[發(fā)明專利]知識要素提取方法、裝置、電子設備、介質(zhì)和程序產(chǎn)品在審
| 申請?zhí)枺?/td> | 202011339563.5 | 申請日： | 2020-11-25 |
| 公開（公告）號： | CN112328749A | 公開（公告）日： | 2021-02-05 |
| 發(fā)明（設計）人： | 王述;馮知凡;柴春光;朱勇 | 申請（專利權）人： | 北京百度網(wǎng)訊科技有限公司 |
| 主分類號： | G06F16/33 | 分類號： | G06F16/33;G06F16/36;G06N3/04;G06N3/08 |
| 代理公司： | 北京市金杜律師事務所 11256 | 代理人： | 趙林琳;辛鳴 |
| 地址： | 100094 北京市*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 知識 要素 提取 方法 裝置 電子設備 介質(zhì) 程序 產(chǎn)品 | ||
1.一種知識要素提取方法，包括：
使用針對領域的數(shù)據(jù)，基于與所述領域相關聯(lián)的知識圖譜，訓練知識要素提取模型；以及
使用經(jīng)訓練的所述知識要素提取模型，基于所述知識圖譜，提取與所述領域相關聯(lián)的知識要素。
2.根據(jù)權利要求1所述的方法，其中訓練所述知識要素提取模型包括：
使用針對所述領域的所述數(shù)據(jù)，基于與所述領域相關聯(lián)的所述知識圖譜和領域詞典，訓練所述知識要素提取模型。
3.根據(jù)權利要求1所述的方法，其中訓練所述知識要素提取模型包括：
基于所述知識圖譜，使用以下至少一項，訓練所述知識要素提取模型：詞匯增強、文本增強和多特征融合。
4.根據(jù)權利要求2所述的方法，其中提取與所述領域相關聯(lián)的所述知識要素包括：
使用經(jīng)訓練的所述知識要素提取模型，基于所述知識圖譜和所述領域詞典，提取與所述領域相關聯(lián)的所述知識要素。
5.根據(jù)權利要求4所述的方法，其中提取與所述領域相關聯(lián)的所述知識要素包括：
基于所述知識圖譜和所述領域詞典，使用以下至少一項，提取與所述領域相關聯(lián)的所述知識要素：與所述知識圖譜相關聯(lián)的規(guī)則、與所述知識圖譜相關聯(lián)的模板和詞典策略。
6.根據(jù)權利要求3所述的方法，其中針對所述領域的所述數(shù)據(jù)包括針對所述領域的標注數(shù)據(jù)，并且其中訓練所述知識要素提取模型還包括：
使用小樣本學習方法，訓練所述知識要素提取模型。
7.根據(jù)權利要求6所述的方法，其中針對所述領域的所述數(shù)據(jù)還包括針對所述領域的無標注數(shù)據(jù)，并且其中訓練所述知識要素提取模型包括：
針對所述領域的所述數(shù)據(jù)進行半監(jiān)督學習；
對經(jīng)半監(jiān)督學習的所述數(shù)據(jù)進行樣本增強；
對經(jīng)樣本增強的經(jīng)半監(jiān)督學習的所述數(shù)據(jù)進行數(shù)據(jù)降噪以獲得增強樣本；以及
使用所述增強樣本來訓練所述知識要素提取模型。
8.根據(jù)權利要求2所述的方法，其中針對所述領域的所述數(shù)據(jù)包括針對所述領域的無標注數(shù)據(jù)，并且其中訓練所述知識要素提取模型包括：
針對所述領域的所述數(shù)據(jù)進行主動學習；
對經(jīng)主動學習的所述數(shù)據(jù)，基于所述知識圖譜和所述領域詞典，使用以下至少一項進行標注：與所述知識圖譜相關聯(lián)的規(guī)則、與所述知識圖譜相關聯(lián)的模板和詞典策略；
對經(jīng)標注的經(jīng)主動學習的所述數(shù)據(jù)進行人工標注以獲得人工標注樣本；以及
使用所述人工標注樣本來訓練所述知識要素提取模型。
9.根據(jù)權利要求8所述的方法，其中訓練所述知識要素提取模型包括：
基于所述知識圖譜，使用針對所述領域的所述數(shù)據(jù)，附加數(shù)據(jù)，遷移學習方法和以下至少一項，訓練所述知識要素提取模型：詞匯增強、文本增強和多特征融合。
10.根據(jù)權利要求9所述的方法，其中所述附加數(shù)據(jù)包括以下至少一項：針對通用領域的無標注數(shù)據(jù)，針對不同于所述領域的領域的標注數(shù)據(jù)和針對所述領域的、針對不同知識要素提取任務的標注數(shù)據(jù)。
11.一種知識要素提取裝置，包括：
模型訓練模塊，被配置為使用針對領域的數(shù)據(jù)，基于與所述領域相關聯(lián)的知識圖譜，訓練知識要素提取模型；以及
知識要素提取模塊，被配置為使用經(jīng)訓練的所述知識要素提取模型，基于所述知識圖譜，提取與所述領域相關聯(lián)的知識要素。
12.根據(jù)權利要求11所述的裝置，其中所述模型訓練模塊包括：
第一模型訓練模塊，被配置為使用針對所述領域的所述數(shù)據(jù)，基于與所述領域相關聯(lián)的所述知識圖譜和領域詞典，訓練所述知識要素提取模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京百度網(wǎng)訊科技有限公司，未經(jīng)北京百度網(wǎng)訊科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011339563.5/1.html，轉載請聲明來源鉆瓜專利網(wǎng)。
