本数据处理装置和电子设备,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种文本数据处理方法,包括:将文本数据输入实体提取模型,确定文本数据中各实体的属性信息,其中,实体提取模型用于对输入文本中的各字符进行实体识别和分类;根据各实体的属性信息,确定文本数据中的目标实体;基于文本数据和目标实体,生成候选文本数据;将候选文本数据输入关系提取模型,确定文本数据中与目标实体存在预设关系的实体,其中,关系提取模型用于对输入文本中目标实体的关系进行标注。
在一些实施例中,基于文本数据和目标实体,生成候选文本数据,包括:将文本数据与目标实体进行拼接处理,生成候选文本数据。
在一些实施例中,将文本数据与目标实体进行拼接处理,生成候选文本数据,包括:将文本数据中除目标实体外的字符转换为统一字符,得到转换文本数据;将文本数据与转换文本数据进行串联拼接,生成候选文本数据,其中,转换文本数据位于文本数据的前端或后端。
在一些实施例中,关系提取模型用于根据与目标实体是否存在预设关系,对文本数据中的各实体进行分类标注;以及确定文本数据中与目标实体存在预设关系的实体,包括:根据关系提取模型输出的分类标签,将与目标实体存在预设关系的实体作为目标实体,以继续确定存在预设关系的实体,直至关系提取模型输出表征不存在预设关系的实体的分类结果。
在一些实施例中,实体提取模型和关系提取模型均采用无自回归模型结构。
在一些实施例中,实体提取模型包括:输入层,用于接收输入模型的文本数据;转换层,用于将输入层接收到的文本数据中的各字符转换为特征向量;至少一个前馈神经网络层,用于对转换层得到特征向量进行实体划分识别,以及分析确定各实体的分类;输出层,用于对神经网络层的分析结果转化输出,得到输入的文本数据中各实体的属性信息数据。
在一些实施例中,根据各实体的属性信息,确定文本数据中的目标实体,包括:将分类为预设类别的实体确定为文本数据中的目标实体。
在一些实施例中,该方法还包括:将目标实体确定为根节点,根据文本数据中各实体的属性信息、实体间关系,生成文本数据的语法分析树,以及通过图形方式显示语法分析树。
第二方面,本公开的一些实施例提供了一种文本数据处理装置,包括:实体确定单元,被配置成将文本数据输入实体提取模型,确定文本数据中各实体的属性信息,其中,实体提取模型用于对输入文本中的各字符进行实体识别和分类;目标实体确定单元,被配置成根据各实体的属性信息,确定文本数据中的目标实体;文本生成单元,被配置成基于文本数据和目标实体,生成候选文本数据;关系确定单元,被配置成将候选文本数据输入关系提取模型,确定文本数据中与目标实体存在预设关系的实体,其中,关系提取模型用于对输入文本中目标实体的关系进行标注。
在一些实施例中,文本生成单元进一步被配置成将文本数据与目标实体进行拼接处理,生成候选文本数据。
在一些实施例中,文本生成单元进一步被配置成将文本数据中除目标实体外的字符转换为统一字符,得到转换文本数据;将文本数据与转换文本数据进行串联拼接,生成候选文本数据,其中,转换文本数据位于文本数据的前端或后端。
在一些实施例中,关系提取模型用于根据与目标实体是否存在预设关系,对文本数据中的各实体进行分类标注;以及关系确定单元进一步被配置成根据关系提取模型输出的分类标签,将与目标实体存在预设关系的实体作为目标实体,以继续确定存在预设关系的实体,直至关系提取模型输出表征不存在预设关系的实体的分类结果。
在一些实施例中,实体提取模型和关系提取模型均采用无自回归模型结构。
在一些实施例中,实体提取模型包括:输入层,用于接收输入模型的文本数据;转换层,用于将输入层接收到的文本数据中的各字符转换为特征向量;至少一个前馈神经网络层,用于对转换层得到特征向量进行实体划分识别,以及分析确定各实体的分类;输出层,用于对神经网络层的分析结果转化输出,得到输入的文本数据中各实体的属性信息数据。
在一些实施例中,目标实体确定单元进一步被配置成将分类为预设类别的实体确定为文本数据中的目标实体。
在一些实施例中,该处理装置还包括分析树生成单元,被配置成将目标实体确定为根节点,根据文本数据中各实体的属性信息、实体间关系,生成文本数据的语法分析树,以及通过图形方式显示语法分析树。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面中任一实现方式所描述的文本数据处理方法。
本公开的上述各个实施例具有如下有益效果:本公开的一些实施例的文本数据处理方法可以提高处理结果的准确度,同时可以保留文本中各实体的属性信息,尤其是位置信息。具体来说,传统分析树中丢失了实体在原文本中的位置信息。而传统的实体关系提取模型,通常采用Encoder-Decoder模式的端到端机器翻译模型。这种自回归模型在输出结果的过程,都是不断展开的搜索寻找最优解的过程。这往往不可避免会产生无法找到最优解,或者输出的字符不在输入字符之列的情况。
基于此,本公开的一些实施例的文本数据处理方法,可以将实体关系提取过程拆分为实体提取和关系提取两部分。通过实体提取模型可以得到文本中各实体的属性信息。这样便可以对这些属性信息进行存储保留,从而可以避免实体在原文本中的位置信息无法确定的问题。
另外,通过属性信息可以确定目标实体,进而得到包含目标实体的候选文本。接着通过关系提取模型,可以对文本中与目标实体存在预设关系的实体进行标注,从而实现实体关系提取。由于本申请中的关系提取模型其输入不仅包含原文本,还包括需要进行关系分析的目标实体。这样模型在接收到候选文本数据时,首先可以确定输入文本中的目标实体。之后可以仅标注出与目标字符存在关系的实体。这样可以保证模型输出结果的准确度,减少或避免无法找到最优解,或者输出的字符不在输入字符之列等情况。此外,由于指定了目标实体,只需要找出与其存在关系的实体,因此可以简化模型的处理逻辑和搜索过程。这样有助于提高模型的处理效率。
