[發(fā)明專(zhuān)利]標(biāo)注方法、關(guān)系抽取方法、存儲(chǔ)介質(zhì)和運(yùn)算裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010124863.5
• 申請(qǐng)日: 2020-02-27
• 公開(kāi)（公告）號(hào): CN111291554A
• 公開(kāi)（公告）日: 2020-06-16
• 發(fā)明（設(shè)計(jì)）人: 代亞菲
• 申請(qǐng)（專(zhuān)利權(quán)）人: 京東方科技集團(tuán)股份有限公司
• 主分類(lèi)號(hào): G06F40/279
• 分類(lèi)號(hào): G06F40/279;G06F16/35;G06F16/36
• 代理公司: 北京天昊聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司 11112
• 代理人: 柴亮;姜春咸

1.一種標(biāo)注方法，其特征在于，包括：

步驟S1、確定待標(biāo)注文本、多個(gè)正確種子和多個(gè)錯(cuò)誤種子，所述待標(biāo)注文本中的每個(gè)句子均已由標(biāo)簽標(biāo)示出一個(gè)第一實(shí)體和一個(gè)第二實(shí)體，所述正確種子和所述錯(cuò)誤種子均是由第一實(shí)體和第二實(shí)體構(gòu)成的實(shí)體對(duì)；

步驟S2、根據(jù)所述正確種子遍歷所述待標(biāo)注文本中每一個(gè)句子以匹配出第一模板；

步驟S3、根據(jù)所述第一模板遍歷所述待標(biāo)注文本中每一個(gè)句子以匹配出種子；

步驟S4、根據(jù)已有第一模板、已有的正確種子和已有的錯(cuò)誤種子評(píng)價(jià)匹配出的種子，其中，評(píng)價(jià)合格的種子作為正確種子；

步驟S5、用步驟S4中得到的正確種子替換步驟S2中的正確種子重復(fù)執(zhí)行步驟S2-S4設(shè)定次數(shù)后停止或至評(píng)價(jià)合格的正確種子的數(shù)量達(dá)到設(shè)定閾值后停止；

步驟S6、輸出匹配出的正確種子及該正確種子中第一實(shí)體和第二實(shí)體之間的分類(lèi)關(guān)系。

2.根據(jù)權(quán)利要求1所述的標(biāo)注方法，其特征在于，所述根據(jù)所述正確種子遍歷所述待標(biāo)注文本中每一個(gè)句子以匹配出第一模板包括：

將所述待標(biāo)注文本中的句子中出現(xiàn)所述正確種子的句子進(jìn)行聚類(lèi)；

根據(jù)同一類(lèi)句子和對(duì)應(yīng)的正確種子得到第一模板，所述第一模板包括該同一類(lèi)句子中出現(xiàn)在對(duì)應(yīng)的正確種子之前的字段的字符向量化表達(dá)、出現(xiàn)在對(duì)應(yīng)的正確種子中第一實(shí)體與第二實(shí)體之間的字段的字符向量化表達(dá)、出現(xiàn)在對(duì)應(yīng)的正確種子之后的字段的字符向量化表達(dá)。

3.根據(jù)權(quán)利要求2所述的標(biāo)注方法，其特征在于，所述根據(jù)所述第一模板遍歷所述待標(biāo)注文本中每一個(gè)句子以匹配出種子包括：

根據(jù)所述待標(biāo)注文本中的句子得到第二模板，所述第二模板包括該句子中出現(xiàn)在該句子中第一實(shí)體和第二實(shí)體二者之前的字段的字符向量化表達(dá)、出現(xiàn)在該句子中第一實(shí)體和第二實(shí)體二者之間的字段的字符向量化表達(dá)、出現(xiàn)在該句子中第一實(shí)體和第二實(shí)體二者之后的字段的字符向量化表達(dá)；

比較所述第一模板與所述第二模板的相似度；

在所述第一模板與所述第二模板的相似度大于設(shè)定閾值的情況下，該第二模板所在句子中的第一實(shí)體和第二實(shí)體作為匹配出的種子。

4.根據(jù)權(quán)利要求3所述的標(biāo)注方法，其特征在于，所述第一模板與所述第二模板的相似度由如下Match函數(shù)確定：

Match(P1,P2)＝α*Cosine(p,q)+β*Euclidean(p,q)+γ*Tanimoto(p,q)，其中，

第一模板記為P1，第二模板記為P2，p為第一模板P1中出現(xiàn)在對(duì)應(yīng)的正確種子之前的字段的字符向量化表達(dá)、出現(xiàn)在對(duì)應(yīng)的正確種子中第一實(shí)體與第二實(shí)體之間的字段的字符向量化表達(dá)、出現(xiàn)在對(duì)應(yīng)的正確種子之后的字段的字符向量化表達(dá)組成的列表，q為第二模板P2中出現(xiàn)在對(duì)應(yīng)句子中第一實(shí)體和第二實(shí)體二者之前的字段的字符向量化表達(dá)、出現(xiàn)在對(duì)應(yīng)句子中第一實(shí)體和第二實(shí)體二者之間的字段的字符向量化表達(dá)、出現(xiàn)在對(duì)應(yīng)句子中第一實(shí)體和第二實(shí)體二者之后的字段的字符向量化表達(dá)組成的列表，α、β與γ均為大于0的比例系數(shù)。

5.根據(jù)權(quán)利要求4所述的標(biāo)注方法，其特征在于，在步驟S5中，按照如下公式評(píng)價(jià)新的種子的正確性：

其中，待評(píng)價(jià)的種子記為T(mén)，P＝{Pi}是產(chǎn)生種子T的所有第一模板,Ci是由第一模板Pi匹配出種子T時(shí)種子T所在句子中第一實(shí)體和第二實(shí)體之前的字段的字符向量化表達(dá)、該句子中第一實(shí)體與第二實(shí)體之間的字段的字符向量化表達(dá)、該句子中第一實(shí)體與第二實(shí)體之后的字段的字符向量化表達(dá)組成的列表，Conf(Pi)記為：

Conf(Pi)＝(Pip)/(Pip+Pin),

其中，Pip是第一模板Pi匹配出來(lái)的正例個(gè)數(shù)；Pin是模板P匹配出來(lái)的負(fù)例個(gè)數(shù)。

6.根據(jù)權(quán)利要求1所述的標(biāo)注方法，其特征在于，所述第一實(shí)體包括標(biāo)示疾病名稱(chēng)的字段，所述第二實(shí)體包括標(biāo)示檢查方法、治療方法、表現(xiàn)癥狀和預(yù)防措施的字段，所述分類(lèi)關(guān)系包括疾病-檢查、疾病-治療、疾病-癥狀、疾病-預(yù)防。