[發(fā)明專利]一種實(shí)體關(guān)系識(shí)別模型訓(xùn)練、實(shí)體關(guān)系識(shí)別方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201911104115.4
• 申請(qǐng)日: 2019-11-13
• 公開（公告）號(hào): CN110825827B
• 公開（公告）日: 2022-10-25
• 發(fā)明（設(shè)計(jì)）人: 徐猛;付驍弈
• 申請(qǐng)（專利權(quán)）人: 北京明略軟件系統(tǒng)有限公司
• 主分類號(hào): G06F16/28
• 分類號(hào): G06F16/28;G06F16/36
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本申請(qǐng)?zhí)峁┝艘环N實(shí)體關(guān)系識(shí)別模型訓(xùn)練、實(shí)體關(guān)系識(shí)別方法及裝置，包括：獲取帶有實(shí)體標(biāo)注的樣本語(yǔ)料，并基于樣本語(yǔ)料的實(shí)體標(biāo)注信息，確定樣本語(yǔ)料的關(guān)系矩陣；將樣本語(yǔ)料輸入至待訓(xùn)練的識(shí)別模型中，識(shí)別模型包括特征提取模型、第一預(yù)測(cè)模型、以及第二預(yù)測(cè)模型，將樣本語(yǔ)料輸入至待訓(xùn)練的識(shí)別模型中，得到樣本語(yǔ)料中的每一個(gè)字對(duì)應(yīng)的實(shí)體預(yù)測(cè)結(jié)果、以及樣本語(yǔ)料對(duì)應(yīng)的預(yù)測(cè)關(guān)系矩陣：基于樣本語(yǔ)料中的每一個(gè)字對(duì)應(yīng)的實(shí)體預(yù)測(cè)結(jié)果、以及預(yù)測(cè)關(guān)系矩陣、樣本語(yǔ)料的實(shí)體標(biāo)注、以及樣本語(yǔ)料的關(guān)系矩陣，對(duì)識(shí)別模型進(jìn)行訓(xùn)練，得到實(shí)體關(guān)系識(shí)別模型。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其是涉及一種實(shí)體關(guān)系識(shí)別模型訓(xùn)練、實(shí)體關(guān)系識(shí)別方法及裝置。

背景技術(shù)

知識(shí)圖譜技術(shù)是人工智能技術(shù)的組成部分，其強(qiáng)大的語(yǔ)義處理和互聯(lián)組織能力，為智能化信息應(yīng)用提供了基礎(chǔ)。而實(shí)體抽取和實(shí)體關(guān)系抽取是只是圖譜的構(gòu)建和知識(shí)抽取中的一個(gè)重要環(huán)節(jié)，可以為多種應(yīng)用提供重要的技術(shù)支持。從語(yǔ)料數(shù)據(jù)中提取出實(shí)體以及實(shí)體之間的實(shí)體關(guān)系的精度將直接影響到知識(shí)圖譜構(gòu)建的精度。

現(xiàn)有技術(shù)中主要通過(guò)流水線模型提取語(yǔ)料數(shù)據(jù)中的實(shí)體以及實(shí)體關(guān)系，然而這種方法容易導(dǎo)致誤差累計(jì)，精度較低。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)的目的在于提供實(shí)體關(guān)系識(shí)別模型訓(xùn)練、實(shí)體關(guān)系識(shí)別方法及裝置。

第一方面，本申請(qǐng)實(shí)施例提供了一種實(shí)體關(guān)系識(shí)別模型訓(xùn)練方法，包括：

獲取帶有實(shí)體標(biāo)注的樣本語(yǔ)料，并基于所述樣本語(yǔ)料的實(shí)體標(biāo)注信息，確定所述樣本語(yǔ)料的關(guān)系矩陣，其中，所述實(shí)體標(biāo)注用于表示所述樣本語(yǔ)料中的每一個(gè)字所屬的實(shí)體類型，所述關(guān)系矩陣用于表示所述樣本語(yǔ)料中實(shí)體之間的實(shí)體關(guān)系；