而准确的实体关系有助于用户更好地理解和分析文本,从而能够快速找出文本所反映出的问题。例如对于“患者头痛三天”的文本,通过本公开的文本数据处理方法可以让医生精准找出临床表现头痛,并且时间为三天。这样可以使医生快速确定病因和治疗方法等。进而提高治病效率,减缓病人病症,缩短患病时长。同时也有利于提高医生的接诊人数。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是本公开的文本数据处理方法的一些实施例的流程图;
图2是自回归模型的一个实施例的结构示意图;
图3A是本公开的实体提取模型的一些实施例的结构示意图;
图3B是本公开的关系提取模型的一些实施例的结构示意图;
图4是语法分析树的一个实施例的示意图;
图5是本公开的文本数据处理装置的一些实施例的结构示意图;
图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
请参考图1,示出了根据本公开的文本数据处理方法的一些实施例的流程100。该方法可以包括以下步骤:
步骤101,将文本数据输入实体提取模型,确定文本数据中各实体的属性信息。
在一些实施例中,文本数据处理方法的执行主体(例如服务器等电子设备),可以通过有线连接方式或无线连接方式,来接收文本数据。这里的文本数据可以需要进行实体关系提取的任意文本数据。其中,文本数据可以是由至少两个字符组成的。这里的字符可以包括以下至少一种:文字、数字、字母、符号等等。
在这里,执行主体在接收到文本数据的情况下,可以将该文本数据输入实体提取模型。其中,实体提取模型可以用于对输入文本中的各字符进行实体识别和分类。进而执行主体通过实体提取模型,可以确定文本数据中各实体的属性信息。这里的属性信息可以包括但不限于位置信息和分类标签。即实体(实体对应的字符)在文本数据中的位置和分类。其中,实体的类别可以根据实际情况进行设置,如在医学方面可以包含其他、临床表现、时间描述、方位、前置条件、程度、身体部位等类别。
在一些实施例中,上述实体提取模型可以是通过机器学习预先训练好的,其可以具有现有的各种神经网络结构(例如DenseBox、VGGNet、ResNet、CNN、RNN等)。作为示例,实体提取模型可以是基于统计方法进行机器学习而得到的模型,如隐马尔可夫模型(HiddenMarkovMode,HMM)、最大熵(MaxmiumEntropy,ME)、支持向量机(SupportVectorMachine,SVM)等。
步骤102,根据各实体的属性信息,确定文本数据中的目标实体。
在一些实施例中,执行主体可以根据步骤101得到的各实体的属性信息,可以确定文本数据中的目标实体。例如,执行主体可以根据各实体在文本数据中的位置,将预设位置的实体确定为目标实体。又例如,执行主体可以根据各实体的分类,将分类为预设类别的实体,确定为文本数据中的目标实体。需要说明的是,预设位置、预设类别可以根据实际情况进行设置。作为示例,在医学方面,主要为了医治病人,治疗患病问题。此时,执行主体可以将分类为临床表现的实体确定为目标实体。
步骤103,基于文本数据和目标实体,生成候选文本数据。
在一些实施例中,执行主体可以基于步骤101中的文本数据和步骤102中的目标实体,来生成候选文本数据。其中,候选文本数据主要用于实体关系提取,尤其是与目标实体的关系提取。
在一些实施例中,执行主体可以将文本数据与目标实体进行拼接处理,来生成候选文本数据。作为示例,文本数据为“患者头痛三天。”,而目标实体为“头痛”。此时执行主体可以将两个字符串拼接,得到“患者头痛三天。头痛”,或者“头痛|患者头痛三天。”。需要说明的是,在进行拼接处理时,为了不影响文本数据原来的语境、字符顺序,目标实体通常可以位于文本数据的前端或者后端。并且可以通过分隔符或其他标识来区分。
进一步地,首先执行主体可以将文本数据中,除目标实体外的字符转换为统一字符,得到转换文本数据。接着,可以将文本数据与转换文本数据进行串联拼接,生成候选文本数据。同样的,转换文本数据可以位于文本数据的前端或后端。例如可以将目标实体外的字符用M表示。其中,M代表Mark,即遮掩掉特定字符。此时转换文本数据可以为MM头痛MMM,得到候选文本数据为“患者头痛三天。MM头痛MMM”。
在一些实施例中,为了简化后续实体关系提取的处理流程,执行主体也可以先根据步骤101得到的各实体的属性信息,对文本数据中的实体进行划分排序。之后,可以利用划分排序后的实体序列与目标实体进行拼接,来得到候选文本数据。例如,对于“患者头痛三天。”,执行主体首先可以得到实体序列“患者;头痛;三天;。”。之后,可以将该序列与目标实体拼接,即得到“患者;头痛;三天;。|头痛”。这样,后续再进行实体关系提取时,可以免去实体提取的重复过程。此时只需要找出与目标实体存在预设关系的实体即可。这样有助于简化关系提取的处理过程和复杂,有助于提高数据的处理效率。
步骤104,将候选文本数据输入关系提取模型,确定文本数据中与目标实体存在预设关系的实体。
在一些实施例中,执行主体可以将步骤103生成的候选文本数据输入关系提取模型,以确定文本数据中与目标实体存在预设关系的实体。其中,关系提取模型可以用于对输入文本中的实体间的关系进行标注。尤其是对输入文本中与目标实体存在关系的实体进行标注。这里的预设关系同样可以根据实际情况进行设置。
