[發明專利]數據關系抽取方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010935378.6
• 申請日: 2020-09-08
• 公開（公告）號: CN112016312B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 顏澤龍;王健宗;吳天博;程寧
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F40/30;G06N3/0464
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 李木燕

本申請適用于人工智能技術領域，提供一種數據關系抽取方法、裝置、電子設備及存儲介質，其中方法包括：從待處理文本中獲取文本序列，基于句法依存樹，獲取文本序列中每一詞的相關依賴詞及每一詞與相關依賴詞之間的語義關系；根據該每一詞、每一詞的相關依賴詞及語義關系，生成與待處理文本對應的目標詞嵌入向量；將目標詞嵌入向量輸入至深度卷積神經網絡，基于目標詞嵌入向量對待處理文本進行實體關系信息抽取，獲取深度卷積網絡輸出的具有設定預測概率值的目標實體關系。本申請可應用于智慧醫療場景中，提升相關信息中實體關系的抽取便捷度及準確度，推動智慧城市的建設。

技術領域

本申請屬于人工智能技術領域，尤其涉及一種數據關系抽取方法、裝置、電子設備及存儲介質。

背景技術

信息抽取是指從自然語言處理文本中，抽取出各種有用的信息，這些信息包括但又不限于實體、關系、事件等。其中關系抽取是信息抽取中的一種任務，主要用于抽取實體之間的關系。

在許多領域，例如醫學領域，存在大量的文本，包括各種病例記錄，醫學實驗記錄等等，里面充斥著各種有用的信息，所以一種有效的信息抽取方法顯得格外重要。

在通常情況下，對于類似于醫學數據等具有領域傾向性的數據處理時，關系抽取方法大多依賴于特征工程，而傳統的特征方法需要大量的專業人士的精力跟專業知識，而且效果有限，一方面構造特征的過程中容易引入一些人為誤差，另一方面有很多更深層次的特征很難被直接發現，導致信息的利用及抽取效果欠佳。

發明內容

本申請實施例提供了一種數據關系抽取方法、裝置、電子設備及存儲介質，以解決現有技術中傳統的特征方法需要大量的專業人士的精力跟專業知識，容易引入一些人為誤差，且很多更深層次的特征很難被直接發現，導致信息的利用及抽取效果欠佳的問題。

本申請實施例的第一方面提供了一種數據關系抽取方法，包括：

從待處理文本中獲取分詞得到的文本序列；

基于句法依存樹，獲取所述文本序列中每一詞的相關依賴詞及所述每一詞與所述相關依賴詞之間的語義關系；

根據所述每一詞、所述每一詞的相關依賴詞及所述每一詞與所述相關依賴詞之間的語義關系，生成與所述待處理文本對應的目標詞嵌入向量；

將所述目標詞嵌入向量輸入至深度卷積神經網絡，通過所述深度卷積神經網絡，基于所述目標詞嵌入向量對所述待處理文本進行實體關系信息抽取，獲取所述深度卷積網絡輸出的具有設定預測概率值的目標實體關系。

本申請實施例的第二方面提供了一種數據關系抽取裝置，包括：

第一獲取模塊，用于從待處理文本中獲取分詞得到的文本序列；

第二獲取模塊，用于基于句法依存樹，獲取所述文本序列中每一詞的相關依賴詞及所述每一詞與所述相關依賴詞之間的語義關系；

生成模塊，用于根據所述每一詞、所述每一詞的相關依賴詞及所述每一詞與所述相關依賴詞之間的語義關系，生成與所述待處理文本對應的目標詞嵌入向量；

第三獲取模塊，用于將所述目標詞嵌入向量輸入至深度卷積神經網絡，通過所述深度卷積神經網絡，基于所述目標詞嵌入向量對所述待處理文本進行實體關系信息抽取，獲取所述深度卷積網絡輸出的具有設定預測概率值的目標實體關系。

本申請實施例的第三方面提供了一種電子設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如第一方面所述方法的步驟。

本申請實施例的第四方面提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現如第一方面所述方法的步驟。