[發明專利]一種命名實體識別方法及裝置

在審

• 申請號: 202011039983.1
• 申請日: 2020-09-28
• 公開（公告）號: CN112115721A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 于騰;葛通;李曉雨;孫凱;徐文權;潘漢祺;胡永利;申彥明;陳維強;孫永良;于濤;王瑋
• 申請（專利權）人: 青島海信網絡科技股份有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 杜晶

本發明實施例提供一種命名實體識別方法及裝置，該方法包括：將待識別文本的第一字序列矩陣輸入第一訓練模型獲取所述待識別文本的第一字特征矩陣；將所述待識別文本的第一詞序列矩陣輸入第二訓練模型獲取所述待識別文本的第一詞特征矩陣；所述第一字特征矩陣的維度和所述第一詞特征矩陣的維度相同；將所述第一字特征矩陣和所述第一詞特征矩陣進行處理，得到第一字詞融合特征矩陣；通過第三訓練模型對所述第一字詞融合特征矩陣進行處理獲取所述待識別文本的命名實體識別結果。上述方法中，將字特征矩陣和詞特征矩陣進行融合處理，且對字詞融合特征矩陣進行處理，進一步提高待識別文本的識別結果的準確性。

技術領域

本申請涉及計算機技術領域，尤其涉及一種命名實體識別方法及裝置。

背景技術

命名實體識別(Named Entity Recognition，簡稱NER)，又稱作“專名識別”，是指識別文本中具有特定意義的實體，主要包括人名、地名、機構名、專有名詞等。NER技術是指從一段自然語言文本中標記相關的實體的位置和類型，將需要的實體抽取出來，例如在醫療領域的一些機構名，人名，疾病以及癥狀等實體的識別等。其在知識圖譜構建、信息抽取、信息檢索、機器翻譯、自動問答以及輿情監測等任務都有廣泛應用，是自然語言處理的基礎。

NER通常利用序列標注方式聯合實體邊界和確定實體類型。但是由于NER的第一步就是確定詞的邊界，即分詞，而漢語文本沒有類似英文文本中空格之類的顯式標示詞的邊界標示符；和除了英語中定義的實體，還存在外國人名譯名和地名譯名等漢語中的特殊實體類型；以及漢語詞語的多意性等原因；使得目前的中文命名實體識別方法仍具有一定的局限性。

現有技術中，將字、字根或詞映射轉為單一向量，通過相應卷積神經網絡(Convolutional Neural Networks,CNN)、長短期記憶網絡(LSTM，Long Short-TermMemory)等訓練模型實現NER技術。但此過程中為了加強字與字或詞與詞之間的相關性，需要大量的人工干預以構建字或詞的特征，這種方式十分費時費力。且上述方法在實踐過程中很難保證命名實體識別的準確性。尤其對于長實體的句子來說，更加難以識別實體的邊界，造成命名實體識別的準確率越低。

因此，現在亟需一種命名實體識別方法及裝置，能夠提高命名實體識別的準確率。

發明內容

本發明實施例提供一種命名實體識別方法及裝置，能夠提高命名實體識別的準確率。

第一方面，本發明實施例提供一種命名實體識別方法，該方法包括：

將待識別文本的第一字序列矩陣輸入第一訓練模型獲取所述待識別文本的第一字特征矩陣；將所述待識別文本的第一詞序列矩陣輸入第二訓練模型獲取所述待識別文本的第一詞特征矩陣；所述第一字特征矩陣的維度和所述第一詞特征矩陣的維度相同；將所述第一字特征矩陣和所述第一詞特征矩陣進行處理，得到第一字詞融合特征矩陣；通過第三訓練模型對所述第一字詞融合特征矩陣進行處理獲取所述待識別文本的命名實體識別結果。

上述方法中，使用第一訓練模型、第二訓練模型獲取字特征矩陣和詞特征矩陣。由于字特征矩陣的維度和詞特征矩陣的維度相同，如此，將字特征矩陣和詞特征矩陣進行融合處理，一方面可以提高待識別文本的識別結果的準確性；另一方面可以防止將字特征矩陣和詞特征矩陣拼接等計算方式造成的維度過高，進而發生梯度爆炸的現象，而導致的降低模型運行效率。且通過第三訓練模型，對字詞融合特征矩陣進行處理，進一步提高待識別文本的識別結果的準確性。

可選的，將待識別文本的第一字序列矩陣輸入第一訓練模型獲取所述待識別文本的第一字特征矩陣之前，還包括：設置所述第一訓練模型的第一參數，所述第一參數用于獲取預設維度的所述第一字特征矩陣；將待識別文本的第一詞序列矩陣輸入第二訓練模型獲取所述待識別文本的第一詞特征矩陣之前，還包括：設置所述第二訓練模型的第二參數，所述第二參數用于獲取所述預設維度的所述第一詞特征矩陣。