[發明專利]命名實體的識別方法及裝置

在審

• 申請號: 202010184831.4
• 申請日: 2020-03-17
• 公開（公告）號: CN113408283A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 譚傳奇;陳漠沙;仇偉;黃非
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/30;G06K9/62
• 代理公司: 北京鼎佳達知識產權代理事務所(普通合伙) 11348
• 代理人: 任媛;劉鐵生

本發明公開一種命名實體的識別方法及裝置，涉及計算機技術領域，能夠解決現有技術對命名實體進行歸類的準確率較低的問題。方法包括通過將待識別命名實體與實體知識庫中的經驗命名實體進行名稱匹配，獲得待識別命名實體與經驗命名實體的相似度，并基于相似度獲取N個候選經驗命名實體；經驗命名實體包括從歷史文本中獲取到的歸類于標準命名實體的命名實體；獲取候選經驗命名實體的特定特征；基于特定特征，重新計算候選經驗命名實體與待識別命名實體的相似度，獲得與待識別命名實體相似度滿足預設條件的候選經驗命名實體，并將待識別命名實體歸類于滿足預設條件的候選經驗命名實體對應的標準命名實體。主要適用于對命名實體進行歸一化處理的場景。

技術領域

本發明涉及計算機技術領域，特別是涉及一種命名實體的識別方法及裝置。

背景技術

在現實生活中，對于同一命名實體可能會采用不同的表達方式，例如對于一種緩解眼睛疲勞的眼藥水，有的醫生會在醫療本上寫玻璃酸鈉滴眼液，有的醫生可能直接使用產品牌子隱含表示是某款的玻璃酸鈉滴眼液，由于玻璃酸鈉滴眼液屬于一種人工淚液，所以有的醫生可能會寫人工淚液。由此給命名實體的識別帶來了困難，歸一化處理成為了解決該問題的關鍵。目前對命名實體進行歸一化處理的方法主要是：將待識別文本中的實體名稱與實體知識庫中的實體名稱一一進行匹配，計算兩者實體名稱的相似度，并將待識別文本中的實體名稱歸類到相似度最大的實體知識庫中的實體名稱。但是有時候兩個實體名稱雖然相似度較大，只有一個字不同，但是其可能屬于兩個不同的實體，例如青霉素和紅霉素是兩個不同的藥品。因此，現有技術這種僅將實體名稱中的字本身進行匹配來實現命名實體歸一化處理的方式準確率較低。

發明內容

有鑒于此，本發明提供的命名實體的識別方法及裝置，其目的在于解決現有技術中對命名實體進行歸類的準確率較低的問題。

第一方面，本發明提供了一種命名實體的識別方法，所述方法包括：

通過將待識別命名實體與實體知識庫中的經驗命名實體進行名稱匹配，獲得所述待識別命名實體與所述經驗命名實體的相似度，并基于所述相似度獲取N個候選經驗命名實體；所述經驗命名實體包括從歷史文本中獲取到的歸類于標準命名實體的命名實體；N為正整數；

獲取候選經驗命名實體的特定特征；所述特定特征包括所述候選經驗命名實體與所述待識別命名實體的相似度和所述候選經驗命名實體與其他命名實體的預設關聯性特征；

基于所述特定特征，重新計算所述候選經驗命名實體與所述待識別命名實體的相似度，獲得與所述待識別命名實體相似度滿足預設條件的候選經驗命名實體，并將所述待識別命名實體歸類于所述滿足預設條件的候選經驗命名實體對應的標準命名實體。

可選的，所述預設關聯性特征包括以下至少一項或幾項的組合：

所述候選經驗命名實體所對應的標準命名實體的名稱與所述待識別命名實體的名稱是否完全相同；

所述候選經驗命名實體對應的標準命名實體的名稱，在對應的經驗命名實體中出現的次數比例；

所述候選經驗命名實體的語義類型與所述待識別命名實體的語義類型的相似度。

可選的，如果所述預設關聯性特征包括所述候選經驗命名實體對應的標準命名實體的名稱，在對應的經驗命名實體中出現的次數比例，則獲取候選經驗命名實體的特定特征包括：

從所述實體知識庫中查找所述候選經驗命名實體對應的標準命名實體的名稱，在對應的經驗命名實體中出現的次數比例；

或者，獲取所述候選經驗命名實體對應的標準命名實體的名稱，并統計獲取的標準命名實體對應的經驗命名實體的個數，以及與所述獲取的標準命名實體的名稱相同的經驗命名實體的個數，并基于統計出的個數，計算所述獲取的標準命名實體的名稱，在對應的經驗命名實體中出現的次數比例。