[發(fā)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(zhì)

在審

• 申請?zhí)枺?/td>: 202010075673.9
• 申請日: 2020-01-22
• 公開（公告）號: CN111274412A
• 公開（公告）日: 2020-06-12
• 發(fā)明（設計）人: 邱昭鵬;吳賢;范偉
• 申請（專利權(quán)）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(chǎn)權(quán)代理有限責任公司 11138
• 代理人: 祝亞男

本申請實施例公開了一種信息提取方法、信息提取模型訓練方法、裝置及存儲介質(zhì)，屬于計算機技術領域。該方法包括：獲取待提取的目標文本，獲取信息提取模型，通過信息提取模型，對目標文本進行信息提取，得到目標文本包含的目標實體和目標實體對應的目標關系。由于該信息提取模型是采用樣本實體及對應的樣本關系訓練得到的，且樣本實體是采用不同的實體提取方式得到的，以使豐富了樣本實體，從而提高了訓練的信息提取模型的準確性，以使通過該訓練后的信息提取模型對目標文本進行信息提取，從而提高了得到的目標實體及對應的目標關系的準確性。

技術領域

本申請實施例涉及計算機技術領域，特別涉及一種信息提取方法、信息提取模型訓練方法、裝置及存儲介質(zhì)。

背景技術

隨著計算機技術的發(fā)展，知識圖譜的應用越來越廣泛，常用于醫(yī)療領域、金融領域等。知識圖譜是用來描述真實世界中存在的各種實體及實體之間的關系，通過從文本中提取實體及實體之間的關系，能夠構(gòu)建知識圖譜。因此如何提取文本中的實體及實體之間的關系成為亟待解決的問題。

相關技術提供了一種信息提取方法，將文本中的名詞作為實體，將相鄰的兩個實體間的動詞作為關系。由于上述提取實體和關系的方式過于簡單，導致提取的實體和關系的準確性差。

發(fā)明內(nèi)容

本申請實施例提供了一種信息提取方法、信息提取模型訓練方法、裝置及存儲介質(zhì)，能夠提高提取的實體和關系的準確性。所述技術方案如下：

一方面，提供了一種信息提取方法，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。

可選地，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，包括：

獲取所述目標文本的詞性集合，所述詞性集合包括所述目標文本中每個單詞的詞性；

通過所述信息提取模型，根據(jù)所述詞性集合，對所述目標文本進行信息提取。

可選地，所述單詞所屬的類型包括第一實體類型、第二實體類型和非實體類型，所述第一實體類型表示對應的單詞是實體中的第一個單詞，所述第二實體類型表示對應的單詞不是實體中的第一個單詞。

可選地，所述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，包括：

通過所述第一嵌入層，獲取每個單詞的詞向量，所述每個單詞的詞向量包括第一詞向量、第二詞向量及第三詞向量中的至少一個；

其中，所述第一詞向量是根據(jù)對應單詞在預設數(shù)據(jù)庫中查詢得到的詞向量，所述預設數(shù)據(jù)庫中包括單詞與詞向量的對應關系；所述第二詞向量用于表示對應單詞在所述目標文本中的位置的詞向量；所述第三詞向量用于表示對應單詞的詞性對應的詞向量。

可選地，所述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，包括：

通過所述第二嵌入層，獲取每個單詞的詞向量，所述每個單詞的詞向量包括第一詞向量、第二詞向量及第三詞向量中的至少一個；

其中，所述第一詞向量是根據(jù)對應單詞在預設數(shù)據(jù)庫中查詢得到的詞向量，所述預設數(shù)據(jù)庫中包括單詞與詞向量的對應關系；所述第二詞向量用于表示對應單詞在所述目標文本中的位置的詞向量；所述第三詞向量用于表示對應單詞的詞性對應的詞向量。