[發明專利]實體關系抽取方法、裝置、電子設備及存儲介質

有效

• 申請號: 202011275193.3
• 申請日: 2020-11-13
• 公開（公告）號: CN112232074B
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 任夢星;劉炎;覃建策;陳邦忠
• 申請（專利權）人: 完美世界控股集團有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F40/211;G06F16/33
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 曾軍;田俊峰

本發明實施例涉及一種實體關系抽取方法、裝置、電子設備及存儲介質，所述方法包括：對待抽取的目標文本進行分詞處理，得到多個詞語；對每一所述詞語進行詞性標注，得到每一所述詞語的詞性標記；基于每一所述詞語的詞性標記對所述目標文本進行依存句法分析，得到所述目標文本的依存句法樹；基于所述依存句法樹確定所述目標文本所符合的句法模式，以及基于所述句法模式從所述目標文本抽取實體關系三元組。由此，可以實現高效、準確地從語料數據中提取實體關系三元組。

技術領域

本發明實施例涉及自然語言處理技術領域，尤其涉及一種實體關系抽取方法、裝置、電子設備及存儲介質。

背景技術

隨著互聯網的發展，各個領域中每天都會產生大量不同形式的互聯網數據，如何準確、高效地挖掘出互聯網數據中的重要信息，以提升該領域中的服務效率是一個關鍵問題。進一步的，在信息挖掘中，實體關系抽取是其中一項核心任務。目前，常用的實體關系抽取方法包括基于規則的實體關系抽取方法、基于字典的實體關系抽取方法，以及基于機器學習的實體關系抽取方法。

其中，對于基于規則的實體關系抽取方法，重點在于規則的定義。然而，不同的領域具有不同的專業知識，因此，針對某一領域制定的規則并無法移植到其他領域，這就導致基于規則的實體關系抽取方法的可移植性很差；對于基于字典的實體關系抽取方法，由于其僅能識別以動詞作為中心詞的句子中實體之間的關系，很難實現同義、反義等關系結構的識別和推理，并且難以解決詞典之外的詞的關系抽取，因此，基于字典的實體關系抽取方法靈活性很差；對于基于機器學習的實體關系抽取方法，由于機器學習結果的準確性和召回率對標注語料的依賴性很高，且需要較強的人工干預，而語料標注耗時耗力，這就導致基于機器學習的實體關系抽取方法的整體開發周期很長，且需要耗費較高的人力物力。

發明內容

鑒于此，本發明實施例提供一種實體關系抽取方法、裝置、電子設備及存儲介質，以提供一種基于句法模式的實體關系抽取方法，提高實體關系抽取的效率、準確率，以及可擴展性。

第一方面，本發明實施例提供一種實體關系抽取方法，所述方法包括：

對待抽取的目標文本進行分詞處理，得到多個詞語；

對每一所述詞語進行詞性標注，得到每一所述詞語的詞性標記；

基于每一所述詞語的詞性標記對所述目標文本進行依存句法分析，得到所述目標文本的依存句法樹；所述依存句法樹用于描述每一所述詞語的依存結構，所述依存結構包括：所述詞語的詞性標記、所述詞語的父節點和所述父節點的詞性標記、所述詞語和其父節點之間的依存關系標簽；

基于所述依存句法樹確定所述目標文本所符合的句法模式，以及基于所述句法模式從所述目標文本抽取實體關系三元組。

在一個可能的實施方式中，所述基于依存句法樹確定所述目標文本所符合的句法模式，包括：

按照多個所述詞語在所述目標文本中的排列順序，依次將每一所述詞語的詞性標記和所述詞語與其父節點之間的依存關系標簽組合，得到初始句法模式；

從預設的句法模式集中確定與所述初始句法模式相匹配的目標句法模式；

將所述目標句法模式確定為所述目標文本所符合的句法模式。

在一個可能的實施方式中，所述基于句法模式從所述目標文本抽取實體關系三元組，包括：

基于所述句法模式中的各依存關系標簽從所述目標文本中抽取目標詞元和核心關系詞；

將抽取出的所述目標詞元和核心關系詞組成實體關系三元組。

在一個可能的實施方式中，在所述基于句法模式從所述目標文本抽取實體關系三元組之后，還包括：

基于所述依存句法樹確定是否對所述實體關系三元組中的關系詞進行修正。