[發明專利]一種實體定義抽取方法、系統及存儲介質和服務器

有效

• 申請號: 202010781214.2
• 申請日: 2020-08-06
• 公開（公告）號: CN112052674B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 鄭孫聰;原雯
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 李漢亮

本發明實施例公開了一種實體定義抽取方法、系統及存儲介質和服務器，應用于人工智能的信息處理技術領域。系統識別出待抽取短文本中的至少一個實體，并將實體與待抽取短文本進行拼接，且在拼接的待抽取短文本中進行相應實體的位置標注，得到各個實體對應的實體定義抽取文本，進而再根據各個實體對應的實體定義抽取文本，得到各個實體對應的實體定義。在這個過程中，考慮到待抽取短文本中實體在待抽取短文本中的位置，并在待抽取短文本基礎上拼接實體，得到的實體定義抽取文本包含了實體與待抽取短文本之間相互作用的信息，實際證明，對通過這種方式得到的實體定義抽取文本進行實體定義抽取后，確定的實體與實體定義對的精確度得到提高。

技術領域

本發明涉及人工智能的信息處理技術領域，特別涉及一種實體定義抽取方法、系統及存儲介質和服務器。

背景技術

實體定義是用于描述實體的基本屬性的，主要以簡短的文本概括實體的明顯特征或基本信息，對實體定義的抽取結果能夠提供給許多自然語言處理的下游任務，如問答、信息檢索等。

現有的實體定義抽取主要采用序列標注的方法，可以識別出任意短句中的實體以及實體定義，這種方式獲取的結果可以直接使用，但是由于實體定義的復雜性，導致識別難度大，當短句中存在多個(實體，實體定義)對的情況時，采用現有的抽取方法，會導致識別出的實體和實體定義不相符，實體定義抽取的結果不準確。

例如，對“中國新生代偶像陳某某是著名演員陳某的二兒子”，其中對“陳某某”有兩個實體定義“中國新生代偶像”和“著名演員陳某的二兒子”，而“著名演員”是“陳某”的實體定義，通過現有技術中直接進行序列標注的方法，可能會識別到“著名演員”是“陳某某”的實體定義，對實體定義抽取的結果不準確。

發明內容

本發明實施例提供一種實體定義抽取方法、系統及存儲介質和服務器，實現了更精確的實體定義抽取。

本發明實施例一方面提供一種實體定義抽取方法，包括：

識別待抽取短文本中的至少一個實體；

將所述至少一個實體分別與所述待抽取短文本進行拼接，且在所述拼接的待抽取短文本中進行相應實體的位置標注，得到各個實體對應的實體定義抽取文本；

對所述各個實體對應的實體定義抽取文本進行實體定義的抽取，得到所述各個實體對應的實體定義。

本發明實施例另一方面還提供一種實體定義抽取系統，包括：

實體識別單元，用于識別待抽取短文本中的至少一個實體；

文本獲取單元，用于將所述至少一個實體分別與所述待抽取短文本進行拼接，且在所述拼接的待抽取短文本中進行相應實體的位置標注，得到各個實體對應的實體定義抽取文本；

抽取單元，用于對所述各個實體對應的實體定義抽取文本進行實體定義的抽取，得到所述各個實體對應的實體定義。

本發明實施例另一方面還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質儲存多個計算機程序，所述計算機程序適于由處理器加載并執行如本發明實施例一方面所述的實體定義抽取方法。

本發明實施例另一方面還提供一種服務器，包括處理器和存儲器；

所述存儲器用于儲存多個計算機程序，所述計算機程序用于由處理器加載并執行如本發明實施例一方面所述的實體定義抽取方法；所述處理器，用于實現所述多個計算機程序中的各個計算機程序。