需要说明的是,传统的文本实体关系提取方法,往往是把问题转化成了一个序列到序列的问题。一般可以通过机器翻译模型对该问题输入输出建模。在实际操作过程中,对于端到端的机器翻译模型建模,通常采用如图2所示的编码至解码(Encoder-Decoder)的模式。即输入N个字符(如ABCDE),Encoder把N个字符编码成N×D维特征向量(如ZaZbZcZdZe)。特征向量再以自回归的模式,送到Decoder里面去。Decoder再一个一个向量生成输出向量。配合集束搜索(Beam Search)等技巧,找到最优输出字符串。
从图2中可以看出,序列模型输出通常和输入是不想等的,且在序列输出中,后续输出是依赖前序输出的,直到最终输出标志符Oend为止。即步骤2(Step2)的输出依赖步骤1(Step1)的输出,以此类推,步骤7(Step7)输出依赖步骤6(Step6)输出。因此,特征向量Z会和序列(Sequence)作为初始输入,分N步输出O,且每一步的O作为下一次的输入继续送入Decoder。这个过程就称为自回归(Auto Regressive)。
在这个模式里面,存在以下两个问题:一种是自回归模型,不管是循环神经网络(RNN,Recurrent Neural Network),还是长短期记忆人工神经网络(LSTM,Long Short-Term Memory),还是转换模型(Transformer/Bert),以及他们的变种,在输出结果的过程,都是不断展开的Beam Search寻找最优解的过程。由于是生成模式,不可避免会产生无法找到最优解,或者输出的结果明显不符合要求。如输出的字符不在输入字符之列,输出的语法树结构错误等。另一种是由其于自回归的本质,即要使用上一次的输出作为下一次的输入,这是一个天然的串行过程,且无法进行优化。这样就会出现输入越长,输出必然也越长,速度随着Beam Search的步数增加,呈指数级下降。
在一些实施例中,对于“患者头痛三天。”的文本,通过数据结构可以表达如下:
{
"entities": [
{
"text": "患者",
"from": 0,
"to": 2,
"type": "其他",
"tid": "T0"
},
{
"text": "头痛",
"from": 2,
"to": 4,
"type": "临床表现",
"tid": "T1"
},
{
"text": "三天",
"from": 4,
"to": 6,
"type": "时间描述",
"tid": "T2"
},
{
"text": "。",
"from": 6,
"to": 7,
"type": "其他",
"tid": "T3"
}
],
"relations": [
{
"from": "T2",
"to": "T1",
"rid": "R0"
}
]
}
以上数据结构一般是完整的信息输出,包括entities代表文本中所有实体,以及在原文中的位置。relations则描述entities中的依存关系。
通过上面描述可知,关系中的两个基本元素,from和to均为原来文本中的两个子句,且互不相交。因此我们可以把问题转化成,在输入的文本中,子句A,请找到所有修饰A的子句集合B。更加特定的,输入文本“患者头痛三天。”,子句为“头痛”,请找到句子中,修饰“头痛”的子句。
在这里,本公开实施例中的关系提取模型可以是在传统的实体关系提取模型基础上进行改进得到的。例如图2所示,传统实体关系提取模型的输入通常是待分析的原文本本身,而其输出通常是原文本中各实体之间所有的实体关系。而本申请中的关系提取模型其输入不仅包含原文本,还包括需要进行关系分析的目标实体。这样模型在接收到候选文本数据时,可以通过指定的字符位置(如前端或后端)、分隔符、匹配重复字符等至少一种方式,来确定输入文本中的目标实体。进而可以仅标注出与目标字符存在关系的实体。这样可以保证模型输出结果的准确度,减少或避免无法找到最优解,或者输出的字符不在输入字符之列等情况。另外,由于指定了目标实体,只需要找出与其存在关系的实体,因此可以简化模型的处理逻辑和搜索过程。这样有助于提高模型的处理效率。
可以理解的是,虽然本公开实施例中的关系提取模型相较于传统的自回归模型有所改进,但由于Decoder架构的存在,都无法做到并行计算输出结果。因此发明人认为解决问题的重点在于如何去掉自回归的Decoder上。
在一些实施例中,为了解决以上自回归模型的数据准确性和性能的双重问题,本公开实施例中的实体提取模型和关系提取模型可以均采用无自回归模型结构,即采用无自回归解码器的模型进行建模和优化。
可以理解的是,关于实体提取,实际上就是对每个字符计算其分类。该任务不需要Decoder,可以直接在Encoder后面接一个FFN(feed-forward network,前馈神经网络),转化成分类logits就可以,如图3所示。其中,在深度学习中,logits通常表示模型最后一层的数据,即最终的全连接层得到输出。一般神经网络中都是先有logits,而后通过函数(如sigmoid或softmax)得到概率的。
也就是说,在一些实施例中,实体提取模型可以包括:输入层,用于接收输入模型的文本数据;转换层(即Encoder),用于将输入层接收到的文本数据中的各字符转换为特征向量;至少一个前馈神经网络层(即FFN),用于对转换层得到特征向量进行实体划分识别,以及分析确定各实体的分类;输出层,用于对神经网络层的分析结果转化输出,得到输入的文本数据中各实体的属性信息数据,如图3中所示的Logitsa至Logitse。
