[發明專利]信息標注方法、信息處理方法及裝置

有效

• 申請號: 201811456443.6
• 申請日: 2018-11-30
• 公開（公告）號: CN111259669B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 王瀟斌;馬春平;謝朋峻;李林琳;司羅
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295
• 代理公司: 北京安信方達知識產權代理有限公司 11262
• 代理人: 李丹;栗若木

1.一種信息標注方法，包括：

對第一信息進行人工標注，并以人工標注后的第一信息作為第一訓練數據生成關系抽取模型；

將第二信息輸入關系抽取模型，計算得到實體關系實例；

利用計算出的實體關系實例對第二信息對應的待處理信息進行自動標注，獲取第二訓練數據；

其中，所述利用計算出的實體關系實例對第二信息對應的待處理信息進行自動標注，獲取第二訓練數據，包括：

對所述第二信息對應的待處理信息進行分詞、實體識別處理；

在識別出的實體中匹配出計算得到的所述實體關系實例中的實體；

從所述第二信息對應的待處理信息中抽取同時匹配所述實體關系實例中的關系的兩個實體的文本作為所述第二訓練數據。

2.根據權利要求1所述的信息標注方法，所述方法還包括：

利用所述第二訓練數據對所述關系抽取模型進行訓練，生成信息處理模型。

3.根據權利要求1或2所述的信息標注方法，其中，?所述第二信息的數量大于所述第一信息的數量。

4.根據權利要求1所述的信息標注方法，所述方法還包括：對所述第二訓練數據進行過濾以刪除錯誤的實例。

5.根據權利要求4所述的信息標注方法，其中，所述對所述第二訓練數據進行過濾，包括：

根據所述抽取的文本中實體間的距離確定兩個實體之間具有存在關系的可能性；

刪除可能性小于預先設置的第一閾值的所述抽取的文本。

6.根據權利要求5所述的信息標注方法，其中，所述確定兩個實體之間存在關系的可能性，包括：

所述實體間的距離包括：表示兩個實體詞之間間隔的詞的個數的詞距離Dw、表示兩個實體間最短依存路徑上詞的個數的依存距離Dd、表示兩個實體在句法樹上最短路徑上詞的個數的句法距離Ds、表示兩個實體之間間隔的其他實體的個數的實體距離De；

當Dw??Tw且Dd??Td且Ds??Ts且De??Te時，所述兩個實體之間具有存在關系的可能性；

其中，Tw為詞距離閾值、Td為依存距離閾值、Ts為句法距離閾值、Te為實體距離閾值。

7.根據權利要求4所述的信息標注方法，其中，所述對所述第二訓練數據進行過濾，包括：

利用所述抽取的文本訓練分類器；

使用得到的分類器對所述抽取的文本進行評估，得到所述抽取的文本對應的概率；

刪除概率值小于預先設置的第二閾值的所述抽取的文本。

8.根據權利要求4所述的信息標注方法，其中，所述對所述第二訓練數據進行過濾，包括：

計算所述抽取的文本與對應所述第二信息中的文本的語義相似度，其中，對應第二信息中的文本包含有該抽取的文本中的關系；

刪除語義相似度小于預先設置的第三閾值的所述抽取的文本。

9.一種信息處理方法，包括：

將待處理信息輸入用于獲取與待處理信息對應的摘要信息的信息處理模型，計算得到實體關系實例；

從待處理信息中抽取同時匹配實體關系實例中同一關系的兩個實體的文本，以構成對應待處理信息的摘要信息；

其中，所述信息處理模型的獲取包括：

對第一信息進行人工標注，并以人工標注后的第一信息作為第一訓練數據，生成關系抽取模型；將第二信息輸入關系抽取模型，計算得到實體關系實例；利用計算出的實體關系實例對第二信息對應的待處理信息進行自動標注，獲取第二訓練數據；利用第二訓練數據對所述關系抽取模型進行訓練，生成信息處理模型；

所述利用計算出的實體關系實例對第二信息對應的待處理信息進行自動標注，獲取第二訓練數據，包括：對所述第二信息對應的待處理信息進行分詞、實體識別處理；在識別出的實體中匹配出計算得到的所述實體關系實例中的實體；從所述第二信息對應的待處理信息中抽取同時匹配所述實體關系實例中的關系的兩個實體的文本作為所述第二訓練數據。