[發明專利]命名實體的識別方法和設備、以及計算機可讀存儲介質

在審

• 申請號: 201910979122.2
• 申請日: 2019-10-15
• 公開（公告）號: CN112668333A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 孟函可;祝官文
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F16/35
• 代理公司: 北京匯思誠業知識產權代理有限公司 11444
• 代理人: 馮偉

1.一種命名實體的識別方法，其特征在于，包括：

獲取待識別文本；

確定用于識別所述待識別文本中的命名實體的命名實體識別模型所應用的場景類型；

將所述待識別文本和所述場景類型輸入所述命名實體識別模型；

獲取所述命名實體識別模型的輸出信息，以確定所述命名實體識別模型針對所述場景類型在所述待識別文本中識別出的命名實體。

2.如權利要求1所述的方法，其特征在于，

在將所述待識別文本和所述場景類型輸入所述命名實體識別模型之前，所述方法還包括：

將所述待識別文本按照劃分單位標注內容索引，其中，內容相同的所述劃分單位通過相同的內容索引進行標注；

確定所述場景類型所對應的場景類型索引；針對每個所述劃分單位標注所述場景類型索引；

相應的，所述將所述待識別文本和所述場景類型輸入所述命名實體識別模型，包括：

將所述待識別文本中所有所述劃分單位被標注的索引輸入所述命名實體識別模型。

3.如權利要求2所述的方法，其特征在于，在將所述待識別文本中所有所述劃分單位被標注的索引輸入所述命名實體識別模型之后，所述命名實體識別模型的處理方法包括：

針對每個所述劃分單位，分別將被標注的不同類型的索引轉換為多維向量；

針對每個所述劃分單位，按序拼接不同類型的索引轉換后的多個多維向量；

將所述待識別文本中所有所述劃分單位的拼接向量輸入序列標注模型；

獲取所述序列標注模型的輸出結果，以得到所述待識別文本中的命名實體的標注信息。

4.如權利要求3所述的方法，其特征在于，所述序列標注模型為深度學習模型，所述深度學習模型包括：

一層或多層循環神經網絡，每層所述循環神經網絡利用神經網絡計算單元按序對所述待識別文本中每個所述劃分單位的拼接向量進行計算，以輸出每個所述劃分單位對應的計算結果向量；

條件隨機場，用于接收向量序列，所述向量序列包括按序排列的多個所述計算結果向量，所述多個計算結果向量為所述一層或多層循環神經網絡中最后一層所述循環神經網絡針對所有所述劃分單位的計算結果向量，以輸出用于標識每個所述劃分單位是否為命名實體的標注標簽。

5.如權利要求1-4任一項所述的方法，其特征在于，在將所述待識別文本和所述場景類型輸入所述命名實體識別模型之前，所述方法還包括：獲取本輪會話對應的待識別的第一文本；檢測所述第一文本中是否存在第一關鍵詞，所述第一關鍵詞用于指示所述第一文本與多輪會話場景相關；在所述第一文本中存在所述第一關鍵詞的情況下，將所述第一文本中的所述第一關鍵詞替換為第二關鍵詞，得到待識別的第二文本；相應的，所述將所述待識別文本和所述場景類型輸入所述命名實體識別模型，包括：至少根據所述第二關鍵詞，利用所述命名實體識別模型在所述第二文本中識別命名實體，所述第二關鍵詞與所述識別出的命名實體所對應的實體類別相關。

6.一種命名實體的識別方法，其特征在于，所述方法包括：

獲取本輪會話對應的待識別的第一文本；

檢測所述第一文本中是否存在第一關鍵詞，所述第一關鍵詞用于指示所述第一文本與多輪會話場景相關；

在所述第一文本中存在所述第一關鍵詞的情況下，將所述第一文本中的所述第一關鍵詞替換為第二關鍵詞，得到待識別的第二文本；

至少根據所述第二關鍵詞，利用命名實體識別模型在所述第二文本中識別命名實體，所述第二關鍵詞與所述識別出的命名實體所對應的實體類別相關。

7.如權利要求6所述的方法，其特征在于，在檢測所述第一文本中是否存在第一關鍵詞之前，所述方法還包括：

獲取所述本輪會話的前一輪會話對應的待識別的第三文本的意圖分析結果，以得到所述第三文本的意圖類型；

判斷所述第三文本的意圖類型是否為指定的意圖類型；

相應的，如果所述第三文本的意圖類型是所述指定的意圖類型，則檢測所述第一文本中是否存在第一關鍵詞。