[發明專利]一種人機交互命名實體識別方法、裝置、設備及存儲介質

有效

• 申請號: 202010443600.0
• 申請日: 2020-05-22
• 公開（公告）號: CN111597814B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 李凈
• 申請（專利權）人: 北京慧聞科技（集團）有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/284;G06N3/0442;G06N3/08
• 代理公司: 北京市京師律師事務所 11665
• 代理人: 高曉麗

本發明公開了一種人機交互命名實體識別方法、裝置、設備及存儲介質，該方法包括：獲取文本信息，將文本信息轉換為詞狀態向量；利用詞狀態向量和全局句子狀態向量，獲取新的詞狀態向量；依據新的詞狀態向量進行實體識別，得到實體識別結果。該方法實現提高命令實體識別結果的準確性。

技術領域

本發明涉及計算機技術領域，特別是涉及一種人機交互命名實體識別方法、裝置、設備及存儲介質。

背景技術

智能機器人交互是實現城市智能化的一項重要工作。近年來，隨著計算機集群計算能力的大幅度提升，人工智能算法研究和產業落地步入了發展快車道，而智能機器人交互作為人工智能重要分支—自然語言處理的一個重要應用，也逐漸成為學術界、工業界重點投入的研究熱點和產品方向。無論在教育領域、金融領域，還是醫療領域都有著廣泛的應用，通過使用智能機器人，可以提高效率、減少人力資源。智能機器人交互對社會經濟效益和國家科技發展都具有重大意義。

命名實體識別在智能機器人交互系統中，需要從用戶的提問中準確的識別出各種實體的類型才能更好地回答用戶，例如：“我想訂一張后天從杭州到三亞的機票？”“從三亞飛杭州的機票多少錢？”，分別需要準確地識別出“后天”，“三亞”和“杭州”才能準確回答用戶的問題。對話系統需要接收純文本形式的自然語言，必需經過實體識別將無結構化的數據轉化為結構化數據，才能進行后續的意圖識別等步驟。

目前采用的命名實體方法利用了人工神經網絡Sentence-State?LSTM(S-LSTM)，這是一種長短時記憶網絡。命名實體方法中，先將原始文本轉換為詞狀態向量，將詞狀態向量輸入至人工神經網絡S-LSTM中，再對S-LSTM輸出的隱藏狀態向量結果進行實體識別，得到命名實體識別結果。

但是人工神經網絡S-LSTM中無法結合句子級別信息和詞級別信息，最后得到命令實體識別結果的準確性較低。因此，如何提高命令實體識別結果的準確性是亟待解決的問題。

發明內容

本發明的目的是提供一種人機交互命名實體識別方法、裝置、設備及存儲介質，以實現提高命令實體識別結果的準確性。

為解決上述技術問題，本發明提供一種人機交互命名實體識別方法，包括：

獲取文本信息，將文本信息轉換為詞狀態向量；

利用詞狀態向量和全局句子狀態向量，獲取新的詞狀態向量；

依據新的詞狀態向量進行實體識別，得到實體識別結果。

優選的，所述將文本信息轉換為詞狀態向量，包括：

將文本信息進行向量轉換，得到詞向量；

將詞向量輸入至人工神經網絡中，輸出得到詞狀態向量。

優選的，所述人工神經網絡包括雙向長短期記憶網絡BI-LSTM。

優選的，所述利用詞狀態向量和全局句子狀態向量，獲取新的詞狀態向量，包括：

采用門控機制連接詞狀態向量和全局句子狀態向量，得到新的詞狀態向量。

優選的，所述門控機制包括第一門控機制和第二門控機制；所述全局句子狀態向量為前一時刻的全局句子狀態向量。

優選的，所述新的詞狀態向量的表達式如下：

其中，為詞狀態向量，g_t-1為前一時刻的全局句子狀態向量，為第一門控機制，為第二門控機制，為新的詞狀態向量。

優選的，第一門控機制第二門控機制的表達式如下：