[發明專利]實體關系抽取模型的訓練方法和抽取實體關系的方法

在審

• 申請號: 201910883330.2
• 申請日: 2019-09-18
• 公開（公告）號: CN110619053A
• 公開（公告）日: 2019-12-27
• 發明（設計）人: 鐘輝強;尹存祥;方軍;劉亮;駱金昌
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36
• 代理公司: 11313 北京市鑄成律師事務所
• 代理人: 包莉莉;武晨燕

1.一種實體關系抽取模型的訓練方法，其特征在于，包括：

根據已知數據庫中的實體關系三元組，匹配訓練文本，所述實體關系三元組中包括已知實體對和所述已知實體對對應的已知關系，所述訓練文本中包括所述已知實體對；

基于初始模型預測所述已知實體對在所述訓練文本中的關系，得到預測關系；

根據多個所述訓練文本對應的已知關系和預測關系之間的差值，調整所述初始模型的參數，得到實體關系抽取模型，所述實體關系抽取模型用于預測目標實體對在目標文本中的關系。

2.根據權利要求1所述的訓練方法，其特征在于，所述初始模型為雙向門控循環單元-注意力機制模型。

3.根據權利要求1所述的訓練方法，其特征在于，基于初始模型預測所述已知實體對在所述訓練文本中的關系，包括：

從所述訓練文本中確定出多個訓練字符，多個所述訓練字符中包括與所述已知實體對匹配的訓練參考字符；

基于所述訓練字符與所述訓練參考字符的位置關系，得到所述訓練字符的實體位置特征；

將各所述訓練字符的字符特征和實體位置特征輸入所述初始模型，預測所述已知實體對在所述訓練文本中的關系。

4.一種抽取實體關系的方法，其特征在于，包括：

基于實體關系抽取模型，預測目標實體對在目標文本中的關系，得到待選抽取結果，所述實體關系抽取模型根據權利要求1至3任一項所述的訓練方法訓練得到；

判斷所述待選抽取結果是否滿足預設條件；

在判斷所述待選抽取結果為不滿足所述預設條件的情況下，對所述目標文本進行句法依存分析，以確定所述目標實體對在所述目標文本中的關系。

5.根據權利要求4所述的方法，其特征在于，基于實體關系抽取模型，預測目標實體對在目標文本中的關系，包括：

從所述目標文本中確定出多個目標字符，多個所述目標字符中包括與所述目標實體對匹配的目標參考字符；

基于所述目標字符與所述目標參考字符的位置關系，得到所述目標字符的實體位置特征；

將各所述目標字符的字符特征和實體位置特征輸入所述實體關系抽取模型，預測所述目標實體對在所述目標文本中的關系。

6.一種實體關系抽取模型的訓練裝置，其特征在于，包括：

匹配模塊，用于根據已知數據庫中的實體關系三元組，匹配訓練文本，所述實體關系三元組中包括已知實體對和所述已知實體對對應的已知關系，所述訓練文本中包括所述已知實體對；

預測關系確定模塊，用于基于初始模型預測所述已知實體對在所述訓練文本中的關系，得到預測關系；

調整模塊，用于根據多個所述訓練文本對應的已知關系和預測關系之間的差值，調整所述初始模型的參數，得到實體關系抽取模型，所述實體關系抽取模型用于預測目標實體對在目標文本中的關系。

7.根據權利要求6所述的訓練裝置，其特征在于，所述初始模型為雙向門控循環單元-注意力機制模型。

8.一種抽取實體關系的裝置，其特征在于，包括：

模型預測模塊，用于基于實體關系抽取模型，預測目標實體對在目標文本中的關系，得到待選抽取結果，所述實體關系抽取模型為根據權利要求1至3任一項所述的訓練方法訓練得到；

判斷模塊，用于判斷所述待選抽取結果是否滿足預設條件；

句法依存分析模塊，用于在判斷所述待選抽取結果為不滿足所述預設條件的情況下，對所述目標文本進行句法依存分析，以確定所述目標實體對在所述目標文本中的關系。

9.一種電子設備，其特征在于，包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行權利要求1-3中任一項所述的方法。