[發明專利]實體消歧方法、裝置、電子設備及計算機可讀存儲介質

在審

• 申請號: 202011280340.6
• 申請日: 2020-11-16
• 公開（公告）號: CN112434533A
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 蔡艷
• 申請（專利權）人: 廣州視源電子科技股份有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/30
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 王茹

1.一種實體消歧方法，其特征在于，所述方法用于對文本所包含的指代客觀對象的實體進行語義消歧，所述方法包括：

獲取多個候選實體對應的第一向量和待消歧實體對應的第二向量，所述第一向量包含候選實體的屬性信息和關系信息，所述第二向量基于包含待消歧實體的上下文生成；

基于所述第一向量和所述第二向量的相似度，對待消歧實體進行消歧。

2.根據權利要求1所述的方法，其特征在于，所述第一向量基于預先訓練的向量生成模型獲得；

其中，所述向量生成模型包括第一子模型和第二子模型，所述第一子模型用于獲取包含候選實體屬性信息的第三向量，第二子模型用于獲取包含候選實體關系信息的第四向量，所述向量生成模型通過對第一子模型和第二子模型進行聯合訓練而獲得。

3.根據權利要求2所述的方法，其特征在于，所述第一子模型為Word2vector模型和/或第二子模型為TransE模型。

4.根據權利要求2所述的方法，其特征在于，所述向量生成模型通過以下聯合訓練方法獲得：

將候選實體的屬性信息和關系信息分別輸入至第一子模型和第二子模型，獲得第一子模型的第一損失函數和第二子模型的第二損失函數；

基于所述第一損失函數和所述第二損失函數構建聯合損失函數；

根據聯合損失函數，對第一子模型和第二子模型進行聯合訓練。

5.根據權利要求4所述的方法，其特征在于，所述候選實體的屬性信息和關系信息分別包含與所述候選實體唯一對應的實體ID。

6.根據權利要求5所述的方法，其特征在于，所述獲取候選實體對應的第一向量，包括：

將與候選實體唯一對應的實體ID輸入至所述向量生成模型中的第一子模型，獲取候選實體對應的第一向量；

或者，

將與候選實體唯一對應的實體ID輸入至所述向量生成模型中的第二子模型，獲取候選實體對應的第一向量。

7.根據權利要求1所述的方法，其特征在于，所述第二向量基于預先訓練的實體消歧模型獲得，所述預先訓練的實體消歧模型通過以下訓練方法獲得：

將樣本輸入至待訓練的實體消歧模型，對實體消歧模型進行訓練；

其中，所述樣本包括訓練文本、候選實體對應的第一向量及標簽，所述訓練文本包含待消歧實體的上下文，所述標簽用于表征候選實體是否為待消歧實體對應的目標實體。

8.根據權利要求7所述的方法，其特征在于，所述方法還包括：

獲取原始訓練文本；

當所述原始訓練文本包含兩個及以上的同名待消歧實體時，截取所述原始訓練文本中僅包含一個待消歧實體的文本作為所述訓練文本。

9.根據權利要求7所述的方法，其特征在于，所述方法還包括：

獲取原始訓練文本；

當所述原始訓練文本的長度低于預設長度時，從預先構造的數據集中抽取至少一條與待消歧實體對應的文本；

基于抽取的文本與所述原始訓練文本生成所述訓練文本。

10.根據權利要求7所述的方法，其特征在于，所述實體消歧模型為BERT模型。

11.一種實體消歧裝置，其特征在于，所述裝置用于對文本所包含的指代客觀對象的實體進行語義消歧，所述裝置包括：

向量獲取模塊，用于獲取多個候選實體對應的第一向量和待消歧實體對應的第二向量，所述第一向量包含候選實體的屬性信息和關系信息，所述第二向量基于包含待消歧實體的上下文生成；

相似度比較模塊，用于基于所述第一向量和所述第二向量的相似度，對待消歧實體進行消歧。

12.一種電子設備，其特征在于，所述電子設備包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現權利要求1至10任一項的方法。

13.一種計算機可讀存儲介質，其特征在于，所述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上述權利要求1至10任一項所述的方法。