[發明專利]核心實體確定方法及其系統、服務器和計算機可讀介質

有效

• 申請號: 201910511841.1
• 申請日: 2019-06-13
• 公開（公告）號: CN110210038B
• 公開（公告）日: 2023-01-10
• 發明（設計）人: 王述;任可欣;馮知凡;張揚;朱勇
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/30;G06F16/36;G06F16/35
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 彭瑞欣;劉悅晗

1.一種面向文本文檔的核心實體確定方法，其特征在于，包括：

確定待處理文本文檔中所包含的實體，以作為目標實體；

從預定知識圖譜中分別抽取出各所述目標實體的實體邊關系和實體屬性，并針對每一個所述目標實體,根據該目標實體的所述實體邊關系和實體屬性生成該目標實體對應的語義信息，并基于該目標實體所對應的所述語義信息生成該目標實體的語義特征；

針對每一個所述目標實體，根據至少該目標實體的語義特征，生成該目標實體的特征向量；

針對每一個所述目標實體，將該目標實體的特征向量輸入至預定核心實體分類模型中以得到分類結果，并基于所述分類結果確定出該目標實體為核心實體或非核心實體。

2.根據權利要求1所述的方法，其特征在于，所述確定待處理文本文檔中所包含的實體的步驟包括：

采用預定詞提取算法從所述待處理文本文檔中提取出提及詞；

針對每一個所述提及詞，將該提及詞與預定知識圖譜進行鏈接，并基于鏈接結果確定出該提及詞為實體或非實體。

3.根據權利要求1所述的方法，其特征在于，所述針對每一個所述目標實體,根據至少該目標實體的語義特征，生成該目標實體的特征向量的步驟之前還包括：

采用預定切分算法對所述待處理文本文檔進行切分，以得到多個待處理句子；

采用預定文本排序算法對全部所述待處理句子進行排序，并根據排序結果生成各所述待處理句子的句子排序特征；

所述根據至少該目標實體的語義特征，生成該目標實體的特征向量的步驟具體包括：

根據至少該目標實體的語義特征和該目標實體所歸屬的所述待處理句子的所述句子排序特征，生成該目標實體的特征向量。

4.根據權利要求1所述的方法，其特征在于，所述針對每一個所述目標實體,根據至少該目標實體的語義特征，生成該目標實體的特征向量的步驟之前還包括：

針對每一個所述目標實體，采用預定詞轉換向量算法該目標實體進行轉換處理，以生成該目標實體對應的詞轉換向量；

針對每一個所述目標實體，計算該目標實體的詞轉換向量與其他各目標實體的詞轉換向量之間的余弦相似度，并基于計算結果構建出該目標實體所對應的第一余弦相似度向量；

所述根據至少該目標實體的語義特征，生成該目標實體的特征向量的步驟具體包括：

根據至少該目標實體的語義特征和該目標實體所對應的詞轉換特征，生成該目標實體的特征向量；其中，該目標實體所對應的詞轉換特征包括：該目標實體對應的詞轉換向量和該目標實體所對應的第一余弦相似度向量。

5.根據權利要求1所述的方法，其特征在于，所述針對每一個所述目標實體,根據至少該目標實體的語義特征，生成該目標實體的特征向量的步驟之前還包括：

針對每一個所述目標實體，從所述預定知識圖譜中抽取出該所述目標實體的實體屬性，并基于抽取出的實體屬性構建出該目標實體所對應的實體轉換向量；

針對每一個所述目標實體，計算該目標實體的實體轉換向量與其他各目標實體的實體轉換向量之間的余弦相似度，并基于計算結果生成該目標實體所對應的第二余弦相似度向量；

所述根據至少該目標實體的語義特征，生成該目標實體的特征向量的步驟具體包括：

根據至少該目標實體的語義特征和該目標實體所對應的實體轉換特征，生成該目標實體的特征向量；其中，該目標實體所對應的實體轉換特征包括：該目標實體對應的實體轉換向量和該目標實體所對應的第二余弦相似度向量。

6.根據權利要求1所述的方法，其特征在于，所述針對每一個所述目標實體,根據至少該目標實體的語義特征，生成該目標實體的特征向量的步驟之前還包括：

采用預定切分算法對所述待處理文本文檔進行切分，以得到多個待處理句子；

針對每一個所述待處理句子，采用預定依存句法分析算法對該待處理句子進行分析，以生成該待處理句子所對應的依存句法特征；

所述根據至少該目標實體的語義特征，生成該目標實體的特征向量的步驟具體包括：

根據至少該目標實體的語義特征和該目標實體所歸屬的所述待處理句子所對應的依存句法特征，生成該目標實體的特征向量。