[發明專利]命名實體識別方法及裝置

有效

• 申請號: 201811526902.3
• 申請日: 2018-12-13
• 公開（公告）號: CN110162772B
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 李克南;曾軻;李容
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06N3/08
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種命名實體識別方法，其特征在于，所述方法包括：

將待識別語料進行詞向量轉換，生成預設維度的第一詞向量；

將所述待識別語料進行多特征向量轉換，生成第一多特征向量，其中，所述第一多特征向量包括：第一詞性特征向量、或第一實體前邊界詞特征向量、或第一實體后邊界詞特征向量、或第一實體常見詞特征向量；

將所述預設維度的第一詞向量與所述第一多特征向量拼接，生成第一多特征拼接向量；

根據所述第一多特征拼接向量以及預置多特征命名實體識別模型確定所述待識別語料的至少一個命名實體的標簽；

所述將所述預設維度的第一詞向量與所述第一多特征向量拼接，生成第一多特征拼接向量的步驟，包括：

將所述第一詞性特征向量、所述第一實體前邊界詞特征向量、所述第一實體后邊界詞特征向量、所述第一實體常見詞特征向量中的一項或多項，與所述預設維度的第一詞向量進行拼接，生成第一多特征拼接向量。

2.根據權利要求1所述的方法，其特征在于，當所述第一多特征向量包括第一詞性特征向量時，所述將所述待識別語料進行多特征向量轉換，生成第一多特征向量的步驟，包括：

將所述待識別語料進行詞性標注，獲得所述待識別語料中的第一詞性特征詞；

將所述第一詞性特征詞進行詞向量轉換，生成第一詞性特征向量。

3.根據權利要求1所述的方法，其特征在于，當所述第一多特征向量包括第一實體前邊界詞特征向量時，所述將所述待識別語料進行多特征向量轉換，生成第一多特征向量的步驟，包括：

通過查詢預置的實體前邊界詞詞典，獲得所述待識別語料中的第一實體前邊界詞；

將所述第一實體前邊界詞進行特征詞向量轉換，生成第一實體前邊界詞特征向量。

4.根據權利要求1所述的方法，其特征在于，當所述第一多特征向量包括第一實體后邊界詞特征向量時，所述將所述待識別語料進行多特征向量轉換，生成第一多特征向量的步驟，包括：

通過查詢預置的實體后邊界詞詞典，獲得所述待識別語料中的第一實體后邊界詞；

將所述第一實體后邊界詞進行特征詞向量轉換，生成第一實體后邊界詞特征向量。

5.根據權利要求1所述的方法，其特征在于，當所述第一多特征向量包括第一實體常見詞特征向量時，所述將所述待識別語料進行多特征向量轉換，生成第一多特征向量的步驟，包括：

通過查詢預置的實體常見詞詞典，獲得到所述待識別語料中的第一實體常見詞；

將所述第一實體常見詞進行特征詞向量轉換，生成第一實體常見詞特征向量。

6.根據權利要求1所述的方法，其特征在于，在所述根據所述第一多特征拼接向量以及預置多特征命名實體識別模型確定所述待識別語料的至少一個命名實體的標簽的步驟之前，還包括：

通過預置的命名實體訓練語料獲得實體標注語料；

將所述實體標注語料進行詞向量轉換，生成預設維度的第二詞向量；

將所述實體標注語料進行多特征向量轉換，生成第二多特征向量；

將所述第二多特征向量與所述預設維度的第二詞向量拼接，生成第二多特征拼接向量；

基于所述第二多特征拼接向量對預設神經網絡算法進行訓練，得到預置多特征命名實體識別模型。