[發明專利]一種SPO的抽取方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010042686.6
• 申請日: 2020-01-15
• 公開（公告）號: CN111274391B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 賀薇;李雙婕;史亞冰;蔣燁;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: G06F16/35
• 分類號: G06F16/35;G06F16/36;G06F40/211;G06F40/289;G06F18/214;G06F18/24
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本申請公開了一種SPO的抽取方法、裝置、電子設備及存儲介質，涉及人工智能領域。具體實現方案為：將帶標注的訓練數據分別輸入至多個抽取模型中，通過各個抽取模型在所述帶標注的訓練數據中預測出滿足限定關系的SPO；將各個抽取模型預測出的SPO進行融合，在融合后的SPO中提取出滿足篩選條件的SPO；若所述滿足篩選條件的SPO不滿足輸出條件，則根據所述滿足篩選條件的SPO，在所述帶標記的訓練數據中挖掘出標注缺失的SPO；將所述標注缺失的SPO補充至所述帶標注的訓練數據中，重復執行上述操作，直到所述滿足篩選條件的SPO滿足所述輸出條件。本申請實施例不僅可以有效地提高SPO的召回率，而且還可以節省人工成本，提高抽取效率。

技術領域

本申請涉及計算機處理技術領域，進一步涉及人工智能技術，尤其是一種三元組SPO的抽取方法、裝置、電子設備及存儲介質。

背景技術

關系抽取系統是指從自然語言文本中抽取實體關系數據，也被稱作SPO三元組數據，得到實體pair(主體S-客體O?pair)與他們之間的關系(P)構成的三元組知識。知識抽取方法是旨在從海量互聯網文本中通過抽取技術挖掘高置信度的實體關系數據。

從知識圖譜構建的角度上看，實體關系代表將實體結點關聯起來的邊，屬于強schema知識，可以用于提升知識圖譜的連通度。從產品應用的角度來看，實體關系數據是實體的最重要信息之一，這標志著與其他實體之間關聯的橋梁。實體關系數據可以直接滿足用戶對于實體關聯的需求，也可以有效提高人們檢索和瀏覽實體的效率，提升用戶體驗，典型的產品應用有實體問答、實體推薦等。但是，通常來說，用于訓練抽取模型的帶標注的訓練數據和真實場景下的測試數據存在分布不一致的問題，通過遠程監督和眾包標注方法構建的訓練數據不是完備的，存在缺漏或準確的問題，影響模型的訓練效果。

在現有技術中，通常采用如下兩種方案進行SPO的抽?。?1)通過挖掘模板進行抽??；這種方式主要指針對特定的垂類網站或固定的句法規則，人工配置好多個挖掘模板，如定義好網頁正則模板、句法規則等對網頁中固定結構的數據進行定向抽取；(2)通過單一的抽取模型進行抽??；這種方式主要指利用句子中的詞字、分詞和詞性等信息，通過單一的深度學習模型實現SPO抽取功能。

在實現本發明的過程中，發明人發現現有技術中至少存在如下問題：

針對上述方案(1)，主要缺點是：人工成本較大，需要人工配置目標模板，并且很難做到覆蓋到真實場景的所有目標，導致召回率低；針對上述方案(2)，主要缺點是：當用于訓練抽取模型的帶標注的訓練數據與真實場景下的測試數據不一致時，僅依靠單一的抽取模型進行抽取，不能很好地覆蓋到訓練數據中所有有效的特征，導致召回率低。

發明內容

有鑒于此，本申請提出實施例提供一種SPO的抽取方法、裝置、電子設備及存儲介質，不僅可以有效地提高SPO的召回率，而且還可以節省人工成本，提高抽取效率。

第一方面，本申請實施例提供了一種SPO的抽取方法，所述方法包括：

將帶標注的訓練數據分別輸入至多個抽取模型中，通過各個抽取模型在所述帶標注的訓練數據中預測出滿足限定關系的SPO；

將各個抽取模型預測出的SPO進行融合，在融合后的SPO中提取出滿足篩選條件的SPO；

若所述滿足篩選條件的SPO不滿足輸出條件，則根據所述滿足篩選條件的SPO，在所述帶標記的訓練數據中挖掘出標注缺失的SPO；

將所述標注缺失的SPO補充至所述帶標注的訓練數據中，重復執行上述操作，直到所述滿足篩選條件的SPO滿足所述輸出條件。