[發明專利]一種訓練結構化模型、文本結構化的方法及相關裝置

有效

• 申請號: 201811347007.5
• 申請日: 2018-11-13
• 公開（公告）號: CN109582800B
• 公開（公告）日: 2020-02-07
• 發明（設計）人: 姜庭欣;王志強;王希楨;李靜毅;劉乾楠;郭永紅;何佳;陳偉然;楊冠梅;段博超
• 申請（專利權）人: 北京合享智慧科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36
• 代理公司: 11250 北京三聚陽光知識產權代理有限公司
• 代理人: 劉林濤

1.一種文本結構化的方法，其特征在于，包括：

獲取待結構化的目標文本；

將所述目標文本輸入到實體提取模型，通過所述實體提取模型識別所述目標文本中的目標實體集合；

將已識別到所述目標實體集合的目標文本輸入到關系提取模型，通過所述關系提取模型提取所述目標實體之間的關系，所述目標實體集合包括第一實體；

獲取實體關系數據集，所述實體關系數據集是根據文本集合中的實體及實體之間的關系得到的；所述實體關系數據集包括N個實體及所述N個實體之間的關系，所述N為大于或者等于2的正整數；

查詢所述實體關系數據集，得到與所述第一實體具有關系的M個第二實體，所述M為小于或者等于N的正整數；

在所述目標文本的預置范圍內，查找所述第二實體；

若查找到所述M個第二實體中的至少一個目標第二實體，則建立所述第一實體與所述目標第二實體之間的關系；

根據目標實體集合中的目標實體及所述目標實體之間的關系，對所述目標文本進行結構化表示，生成目標結構。

2.根據權利要求1所述的方法，其特征在于，所述在所述目標文本中的預置范圍內，查找所述第二實體之前，所述方法還包括：

創建實體匹配窗口；

根據所述實體匹配窗口的大小確定所述目標文本中的預置范圍。

3.根據權利要求1所述的方法，其特征在于，所述獲取實體關系數據集，包括：

將所述文本集合輸入到實體提取模型，通過所述實體提取模型識別所述文本集合中的實體；

將已識別到所述實體的文本集合輸入到關系提取模型，通過所述關系提取模型提取所述文本集合中每篇文本中實體及所述實體之間的關系。

4.根據權利要求1所述的方法，其特征在于，所述根據所述目標實體及所述目標實體之間的關系，生成目標結構包括：

獲取用于表示所述實體的目標圖像信息；

根據所述目標實體及所述目標實體之間的關系，生成用圖像信息表示的目標結構。

5.根據權利要求4所述的方法，其特征在于，所述獲取用于表示所述實體的圖像信息，包括：

從互聯網數據中獲取圖像集合；

識別所述圖像集合中每個圖像的文字；

若所述目標實體與所述圖像集合中的文字相匹配，則從所述圖像集合中選擇用于表示所述目標實體的圖像信息。

6.根據權利要求1-5中任一項所述的方法，其特征在于，所述目標結構包括節點和邊，所述節點用于表示所述實體，所述邊用于表示目標實體之間的關系。

7.根據權利要求1-5中任一項所述的方法，其特征在于，所述目標實體包括組件、屬性或屬性值；

和/或，所述目標實體之間的關系包括所述組件之間的關系，所述組件與所述屬性之間的關系，或，所述屬性與所述屬性值的關系。

8.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取候選結構集合，所述候選結構集合中包括多篇候選結構，所述候選結構為候選文本的結構化表示；

提取候選圖譜的候選實體集合，所述候選圖譜包括至少一篇所述候選結構；

確定所述目標實體集合與所述候選圖譜的候選實體集合的實體交集；

根據所述實體交集與所述目標實體集合的差異參數確定所述目標結構與所述候選圖譜的新穎度。

9.根據權利要求8所述的方法，其特征在于，當所述候選圖譜包括至少兩篇候選結構時，所述至少兩篇候選結構為第一候選結構和第二候選結構；

確定所述第一候選結構和所述第二候選結構的關聯實體；

通過所述關聯實體將所述第一候選結構和所述第二候選結構進行關聯，得到所述候選圖譜。

10.根據權利要求8所述的方法，其特征在于，所述實體之間的關系包括二元關系和三元關系；

所述二元關系包括兩個實體及所述兩個實體之間的關系；

所述三元關系包括至少兩個二元關系，所述至少兩個二元關系中包括相同的實體。