[發明專利]信息提取方法、信息提取模型訓練方法、裝置及存儲介質

在審

• 申請號: 202010075673.9
• 申請日: 2020-01-22
• 公開（公告）號: CN111274412A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 邱昭鵬;吳賢;范偉
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/33;G06F16/35;G06F40/295;G06F40/30
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

1.一種信息提取方法，其特征在于，所述方法包括：

獲取待提取的目標文本，所述目標文本包括至少一個單詞；

獲取信息提取模型，所述信息提取模型的輸入樣本包括樣本文本，輸出樣本包括至少一個第一樣本實體、多個第二樣本實體和所述多個第二樣本實體中任兩個第二樣本實體對應的樣本關系，所述第一樣本實體和所述第二樣本實體采用不同的實體提取方式從所述樣本文本中提取；

通過所述信息提取模型，對所述目標文本進行信息提取，得到所述目標文本包含的目標實體和所述目標實體對應的目標關系。

2.根據權利要求1所述的方法，其特征在于，所述信息提取模型包括實體提取子模型，所述實體提取子模型包括第一嵌入層、第一編碼層和第一輸出層；所述通過所述信息提取模型，對所述目標文本進行信息提取，得到所述目標文本包含的目標實體和所述目標實體對應的目標關系，包括：

通過所述第一嵌入層，獲取所述目標文本中的多個單詞的詞向量；

通過所述第一編碼層，根據每個單詞的相鄰單詞的詞向量，對所述每個單詞的詞向量進行重新編碼，得到所述每個單詞更新后的詞向量；

通過所述第一輸出層，根據所述每個單詞更新后的詞向量，輸出所述目標文本包含的目標實體。

3.根據權利要求2所述的方法，其特征在于，所述通過所述第一輸出層，根據所述每個單詞更新后的詞向量，輸出所述目標文本包含的目標實體，包括：

通過所述第一輸出層，根據所述每個單詞更新后的詞向量，確定所述每個單詞所屬的類型，其中單詞所屬的類型包括實體類型和非實體類型；

根據所述每個單詞所屬的類型，確定所述目標實體。

4.根據權利要求2所述的方法，其特征在于，所述信息提取模型還包括關系提取子模型，所述關系提取子模型包括第二嵌入層、第二編碼層和第二輸出層；所述通過所述信息提取模型，對所述目標文本進行信息提取，得到所述目標文本包含的目標實體和所述目標實體對應的目標關系，還包括：

通過所述第二嵌入層，獲取所述目標文本中的多個單詞的詞向量，所述多個單詞中屬于所述目標實體的單詞的詞向量與其他單詞的詞向量不同；

通過所述第二編碼層，根據每個單詞的相鄰單詞的詞向量，對所述每個單詞的詞向量進行重新編碼，得到所述每個單詞更新后的詞向量；

通過所述第二輸出層，根據所述多個單詞更新后的詞向量，輸出所述目標實體對應的目標關系。

5.根據權利要求4所述的方法，其特征在于，所述通過所述第二輸出層，根據所述多個單詞更新后的詞向量，輸出所述目標實體對應的目標關系，包括：

對于任兩個目標實體，通過所述第二輸出層，根據所述任兩個目標實體之間的多個單詞更新后的詞向量，確定每個單詞的第一概率和第二概率，所述第一概率表示對應單詞是關系中的第一個單詞的概率，所述第二概率表示對應單詞是關系中的最后一個單詞的概率；

將所述多個單詞中的任兩個單詞按照在所述目標文本中的先后順序進行組合，得到多個單詞組合；

獲取每個單詞組合中，第一個單詞的第一概率與第二個單詞的第二概率的乘積，作為所述每個單詞組合的組合概率；

將組合概率最大的單詞組合中的兩個單詞及所述兩個單詞之間的單詞，確定為所述任兩個目標實體的目標關系。

6.根據權利要求1所述的方法，其特征在于，所述獲取信息提取模型之前，所述方法包括：

獲取所述樣本文本，所述樣本文本包括至少一個單詞；

采用第一提取方式對所述樣本文本進行實體提取，得到所述至少一個第一樣本實體；

采用第二提取方式對所述樣本文本進行實體提取及關系提取，得到所述多個第二樣本實體及所述多個第二樣本實體中任兩個第二樣本實體對應的樣本關系；

根據所述至少一個第一樣本實體、所述多個第二樣本實體及所述多個第二樣本實體中任兩個第二樣本實體對應的樣本關系，構建所述樣本文本對應的實體關系集合；

將所述樣本文本作為所述信息提取模型的輸入樣本，將所述實體關系集合作為所述信息提取模型的輸出樣本，對所述信息提取模型進行訓練。