[發(fā)明專(zhuān)利]一種面向開(kāi)放域的實(shí)體關(guān)系抽取方法、裝置及終端設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202010540594.0
• 申請(qǐng)日: 2020-06-12
• 公開(kāi)（公告）號(hào): CN111831829A
• 公開(kāi)（公告）日: 2020-10-27
• 發(fā)明（設(shè)計(jì)）人: 徐波
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣州多益網(wǎng)絡(luò)股份有限公司;廣東利為網(wǎng)絡(luò)科技有限公司;多益網(wǎng)絡(luò)有限公司
• 主分類(lèi)號(hào): G06F16/36
• 分類(lèi)號(hào): G06F16/36;G06F40/211;G06F40/253;G06F40/295;G06F40/30;G06F16/35;G06N3/04
• 代理公司: 廣州三環(huán)專(zhuān)利商標(biāo)代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

1.一種面向開(kāi)放域的實(shí)體關(guān)系抽取方法，其特征在于，所述方法包括：

獲取待處理的開(kāi)放域數(shù)據(jù)；

將所述開(kāi)放域數(shù)據(jù)輸入訓(xùn)練好的實(shí)體關(guān)系抽取模型，獲得所述開(kāi)放域數(shù)據(jù)中的實(shí)體關(guān)系；其中，所述實(shí)體關(guān)系抽取模型采用有監(jiān)督學(xué)習(xí)算法進(jìn)行訓(xùn)練。

2.根據(jù)權(quán)利要求1所述的面向開(kāi)放域的實(shí)體關(guān)系抽取方法，其特征在于，所述實(shí)體關(guān)系抽取模型預(yù)先通過(guò)以下步驟進(jìn)行訓(xùn)練：

獲取原始數(shù)據(jù)；

對(duì)所述原始數(shù)據(jù)進(jìn)行預(yù)處理，獲取標(biāo)注數(shù)據(jù)；

根據(jù)所述標(biāo)注數(shù)據(jù)對(duì)預(yù)設(shè)的實(shí)體關(guān)系抽取模型進(jìn)行訓(xùn)練。

3.根據(jù)權(quán)利要求2所述的面向開(kāi)放域的實(shí)體關(guān)系抽取方法，其特征在于，所述對(duì)所述原始數(shù)據(jù)進(jìn)行預(yù)處理，獲取標(biāo)注數(shù)據(jù)，具體包括：

對(duì)所述原始數(shù)據(jù)中的N個(gè)句子分別進(jìn)行復(fù)合句拆分，獲得M個(gè)拆分后的句子，M≥N；

對(duì)M個(gè)所述拆分后的句子分別進(jìn)行標(biāo)注，獲取M組所述標(biāo)注數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的面向開(kāi)放域的實(shí)體關(guān)系抽取方法，其特征在于，所述標(biāo)注數(shù)據(jù)包括第一標(biāo)注序列、第二標(biāo)注序列以及第三標(biāo)注序列；

則，所述對(duì)M個(gè)所述拆分后的句子分別進(jìn)行標(biāo)注，獲取M組標(biāo)注數(shù)據(jù)，具體包括：

根據(jù)預(yù)設(shè)的標(biāo)注類(lèi)別對(duì)M個(gè)所述拆分后的句子分別進(jìn)行標(biāo)注，對(duì)應(yīng)獲得M個(gè)第一標(biāo)注序列；其中，每一個(gè)所述第一標(biāo)注序列為每一個(gè)拆分后的句子中的所有實(shí)體的標(biāo)注序列；

根據(jù)預(yù)設(shè)的標(biāo)注類(lèi)別對(duì)M個(gè)所述拆分后的句子分別進(jìn)行標(biāo)注，對(duì)應(yīng)獲得M個(gè)第二標(biāo)注序列；其中，每一個(gè)所述第二標(biāo)注序列為每一個(gè)拆分后的句子中的實(shí)體關(guān)系的標(biāo)注序列；

根據(jù)預(yù)設(shè)的標(biāo)注類(lèi)別對(duì)M個(gè)所述拆分后的句子分別進(jìn)行標(biāo)注，對(duì)應(yīng)獲得M個(gè)第三標(biāo)注序列；其中，每一個(gè)所述第三標(biāo)注序列為每一個(gè)拆分后的句子中的尾實(shí)體的標(biāo)注序列。

5.根據(jù)權(quán)利要求4所述的面向開(kāi)放域的實(shí)體關(guān)系抽取方法，其特征在于，所述預(yù)設(shè)的標(biāo)注類(lèi)別為L(zhǎng)＝{B,I,E,O}；其中，B表示實(shí)體詞首，I表示實(shí)體詞中間，E表示實(shí)體詞尾，O表示非實(shí)體詞。

6.根據(jù)權(quán)利要求3至5任一項(xiàng)所述的面向開(kāi)放域的實(shí)體關(guān)系抽取方法，其特征在于，所述對(duì)所述原始數(shù)據(jù)中的N個(gè)句子分別進(jìn)行復(fù)合句拆分，獲得M個(gè)拆分后的句子，具體包括：

根據(jù)依存句法分析器分析所述原始數(shù)據(jù)中的N個(gè)句子的結(jié)構(gòu)；

基于所述結(jié)構(gòu)，根據(jù)句法分析標(biāo)簽設(shè)計(jì)規(guī)則對(duì)所述原始數(shù)據(jù)中的N個(gè)句子進(jìn)行復(fù)合句拆分，獲得M個(gè)所述拆分后的句子。

7.根據(jù)權(quán)利要求6所述的面向開(kāi)放域的實(shí)體關(guān)系抽取方法，其特征在于，所述方法還包括：

對(duì)實(shí)體關(guān)系相同的拆分后的句子，進(jìn)行頭實(shí)體替換以及尾實(shí)體替換。

8.根據(jù)權(quán)利要求1所述的面向開(kāi)放域的實(shí)體關(guān)系抽取方法，其特征在于，所述訓(xùn)練好的實(shí)體關(guān)系抽取模型包括頭實(shí)體預(yù)測(cè)模塊、實(shí)體關(guān)系和尾實(shí)體聯(lián)合預(yù)測(cè)模塊；

則，所述將所述開(kāi)放域數(shù)據(jù)輸入訓(xùn)練好的實(shí)體關(guān)系抽取模型，抽取所述開(kāi)放域數(shù)據(jù)中的實(shí)體關(guān)系，具體包括：

將所述開(kāi)放域數(shù)據(jù)輸入所述頭實(shí)體預(yù)測(cè)模塊獲取第一預(yù)測(cè)標(biāo)注序列、句子特征向量以及頭實(shí)體表示向量；

將所述句子特征向量與所述頭實(shí)體表示向量拼接得到拼接向量；

將所述拼接向量輸入所述實(shí)體關(guān)系和尾實(shí)體聯(lián)合預(yù)測(cè)模塊獲取第二預(yù)測(cè)標(biāo)注序列、第三預(yù)測(cè)標(biāo)注序列；

將所述第一預(yù)測(cè)標(biāo)注序列、所述第二預(yù)測(cè)標(biāo)注序列以及所述第三預(yù)測(cè)標(biāo)注序列依次連接獲得所述開(kāi)放域數(shù)據(jù)中的實(shí)體關(guān)系。

9.一種面向開(kāi)放域的實(shí)體關(guān)系抽取裝置，其特征在于，所述裝置包括：

數(shù)據(jù)獲取模塊，用于獲取待處理的開(kāi)放域數(shù)據(jù)；

關(guān)系抽取模塊，用于將所述開(kāi)放域數(shù)據(jù)輸入訓(xùn)練好的實(shí)體關(guān)系抽取模型，獲得所述開(kāi)放域數(shù)據(jù)中的實(shí)體關(guān)系；其中，所述實(shí)體關(guān)系抽取模型采用有監(jiān)督學(xué)習(xí)算法進(jìn)行訓(xùn)練。

10.一種終端設(shè)備，其特征在于，所述終端設(shè)備包括處理器、存儲(chǔ)器以及存儲(chǔ)在所述存儲(chǔ)器中且被配置為由所述處理器執(zhí)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至8任一項(xiàng)所述的面向開(kāi)放域的實(shí)體關(guān)系抽取方法。