作为示例,如输入:患者头痛三天。这七个字符,通过训练图3所示的实体提取模型(相当于分类网络模型),则可以输出每个字符的类型,如:[“其他”,“其他”,“临床表现”,“临床表现”,“时间描述”,“时间描述”,“其他”]。
进一步地,为了满足不同用户的使用需求,上述实体提取模型在输出层之前还可以设置有格式转化层,用于将模型的分类结果转化成预设格式输出。例如格式转化层可以将上面例子中输出的每个字符的类型,通过格式转化,转化成上述数据结构中所描述的entity列表,包含正确的位置信息,此处不再赘述。通过设置格式转化层,可以得到所需数据格式的模型输出结果,从而便于其他电子设备的识别处理。这样可以避免人为的转化处理,有利于提高整体的处理效率。
在一些实施例中,格式转化层可以是通过学习所需数据格式的编程表达方式,通过训练得到的模型(如翻译模型)。将该模型可以嵌入到实体提取模型中,位于输出层之前。这样,实体提取模型中位于格式转化层之前的网络层,在得到分类结果后可以传入格式转化层。格式转化层在进行格式转化后,可以将数据传输给实体提取模型中的输出层,以输出模型的预测结果。
在实体关系提取方面,相对于端到端的序列模型,实体关系提取在没有Decoder的情况下,我们需要用其他方法进行提取。在一些实施例中,关系提取模型可以进一步用于根据与目标实体是否存在预设关系,对文本数据中的各实体进行分类标注。这样,我们就把输出关系的问题,转化成了文本分类问题。输入候选文本数据(原文本+掩码转换后文本),输出对文本字符的0/1分类。其中,0表示不修饰(不存在关系);1表示修饰(存在关系)。作为示例,关系提取模型可以采用图3B所示的结构。这样在不需要Decoder的情况下,一个Encoder即可完成寻找修饰关系的任务。
可以理解的是,与上述实体提取模型不同之处在于,增加了遮掩掉不相关部分的原始输入(如MaskMaskCDMask)。即让模型学会,在相关语境下,我们的任务是寻找对未遮掩位置的词语(如CD)进行修饰的词语。虽然输出的logits会输出双倍长度的logits,但是我们仅关心原文的文字分类,因此增加的输出就被我们忽略了。作为示例,若输入:患者头痛三天。MM头痛MMM,则可以输出:00001100000000。也就是说,找到修饰头痛的实体为三天。
在一些应用场景中,为了找到与目标实体存在间接关系的实体,执行主体在找到与目标实体关联的实体后,可以将该实体确定为新的目标实体,以及重复步骤103和步骤104,从而找到与新的目标实体关联的实体直至没有。具体地,执行主体可以根据关系提取模型输出的分类标签,将与目标实体存在预设关系的实体作为目标实体,以继续确定存在预设关系的实体,直至关系提取模型输出表征不存在预设关系的实体的分类结果(如全空或全0)。这样可以找到与原始目标实体关联的所有实体,从而得到完整的实体关系。
需要说明的是,上述无自回归的实体提取模型和关系提取模型,由于不存在Decoder架构,并且Encoder具有良好的并行性特点,因此可以让计算过程不再和自回归模型一样,随着生成长度的增加而时间指数级增加。且生成的结果准确性高,不会生成任何错误的字符信息,也大大减少了训练和预测难度。并且,除了原始目标实体外,每一轮的处理过程均可以并行进行。即使有多句文本输入的时候,所有的问题都能并行输入。与传统的自回归模型相比较,这样能够让模型的预测效率指数增加。
作为示例,对于输入文本如“患者头痛三天,腹泻一天。”,本公开实施例中的实体提取和实体关系提取的过程相当于多轮简单问话:
1问:“患者头痛三天,腹泻一天。”中有多少实体?
回答:“患者 0,2,其他”,“头晕,2,4,临床表现”,“三天,4,6,时间描述”,“,6,7,其他”,“腹泻,7,9,临床表现”,“一天,9,1,时间描述”,“。11,12,其他”;
2问:“患者头痛三天,腹泻一天。”有多少根实体?
回答:“头痛”,“腹泻”;
3问:(1)“患者头痛三天,腹泻一天。”中,修饰“头痛”的节点是哪几个?回答:三天;
(2)“患者头痛三天,腹泻一天。”中,修饰“腹泻”的节点是哪几个?回答:一天;
4问:(1)“患者头痛三天,腹泻一天。”中,修饰“三天”的节点是哪几个?回答:没有;
(2)“患者头痛三天,腹泻一天。”中,修饰“一天”的节点是哪几个?回答:没有。
在一些实施例中,为了便于用户观察,执行主体还可以将目标实体(原始目标实体)确定为根节点,根据文本数据中各实体的属性信息、实体间关系,生成文本数据的语法分析树。以及可以通过图形方式来显示语法分析树。例如图4所示的图形即为“患者头痛三天,腹泻一天。”文本的语法分析树。
进一步参考图5,作为对上述实施例所示方法的实现,本公开提供了文本数据处理装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该处理装置具体可以应用于各种电子设备中。
如图5所示,一些实施例的文本数据处理装置500可以包括:实体确定单元501,被配置成将文本数据输入实体提取模型,确定文本数据中各实体的属性信息,其中,实体提取模型用于对输入文本中的各字符进行实体识别和分类;目标实体确定单元502,被配置成根据各实体的属性信息,确定文本数据中的目标实体;文本生成单元503,被配置成基于文本数据和目标实体,生成候选文本数据;关系确定单元504,被配置成将候选文本数据输入关系提取模型,确定文本数据中与目标实体存在预设关系的实体,其中,关系提取模型用于对输入文本中目标实体的关系进行标注。
在一些实施例中,文本生成单元503可以进一步被配置成将文本数据与目标实体进行拼接处理,生成候选文本数据。
