[發(fā)明專利]實體關(guān)系獲取方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010149505.X
• 申請日: 2020-03-06
• 公開（公告）號: CN111428493A
• 公開（公告）日: 2020-07-17
• 發(fā)明（設(shè)計）人: 戚思驊;張燦
• 申請（專利權(quán)）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/284;G06F40/205;G06F16/35
• 代理公司: 北京市京大律師事務(wù)所 11321
• 代理人: 劉挽瀾

1.一種實體關(guān)系獲取方法，其特征在于，包括：

對待識別的語料文本進行實體抽取，獲得對應(yīng)的具有實體關(guān)系的實體詞組；

使用預(yù)設(shè)分詞算法對所述待識別的語料文本進行分詞處理，獲取對應(yīng)的預(yù)置字詞塊；

使用預(yù)設(shè)向量提取模型對預(yù)置字詞塊進行字詞向量表征及提取，得到所述待識別的語料文本對應(yīng)的字詞向量；

使用所述預(yù)設(shè)向量提取模型對預(yù)先得到的實體詞組進行字詞向量表征及提取，得到所述實體詞組的字詞向量；

將所述待識別語料文本的字詞向量與所述實體詞組的字詞向量進行向量融合處理，得到對應(yīng)的融合向量，所述向量融合處理包括采用向量拼接處理、向量平均化處理、向量池化處理、向量加權(quán)和處理中至少一種處理方式、或至少兩種處理方式的組合處理方式；

使用預(yù)設(shè)特征向量提取模型對所述融合向量進行特征向量提取，得到對應(yīng)的特征向量，所述特征向量包含實體關(guān)系；

使用預(yù)設(shè)的多類別多標簽識別模型對所述特征向量進行預(yù)測，得到所述實體詞組對應(yīng)的所有實體關(guān)系集合。

2.根據(jù)權(quán)利要求1所述的實體關(guān)系獲取方法，其特征在于，所述對待識別的語料文本進行實體抽取，獲得對應(yīng)的具有實體關(guān)系的實體詞組，包括：

對待識別的語料文本進行切分處理，得到對應(yīng)的預(yù)置字塊；

使用至少包含兩個標簽類型的標簽對所述預(yù)置字塊進行標簽標記處理，得到根據(jù)標簽類型分類的待訓(xùn)練數(shù)據(jù)，所述標簽類型代表對應(yīng)的預(yù)置字塊的實體類型，所述標簽類型間的關(guān)系代表實體關(guān)系；

使用預(yù)設(shè)向量提取模型對所述待訓(xùn)練數(shù)據(jù)進行向量化表征及提取，從而得到每個所述標簽類型對應(yīng)字塊的字向量；

將每個所述標簽類型對應(yīng)字塊的字向量，分別輸入第一長短期記憶網(wǎng)絡(luò)-條件隨機場模型、第二長短期記憶網(wǎng)絡(luò)-條件隨機場模型進行預(yù)測處理，得到每個所述標簽類型對應(yīng)的預(yù)測標簽序列；

將每個所述標簽類型對應(yīng)的預(yù)測標簽序列進行合并，得到合并后的預(yù)測標簽序列；

對所述合并后的預(yù)測標簽序列進行去標簽解碼處理，得到具有實體關(guān)系的實體詞組；所述去標簽解碼處理為對所述合并后的預(yù)測標簽序列進行刪除標簽處理。

3.根據(jù)權(quán)利要求2所述的實體關(guān)系獲取方法，其特征在于，所述將每個所述標簽類型對應(yīng)字塊的字向量，分別輸入第一長短期記憶網(wǎng)絡(luò)-條件隨機場模型、第二長短期記憶網(wǎng)絡(luò)-條件隨機場模型進行預(yù)測處理，得到每個所述標簽類型對應(yīng)的預(yù)測標簽序列具體包括：

將每個所述標簽類型對應(yīng)字塊的字向量分別輸入第一長短期記憶網(wǎng)絡(luò)模型、第二長短期記憶網(wǎng)絡(luò)模型進行預(yù)測處理，得到對應(yīng)的第一預(yù)測結(jié)果、第二預(yù)測結(jié)果；

將所述對應(yīng)的第一預(yù)測結(jié)果、第二預(yù)測結(jié)果分別輸入第一條件隨機場模型、第二條件隨機場模型進行預(yù)測處理，得到每個所述標簽類型對應(yīng)的預(yù)測標簽序列。

4.根據(jù)權(quán)利要求1所述的實體關(guān)系獲取方法，其特征在于，所述預(yù)設(shè)向量提取模型為獨熱編碼模型、共現(xiàn)矩陣模型、詞頻-逆文本頻率指數(shù)模型中的至少一種模型；

所述預(yù)設(shè)特征向量提取模型為長短期記憶網(wǎng)絡(luò)模型、卷積神經(jīng)網(wǎng)絡(luò)模型、自編碼器模型、循環(huán)神經(jīng)網(wǎng)絡(luò)模型中的至少一種模型。

5.根據(jù)權(quán)利要求1所述的實體關(guān)系獲取方法，其特征在于，所述預(yù)設(shè)的多類別多標簽識別模型為所述待識別語料文本對應(yīng)目標領(lǐng)域中的語料進行特征向量提取，并輸入到長短期記憶網(wǎng)絡(luò)模型經(jīng)訓(xùn)練得到的多類別多標簽識別模型。