[發(fā)明專利]企業(yè)名稱識別方法、電子設(shè)備及計算機可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201710960222.1
• 申請日: 2017-10-16
• 公開（公告）號: CN107797989A
• 公開（公告）日: 2018-03-13
• 發(fā)明（設(shè)計）人: 徐冰;汪偉;肖京
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06N3/04
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)44347
• 代理人: 高杰,于志光

技術(shù)領(lǐng)域

本發(fā)明涉及計算機信息技術(shù)領(lǐng)域，尤其涉及一種企業(yè)名稱識別方法、電子設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)

輿情分析需要把財經(jīng)新聞結(jié)構(gòu)化，其中第一步是識別新聞中的企業(yè)實體。傳統(tǒng)的自然語言處理技術(shù)一般采用條件隨機場或者隱式馬爾科夫模型進行序列建模，但是，這些方法非常依賴于特征的選取、泛化能力很弱。故，現(xiàn)有技術(shù)中的企業(yè)名稱識別方法設(shè)計不夠合理，亟需改進。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提出一種企業(yè)名稱識別方法、電子設(shè)備及計算機可讀存儲介質(zhì)，通過LSTM+CRF模型的結(jié)合，自動提取有效特征，并且在識別企業(yè)名稱時能夠利用上下文信息，在打標簽的階段有效利用了句子級別的標記信息，提高了識別精確度與召回率。

首先，為實現(xiàn)上述目的，本發(fā)明提出一種電子設(shè)備，所述電子設(shè)備包括存儲器和處理器，所述存儲器上存儲有可在所述處理器上運行的企業(yè)名稱識別系統(tǒng)，所述企業(yè)名稱識別系統(tǒng)被所述處理器執(zhí)行時實現(xiàn)如下步驟：

接收輸入的特定文字序列；

將所述特定文字序列中的每個漢字轉(zhuǎn)化為對應(yīng)的詞向量，并將轉(zhuǎn)化后的詞向量輸入至遞歸神經(jīng)網(wǎng)絡(luò)；

通過所述遞歸神經(jīng)網(wǎng)絡(luò)計算每個詞向量的狀態(tài)向量，并將每個詞向量的狀態(tài)向量輸入至條件隨機場；

通過特定的回歸模型將每個詞向量的狀態(tài)向量轉(zhuǎn)換成特征向量，并利用所述條件隨機場和預(yù)先設(shè)定的三元標注規(guī)則，對每個詞向量的特征向量進行解碼，得到所述特定文字序列中所有漢字的三元標注集，并通過最佳標簽序列輸出所有漢字的三元標注集；及

根據(jù)所述預(yù)先設(shè)定的三元標注規(guī)則，從所述最佳標簽序列中識別出特定企業(yè)名稱。

優(yōu)選地，所述預(yù)先設(shè)定的三元標注規(guī)則包括：通過第一標簽表示企業(yè)名稱的第一個漢字，第二標簽表示企業(yè)名稱的剩余漢字，及第三標簽表示不屬于企業(yè)名稱的漢字。

優(yōu)選地，所述狀態(tài)向量包括第一隱藏層狀態(tài)向量和第二隱藏層狀態(tài)向量；

所述狀態(tài)向量的計算包括：

調(diào)用所述遞歸神經(jīng)網(wǎng)絡(luò)的雙向長短期記憶模塊，從左向右根據(jù)當(dāng)前詞向量的前一個詞向量的隱藏層狀態(tài)向量計算當(dāng)前詞向量的第一隱藏層狀態(tài)向量，并從右向左根據(jù)當(dāng)前詞向量的后一個詞向量的隱藏層狀態(tài)向量計算當(dāng)前詞向量的第二隱藏層狀態(tài)向量。

所述特征向量的計算包括：通過所述特定的回歸模型將每個詞向量對應(yīng)的第一隱藏層狀態(tài)向量和第二隱藏層狀態(tài)向量進行合并，得到每個詞向量的特征向量。

優(yōu)選地，所述最佳標簽序列通過預(yù)定的標簽序列計算公式獲取，所述預(yù)定的標簽序列計算公式設(shè)置為：

其中，X代表每個詞向量的特征向量，y代表待預(yù)測的標簽序列，n代表所述特定文字序列中的漢字個數(shù)，i代表所述特定文字序列中的第i個漢字；

A代表狀態(tài)轉(zhuǎn)移矩陣，A_yi,yi+1代表從第yi個標簽轉(zhuǎn)移到第yi+1個標簽的概率，P_i,yi代表第i個漢字被標記為第yi個標簽的概率；及

s(X,y)代表衡量每條標簽序列的指標，通過最大化s(X，y)得到所述最佳標簽序列。

優(yōu)選地，所述特定企業(yè)名稱的識別包括：從所述最佳標簽序列中提取連續(xù)標注的第一標簽和所有第二標簽對應(yīng)的漢字，將提取的漢字作為特定企業(yè)名稱。

此外，為實現(xiàn)上述目的，本發(fā)明還提供一種企業(yè)名稱識別方法，該方法應(yīng)用于電子設(shè)備，所述方法包括：

接收輸入的特定文字序列；

將所述特定文字序列中的每個漢字轉(zhuǎn)化為對應(yīng)的詞向量，并將轉(zhuǎn)化后的詞向量輸入至遞歸神經(jīng)網(wǎng)絡(luò)；

通過所述遞歸神經(jīng)網(wǎng)絡(luò)計算每個詞向量的狀態(tài)向量，并將每個詞向量的狀態(tài)向量輸入至條件隨機場；

通過特定的回歸模型將每個詞向量的狀態(tài)向量轉(zhuǎn)換成特征向量，并利用所述條件隨機場和預(yù)先設(shè)定的三元標注規(guī)則，對每個詞向量的特征向量進行解碼，得到所述特定文字序列中所有漢字的三元標注集，并通過最佳標簽序列輸出所有漢字的三元標注集；及

根據(jù)所述預(yù)先設(shè)定的三元標注規(guī)則，從所述最佳標簽序列中識別出特定企業(yè)名稱。

優(yōu)選地，所述預(yù)先設(shè)定的三元標注規(guī)則包括：通過第一標簽表示企業(yè)名稱的第一個漢字，第二標簽表示企業(yè)名稱的剩余漢字，及第三標簽表示不屬于企業(yè)名稱的漢字。

優(yōu)選地，所述最佳標簽序列通過預(yù)定的標簽序列計算公式獲取，所述預(yù)定的標簽序列計算公式設(shè)置為：