在一些实施例中,文本生成单元503可以进一步被配置成将文本数据中除目标实体外的字符转换为统一字符,得到转换文本数据;将文本数据与转换文本数据进行串联拼接,生成候选文本数据,其中,转换文本数据位于文本数据的前端或后端。
在一些实施例中,关系提取模型用于根据与目标实体是否存在预设关系,对文本数据中的各实体进行分类标注;以及关系确定单元504可以进一步被配置成根据关系提取模型输出的分类标签,将与目标实体存在预设关系的实体作为目标实体,以继续确定存在预设关系的实体,直至关系提取模型输出表征不存在预设关系的实体的分类结果。
在一些实施例中,实体提取模型和关系提取模型均采用无自回归模型结构。
在一些实施例中,实体提取模型包括:输入层,用于接收输入模型的文本数据;转换层,用于将输入层接收到的文本数据中的各字符转换为特征向量;至少一个前馈神经网络层,用于对转换层得到特征向量进行实体划分识别,以及分析确定各实体的分类;输出层,用于对神经网络层的分析结果转化输出,得到输入的文本数据中各实体的属性信息数据。
在一些实施例中,目标实体确定单元502可以进一步被配置成将分类为预设类别的实体确定为文本数据中的目标实体。
在一些实施例中,该处理装置500还可以包括分析树生成单元(图中未示出),被配置成将目标实体确定为根节点,根据文本数据中各实体的属性信息、实体间关系,生成文本数据的语法分析树,以及通过图形方式显示语法分析树。
可以理解的是,该处理装置500中记载的诸单元与图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于处理装置500及其中包含的单元,在此不再赘述。
下面参考图6,其示出了适于用来实现本公开的一些实施例的电子设备600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置601(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605: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606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,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。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,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,本公开的一些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。在这样的一些实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载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。在本公开的一些实施例中,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。而在本公开的一些实施例中,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。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
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,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:将文本数据输入实体提取模型,确定文本数据中各实体的属性信息,其中,实体提取模型用于对输入文本中的各字符进行实体识别和分类;根据各实体的属性信息,确定文本数据中的目标实体;基于文本数据和目标实体,生成候选文本数据;将候选文本数据输入关系提取模型,确定文本数据中与目标实体存在预设关系的实体,其中,关系提取模型用于对输入文本中目标实体的关系进行标注。
此外,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一些实施例的操作的计算机程序代码,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(LAN)或广域网(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。
描述于本公开的一些实施例中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。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括实体确定单元、目标实体确定单元、文本生成单元和关系确定单元。其中,这些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,实体确定单元还可以被描述为“确定文本数据中各实体的属性信息的单元”。
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。
