[發明專利]信息抽取方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010071824.3
• 申請日: 2020-01-21
• 公開（公告）號: CN111291185B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 王炳乾
• 申請（專利權）人: 京東方科技集團股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/36;G06N3/0464;G06N3/08
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 李娜

本申請提供了一種信息抽取方法、裝置、電子設備及存儲介質，首先獲取源數據，然后將源數據輸入預先訓練得到的信息抽取模型，得到源數據所包含的三元組信息，三元組信息包括源數據中的主語、謂語和賓語；其中，信息抽取模型包括二分類子模型和多標簽分類子模型，二分類子模型用于抽取源數據中的主語，多標簽分類子模型用于根據主語和所述源數據，抽取源數據中與主語對應的謂語和賓語。本申請技術方案采用端到端的信息抽取模型聯合抽取源數據中的三元組信息，替代傳統的實體識別和關系抽取的管道式抽取方法，可以提高信息抽取的效率和準確率。

技術領域

本發明涉及信息處理技術領域，特別是涉及一種信息抽取方法、裝置、電子設備及存儲介質。

背景技術

隨著深度學習等領域的持續發展，人工智能逐漸涉足各個領域，致力于改善人們的生活，在圖像識別、語音識別等領域已經超越了人類的水平。然而在自然語言處理領域，由于人類語言的復雜性以及事物的多樣性，目前的技術尚不能達到完全理解語義的程度，因此需要一個語義連接的橋梁——知識圖譜。知識圖譜由實體、屬性和關系組成，其本質上來講是一種語義網絡，網絡中的節點表示現實世界存在的實體或者屬性值，節點之間的邊表示兩個實體之間的關系。目前知識圖譜技術主要用于智能語義搜索、移動個人助理以及問答系統中。

發明內容

本發明提供一種信息抽取方法、裝置、電子設備及存儲介質，以提高信息抽取的效率和精度。

為了解決上述問題，本發明公開了一種信息抽取方法，所述方法包括：

獲取源數據；

將所述源數據輸入預先訓練得到的信息抽取模型，得到所述源數據所包含的三元組信息，所述三元組信息包括所述源數據中的主語、謂語和賓語；其中，所述信息抽取模型包括二分類子模型和多標簽分類子模型，所述二分類子模型用于抽取所述源數據中的主語，所述多標簽分類子模型用于根據所述主語和所述源數據，抽取所述源數據中與所述主語對應的謂語和賓語。

在一種可選的實現方式中，在所述將所述源數據輸入預先訓練得到的信息抽取模型，得到所述源數據所包含的三元組信息的步驟之前，還包括：獲得所述信息抽取模型，其中，所述獲得所述信息抽取模型的步驟，包括：

獲得樣本集合，所述樣本集合中包括多個待訓練文本以及各所述待訓練文本的三元組標注信息，所述三元組標注信息包括主語標注信息、謂語標注信息和賓語標注信息；

將所述待訓練文本輸入第一預訓練語言模型，將所述第一預訓練語言模型的輸出信息送入第一神經網絡模型；

將所述第一神經網絡模型的輸出信息以及所述待訓練文本輸入第二預訓練語言模型，將所述第二預訓練語言模型的輸出信息送入第二神經網絡模型；

根據所述第一神經網絡模型的輸出信息、所述第二神經網絡模型的輸出信息以及所述三元組標注信息，對所述第一預訓練語言模型、所述第一神經網絡模型、所述第二預訓練語言模型以及所述第二神經網絡模型進行訓練，得到所述信息抽取模型，其中，訓練后的第一預訓練語言模型和第一神經網絡模型構成所述二分類子模型，訓練后的第二預訓練語言模型和第二神經網絡模型構成所述多標簽分類子模型。

在一種可選的實現方式中，所述根據所述第一神經網絡模型的輸出信息、所述第二神經網絡模型的輸出信息以及所述三元組標注信息，對所述第一預訓練語言模型、所述第一神經網絡模型、所述第二預訓練語言模型以及所述第二神經網絡模型進行訓練，得到所述信息抽取模型的步驟，包括：

根據所述第一神經網絡模型的輸出信息以及所述主語標注信息，確定第一損失函數；

根據所述第二神經網絡模型的輸出信息、所述謂語標注信息以及所述賓語標注信息，確定第二損失函數；

對所述第一預訓練語言模型、所述第一神經網絡模型、所述第二預訓練語言模型以及所述第二神經網絡模型中的參數進行優化，得到所述信息抽取模型，使得所述第一損失函數與所述第二損失函數之和最小。