[發明專利]知識抽取方法和裝置

在審

• 申請號: 202010614729.3
• 申請日: 2020-06-30
• 公開（公告）號: CN111783463A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 周麗芳;尹存祥;駱金昌;徐思琪;鐘輝強;吳曉暉
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/30;G06F16/36;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請公開了知識抽取方法和裝置，涉及深度學習技術領域、自然語言處理技術領域、大數據技術領域。該方法的一具體實施方式包括：獲取預設場景的文本數據；識別并抽取文本數據中的至少兩個實體以及各個實體的屬性信息；基于任意兩個實體以及各個實體的屬性信息之間的關系，確定至少一個實體對關系模板；基于文本數據，采用遠程監督模型增強實體對關系模板，得到強化后的實體對關系模板。該實施方式可以提高了知識抽取的效率。

技術領域

本申請的實施例涉及計算機技術領域，具體涉及深度學習技術領域、自然語言處理技術領域、大數據技術領域，尤其涉及知識抽取方法和裝置。

背景技術

知識抽取是指把蘊含于信息源中的知識經過識別、理解、篩選、歸納等過程抽取出來，存儲形成知識元庫。目前研究較多的是自然語言文本，知識抽取也已經成為自然語言處理領域一個重要的研究分支。

發明內容

提供了一種知識抽取方法、裝置、電子設備以及計算機可讀介質。

根據第一方面，提供了一種知識抽取方法，上述方法包括：獲取預設場景的文本數據；識別并抽取文本數據中的至少兩個實體以及各個實體的屬性信息；基于任意兩個實體以及各個實體的屬性信息之間的關系，確定至少一個實體對關系模板；基于文本數據，采用遠程監督模型增強實體對關系模板，得到強化后的實體對關系模板。

根據第二方面，提供了一種知識抽取裝置，該裝置包括：文本獲取單元，被配置成獲取預設場景的文本數據；實體識別單元，被配置成識別并抽取文本數據中的至少兩個實體以及各個實體的屬性信息；關系確定單元，被配置成基于任意兩個實體以及各個實體的屬性信息之間的關系，確定至少一個實體對關系模板；模板強化單元，被配置成基于文本數據，采用遠程監督模型增強實體對關系模板，得到強化后的實體對關系模板。

根據第三方面，提供了一種電子設備，該電子設備包括：至少一個處理器；以及與至少一個處理器通信連接的存儲器，其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行如第一方面任一實現方式描述的方法。

根據第四方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，計算機指令用于使計算機執行如第一方面任一實現方式描述的方法。

本申請的實施例提供的知識抽取方法和裝置，首先獲取預設場景的文本數據；然后，識別并抽取文本數據中的至少兩個實體以及各個實體的屬性信息；其次，基于任意兩個實體以及各個實體的屬性信息之間的關系，確定至少一個實體對關系模板；最后，基于文本數據，采用遠程監督模型增強實體對關系模板，得到強化后的實體對關系模板。由此，在得到預設場景文本數據之后，在線識別實體以及實體的屬性信息，并通過實體與實體的屬性信息之間的關系，得到實體對關系模板，利用遠程監督的方式，強化了實體對關系模板，提高了知識抽取的效率以及實體對關系模板的準確度。

應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構成對本申請的限定。其中：

圖1是根據本申請知識抽取方法的一個實施例的流程圖；

圖2是根據本申請知識抽取方法的另一個實施例的流程圖；

圖3是根據本申請知識抽取方法的第三個實施例的流程圖；

圖4是根據本申請知識抽取裝置的實施例的結構示意圖；

圖5是用來實現本申請實施例的知識抽取方法的電子設備的框圖。

具體實施方式