以上描述仅为本公开的一些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,本公开的实施例中所涉及的发明范围,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发明构思的情况下,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的实施例中公开的(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。
Claims (7)
1.一种文本数据处理方法,包括:
将文本数据输入实体提取模型,确定所述文本数据中各实体的属性信息,其中,所述实体提取模型用于对输入文本中的各字符进行实体识别和分类,所述属性信息包括实体在所述文本数据中的位置信息和分类标签;
根据各实体的属性信息,确定所述文本数据中的目标实体;
将所述文本数据与所述目标实体进行拼接处理,生成候选文本数据;
将所述候选文本数据输入关系提取模型,根据所述关系提取模型输出的分类标签,将与所述目标实体存在预设关系的实体作为目标实体,以继续确定存在预设关系的实体,直至所述关系提取模型输出表征不存在预设关系的实体的分类结果,其中,所述关系提取模型用于根据与所述目标实体是否存在预设关系,对所述文本数据中的各实体进行分类标注;
将所述目标实体确定为根节点,根据所述文本数据中各实体的属性信息、实体间关系,生成所述文本数据的语法分析树,以及通过图形方式显示所述语法分析树。
2.根据权利要求1所述的文本数据处理方法,其中,所述将所述文本数据与所述目标实体进行拼接处理,生成候选文本数据,包括:
将所述文本数据中除所述目标实体外的字符转换为统一字符,得到转换文本数据;
将所述文本数据与所述转换文本数据进行串联拼接,生成候选文本数据,其中,所述转换文本数据位于所述文本数据的前端或后端。
3.根据权利要求1所述的文本数据处理方法,其中,所述实体提取模型和所述关系提取模型均采用无自回归模型结构。
4.根据权利要求3所述的文本数据处理方法,其中,所述实体提取模型包括:
输入层,用于接收输入模型的文本数据;
转换层,用于将所述输入层接收到的文本数据中的各字符转换为特征向量;
至少一个前馈神经网络层,用于对所述转换层得到特征向量进行实体划分识别,以及分析确定各实体的分类;
输出层,用于对所述神经网络层的分析结果转化输出,得到输入的文本数据中各实体的属性信息数据。
5.根据权利要求1所述的文本数据处理方法,其中,所述根据各实体的属性信息,确定所述文本数据中的目标实体,包括:
将分类为预设类别的实体确定为所述文本数据中的目标实体。
6.一种文本数据处理装置,包括:
实体确定单元,被配置成将文本数据输入实体提取模型,确定所述文本数据中各实体的属性信息,其中,所述实体提取模型用于对输入文本中的各字符进行实体识别和分类,所述属性信息包括实体在所述文本数据中的位置信息和分类标签;
目标实体确定单元,被配置成根据各实体的属性信息,确定所述文本数据中的目标实体;
文本生成单元,被配置成将所述文本数据与所述目标实体进行拼接处理,生成候选文本数据;
关系确定单元,被配置成将所述候选文本数据输入关系提取模型,根据所述关系提取模型输出的分类标签,将与所述目标实体存在预设关系的实体作为目标实体,以继续确定存在预设关系的实体,直至所述关系提取模型输出表征不存在预设关系的实体的分类结果,其中,所述关系提取模型用于根据与所述目标实体是否存在预设关系,对所述文本数据中的各实体进行分类标注;
关系显示单元,被配置成将所述目标实体确定为根节点,根据所述文本数据中各实体的属性信息、实体间关系,生成所述文本数据的语法分析树,以及通过图形方式显示所述语法分析树。
7.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的文本数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310316455.3A CN116522935B (zh) | 2023-03-29 | 2023-03-29 | 文本数据处理方法、处理装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310316455.3A CN116522935B (zh) | 2023-03-29 | 2023-03-29 | 文本数据处理方法、处理装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116522935A CN116522935A (zh) | 2023-08-01 |
CN116522935B true CN116522935B (zh) | 2024-03-29 |
Family
ID=87400185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310316455.3A Active CN116522935B (zh) | 2023-03-29 | 2023-03-29 | 文本数据处理方法、处理装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116522935B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619053A (zh) * | 2019-09-18 | 2019-12-27 | 北京百度网讯科技有限公司 | 实体关系抽取模型的训练方法和抽取实体关系的方法 |
CN110795525A (zh) * | 2019-09-17 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 文本结构化方法、装置、电子设备及计算机可读存储介质 |