將所述樣本語(yǔ)料輸入至待訓(xùn)練的識(shí)別模型中，所述識(shí)別模型包括特征提取模型、第一預(yù)測(cè)模型、以及第二預(yù)測(cè)模型，將所述樣本語(yǔ)料輸入至待訓(xùn)練的識(shí)別模型中，執(zhí)行以下操作，直至得到所述樣本語(yǔ)料中的每一個(gè)字對(duì)應(yīng)的實(shí)體預(yù)測(cè)結(jié)果、以及所述樣本語(yǔ)料對(duì)應(yīng)的預(yù)測(cè)關(guān)系矩陣：

將所述樣本語(yǔ)料轉(zhuǎn)換為樣本語(yǔ)料矩陣，并基于所述樣本語(yǔ)料矩陣、以及所述特征提取模型，確定所述樣本語(yǔ)料矩陣對(duì)應(yīng)的樣本語(yǔ)料特征矩陣；

基于所述樣本語(yǔ)料特征矩陣、以及所述第一預(yù)測(cè)模型，預(yù)測(cè)所述樣本語(yǔ)料中的每一個(gè)字對(duì)應(yīng)的實(shí)體預(yù)測(cè)結(jié)果；以及，

基于所述樣本語(yǔ)料特征矩陣、以及所述第二預(yù)測(cè)模型，預(yù)測(cè)所述樣本語(yǔ)料對(duì)應(yīng)的預(yù)測(cè)關(guān)系矩陣；

基于所述樣本語(yǔ)料中的每一個(gè)字對(duì)應(yīng)的實(shí)體預(yù)測(cè)結(jié)果、以及所述預(yù)測(cè)關(guān)系矩陣、所述樣本語(yǔ)料的實(shí)體標(biāo)注、以及所述樣本語(yǔ)料的關(guān)系矩陣，對(duì)所述識(shí)別模型進(jìn)行訓(xùn)練，得到實(shí)體關(guān)系識(shí)別模型。

結(jié)合第一方面，本申請(qǐng)實(shí)施例提供了第一方面的第一種可能的實(shí)施方式，其中，所述特征提取模型為雙向長(zhǎng)短記憶網(wǎng)絡(luò)模型；

所述基于所述樣本語(yǔ)料矩陣、以及所述特征提取模型，確定所述樣本語(yǔ)料矩陣對(duì)應(yīng)的樣本語(yǔ)料特征矩陣，包括：

將所述樣本語(yǔ)料矩陣輸入至所述特征提取模型中，得到第一樣本語(yǔ)料特征矩陣和第二樣本語(yǔ)料特征矩陣；

將所述第一樣本語(yǔ)料特征矩陣和所述第二樣本語(yǔ)料特征矩陣進(jìn)行拼接，得到所述樣本語(yǔ)料特征矩陣。

結(jié)合第一方面，本申請(qǐng)實(shí)施例提供了第一方面的第二種可能的實(shí)施方式，其中，所述基于所述樣本語(yǔ)料特征矩陣、以及所述第一預(yù)測(cè)模型，預(yù)測(cè)所述樣本語(yǔ)料中的每一個(gè)字對(duì)應(yīng)的實(shí)體預(yù)測(cè)結(jié)果，包括：

將所述樣本語(yǔ)料特征矩陣進(jìn)行線性轉(zhuǎn)換，并將線性轉(zhuǎn)換后的所述樣本語(yǔ)料特征矩陣輸入至所述第一預(yù)測(cè)模型中，輸出得到所述樣本語(yǔ)料中每一個(gè)字屬于每種實(shí)體類型的概率；

基于所述樣本語(yǔ)料中每一個(gè)字屬于每種實(shí)體類型的概率，確定所述樣本語(yǔ)料中的每一個(gè)字對(duì)應(yīng)的實(shí)體預(yù)測(cè)結(jié)果，所述實(shí)體預(yù)測(cè)結(jié)果包括預(yù)測(cè)實(shí)體類型。