[發明專利]實體樣本獲取方法、裝置及電子設備

在審

• 申請號: 202010550976.1
• 申請日: 2020-06-16
• 公開（公告）號: CN111881681A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 溫麗紅;馬璐;劉亮;羅星池;李超
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06K9/62
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 任亞娟

1.一種實體樣本獲取方法，其特征在于，包括：

將待識別語句輸入至預訓練實體識別模型，得到所述待識別語句對應的實體預測結果；

從實體數據詞典中獲取所述待識別語句對應的實體分類結果；

基于所述實體預測結果和所述實體分類結果，確定所述待識別語句對應的校正候選結果；

根據所述校正候選結果和所述實體預測結果之間的概率比，確定所述校正候選結果中的目標校正候選結果，并將所述目標校正候選結果確定為目標實體樣本。

2.根據權利要求1所述的方法，其特征在于，在所述將待識別語句輸入至預訓練實體識別模型，得到所述待識別語句對應的實體預測結果之前，還包括：

獲取第一數量的實體標注樣本；

采用所述第一數量的實體標注樣本對所述初始實體識別模型進行訓練，得到所述預訓練實體識別模型。

3.根據權利要求1所述的方法，其特征在于，所述基于所述實體預測結果和所述實體分類結果，確定所述待識別語句對應的校正候選結果，包括：

在所述實體預測結果為所述預訓練實體識別模型切分的單個切分實體詞的預測結果時，將所述實體分類結果作為所述校正候選結果。

4.根據權利要求1所述的方法，其特征在于，所述基于所述實體預測結果和所述實體分類結果，確定所述待識別語句對應的校正候選結果，包括：

在所述實體預測結果為所述預訓練實體識別模型切分的n個切分實體詞的預測結果時，根據所述實體分類結果和所述n個切分實體詞中n-1個切分實體詞對應的實體預測結果，生成所述待識別語句對應的校正候選結果；

其中，n為大于等于2的正整數。

5.根據權利要求1所述的方法，其特征在于，所述根據所述校正候選結果和所述實體預測結果之間的概率比，確定所述校正候選結果中的目標校正候選結果，并將所述目標校正候選結果確定為目標實體樣本，包括：

根據所述預訓練實體識別模型切分的切分實體詞的概率、所述切分實體詞的個數和所述校正候選結果的個數，確定所述校正候選結果和所述實體預測結果之間的概率比；

獲取所述概率比中比值最大的概率比，并將比值最大的概率比對應的校正候選結果作為所述目標實體樣本。

6.根據權利要求1所述的方法，其特征在于，在所述根據所述校正候選結果和所述實體預測結果之間的概率比，確定所述校正候選結果中的目標校正候選結果，并將所述目標校正候選結果確定為目標實體樣本之后，還包括：

獲取第二數量的實體標注樣本；

根據所述第二數量的實體標注樣本和所述目標實體樣本對初始實體識別模型進行訓練，得到訓練后的目標實體識別模型。

7.根據權利要求1所述的方法，其特征在于，在所述根據所述校正候選結果和所述實體預測結果之間的概率比，確定所述校正候選結果中的目標校正候選結果，并將所述目標校正候選結果確定為目標實體樣本之后，還包括：

根據所述目標實體樣本對所述預訓練實體識別模型進行訓練，得到訓練后的目標實體識別模型。

8.一種實體樣本獲取裝置，其特征在于，包括：

實體預測結果獲取模塊，用于將待識別語句輸入至預訓練實體識別模型，得到所述待識別語句對應的實體預測結果；

實體分類結果獲取模塊，用于從實體數據詞典中獲取所述待識別語句對應的實體分類結果；

校正候選結果確定模塊，用于基于所述實體預測結果和所述實體分類結果，確定所述待識別語句對應的校正候選結果；

目標實體樣本確定模塊，用于根據所述校正候選結果和所述實體預測結果之間的概率比，確定所述校正候選結果中的目標校正候選結果，并將所述目標校正候選結果確定為目標實體樣本。

9.根據權利要求8所述的裝置，其特征在于，還包括：

第一樣本獲取模塊，用于獲取第一數量的實體標注樣本；

預訓練模型獲取模塊，用于采用所述第一數量的實體標注樣本對所述初始實體識別模型進行訓練，得到所述預訓練實體識別模型。