CN111339774A (zh) * | 2020-02-07 | 2020-06-26 | 腾讯科技(深圳)有限公司 | 文本的实体关系抽取方法和模型训练方法 |
CN112668334A (zh) * | 2020-12-16 | 2021-04-16 | 科大讯飞股份有限公司 | 实体识别方法以及电子设备、存储装置 |
CN112819622A (zh) * | 2021-01-26 | 2021-05-18 | 深圳价值在线信息科技股份有限公司 | 一种信息的实体关系联合抽取方法、装置及终端设备 |
CN113032642A (zh) * | 2019-12-24 | 2021-06-25 | 医渡云(北京)技术有限公司 | 针对目标对象的数据处理方法、装置、介质及电子设备 |
CN113158676A (zh) * | 2021-05-12 | 2021-07-23 | 清华大学 | 专业实体与关系联合抽取方法、系统及电子设备 |
CN113255320A (zh) * | 2021-05-13 | 2021-08-13 | 北京熙紫智数科技有限公司 | 基于句法树和图注意力机制的实体关系抽取方法及装置 |
CN113657325A (zh) * | 2021-08-24 | 2021-11-16 | 北京百度网讯科技有限公司 | 用于确定标注样式信息的方法、装置、介质及程序产品 |
CN113806514A (zh) * | 2021-09-18 | 2021-12-17 | 上海交通大学 | 基于Transformer模型的实体关系抽取方法和系统 |
CN114417824A (zh) * | 2022-01-14 | 2022-04-29 | 大连海事大学 | 基于依存句法预训练模型的篇章级关系抽取方法及系统 |
CN114492380A (zh) * | 2022-02-11 | 2022-05-13 | 杭州网易云音乐科技有限公司 | 文本关系抽取方法及装置、计算机存储介质、电子设备 |
CN114626380A (zh) * | 2022-03-25 | 2022-06-14 | 北京明略昭辉科技有限公司 | 实体识别的方法和装置、电子设备和存储介质 |
CN114818682A (zh) * | 2022-06-29 | 2022-07-29 | 中国人民解放军国防科技大学 | 基于自适应实体路径感知的文档级实体关系抽取方法 |
CN115545030A (zh) * | 2022-10-12 | 2022-12-30 | 北京金山数字娱乐科技有限公司 | 实体抽取模型的训练方法、实体关系抽取方法及装置 |
CN115565198A (zh) * | 2022-10-25 | 2023-01-03 | 广东工业大学 | 基于集成列式卷积的医学文本实体提取方法、系统及设备 |
JP2023040248A (ja) * | 2022-06-24 | 2023-03-22 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | テキスト情報抽取方法、装置、電子機器、記憶媒体及びコンピュータプログラム |
-
2023
- 2023-03-29 CN CN202310316455.3A patent/CN116522935B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795525A (zh) * | 2019-09-17 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 文本结构化方法、装置、电子设备及计算机可读存储介质 |
CN110619053A (zh) * | 2019-09-18 | 2019-12-27 | 北京百度网讯科技有限公司 | 实体关系抽取模型的训练方法和抽取实体关系的方法 |
CN113032642A (zh) * | 2019-12-24 | 2021-06-25 | 医渡云(北京)技术有限公司 | 针对目标对象的数据处理方法、装置、介质及电子设备 |
CN111339774A (zh) * | 2020-02-07 | 2020-06-26 | 腾讯科技(深圳)有限公司 | 文本的实体关系抽取方法和模型训练方法 |
CN112668334A (zh) * | 2020-12-16 | 2021-04-16 | 科大讯飞股份有限公司 | 实体识别方法以及电子设备、存储装置 |
CN112819622A (zh) * | 2021-01-26 | 2021-05-18 | 深圳价值在线信息科技股份有限公司 | 一种信息的实体关系联合抽取方法、装置及终端设备 |
CN113158676A (zh) * | 2021-05-12 | 2021-07-23 | 清华大学 | 专业实体与关系联合抽取方法、系统及电子设备 |
CN113255320A (zh) * | 2021-05-13 | 2021-08-13 | 北京熙紫智数科技有限公司 | 基于句法树和图注意力机制的实体关系抽取方法及装置 |
CN113657325A (zh) * | 2021-08-24 | 2021-11-16 | 北京百度网讯科技有限公司 | 用于确定标注样式信息的方法、装置、介质及程序产品 |
CN113806514A (zh) * | 2021-09-18 | 2021-12-17 | 上海交通大学 | 基于Transformer模型的实体关系抽取方法和系统 |
CN114417824A (zh) * | 2022-01-14 | 2022-04-29 | 大连海事大学 | 基于依存句法预训练模型的篇章级关系抽取方法及系统 |
CN114492380A (zh) * | 2022-02-11 | 2022-05-13 | 杭州网易云音乐科技有限公司 | 文本关系抽取方法及装置、计算机存储介质、电子设备 |
CN114626380A (zh) * | 2022-03-25 | 2022-06-14 | 北京明略昭辉科技有限公司 | 实体识别的方法和装置、电子设备和存储介质 |
JP2023040248A (ja) * | 2022-06-24 | 2023-03-22 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | テキスト情報抽取方法、装置、電子機器、記憶媒体及びコンピュータプログラム |
CN114818682A (zh) * | 2022-06-29 | 2022-07-29 | 中国人民解放军国防科技大学 | 基于自适应实体路径感知的文档级实体关系抽取方法 |
CN115545030A (zh) * | 2022-10-12 | 2022-12-30 | 北京金山数字娱乐科技有限公司 | 实体抽取模型的训练方法、实体关系抽取方法及装置 |
CN115565198A (zh) * | 2022-10-25 | 2023-01-03 | 广东工业大学 | 基于集成列式卷积的医学文本实体提取方法、系统及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116522935A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11501182B2 (en) | Method and apparatus for generating model | |
US11507748B2 (en) | Method and apparatus for outputting information | |
KR102401942B1 (ko) | 번역품질 평가 방법 및 장치 | |
JP7066349B2 (ja) | 翻訳方法、翻訳装置及びコンピュータプログラム | |
US10755048B2 (en) | Artificial intelligence based method and apparatus for segmenting sentence | |
US10832658B2 (en) | Quantized dialog language model for dialog systems | |
US20210319344A1 (en) | Natural language question answering | |
CN112084789B (zh) | 文本处理方法、装置、设备及存储介质 | |
CN109657251B (zh) | 用于翻译语句的方法和装置 | |
US20210217504A1 (en) | Method and apparatus for verifying medical fact | |
CN110517767B (zh) | 辅助诊断方法、装置、电子设备及存储介质 | |
CN111488742B (zh) | 用于翻译的方法和装置 | |
US20210406640A1 (en) | Neural Network Architecture for Performing Medical Coding | |
US11669679B2 (en) | Text sequence generating method and apparatus, device and medium | |
CN111104796B (zh) | 用于翻译的方法和装置 | |
US11036996B2 (en) | Method and apparatus for determining (raw) video materials for news | |
CN113392197A (zh) | 问答推理方法、装置、存储介质及电子设备 | |
CN111681661B (zh) | 语音识别的方法、装置、电子设备和计算机可读介质 | |
US10719770B2 (en) | System and method for enhanced chatflow application | |
US11397856B2 (en) | Phonetic patterns for fuzzy matching in natural language processing | |
CN116522935B (zh) | 文本数据处理方法、处理装置和电子设备 | |
CN115357710B (zh) | 表格描述文本生成模型的训练方法、装置及电子设备 | |
US20230111052A1 (en) | Self-learning annotations to generate rules to be utilized by rule-based system | |
CN115687651A (zh) | 知识图谱构建方法、装置、电子设备及存储介质 | |
CN117131152B (zh) | 信息存储方法、装置、电子设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |