[發明專利]實體信息處理方法、裝置、電子設備和存儲介質

在審

• 申請號: 202011347600.7
• 申請日: 2020-11-26
• 公開（公告）號: CN112328710A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 常萬里;王述;劉同陽;馮知凡;柴春光;朱勇
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/36
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 楊瑾瑾;郭麗祥

本申請公開了一種實體信息處理方法、裝置、電子設備和存儲介質，涉及知識圖譜領域和深度學習領域。具體實現方案為：基于相關度預測模型，針對M個第一實體樣本分別預測與第一實體提及樣本之間的相關度，并根據M個第一實體樣本分別對應的相關度，確定排序損失函數值；其中，M為大于等于2的整數；基于相關度預測模型，針對第二實體樣本預測與第二實體提及樣本之間的相關度，并根據第二實體樣本所對應的相關度，確定預測損失函數值；在排序損失函數值與預測損失函數值符合預設條件的情況下，確定相關度預測模型收斂。根據本申請實施例，可以提升消歧效果并減少對計算資源的占用。

技術領域

本申請涉及數據處理領域，尤其涉及知識圖譜領域和深度學習領域。

背景技術

實體鏈接技術用于將文本中的實體提及(Mention)鏈接至知識庫中的實體。利用實體鏈接技術，可以幫助用戶更好地理解文本資源，還可以向用戶推薦符合其需求的文本資源。因此，實體鏈接技術被廣泛應用于文本語義理解、網頁推薦、信息流推薦、實體資源解讀等業務場景。

一般來說，實體鏈接的過程包括候選實體消歧流程。候選實體消歧流程，包括從多個候選實體中選取與文本中的實體提及最匹配的實體，并對該實體是否與文本中的實體提及具有關聯關系進行確認。

發明內容

本申請提供了一種實體信息處理方法、裝置、電子設備和存儲介質。

根據本申請的一方面，提供了一種實體信息處理方法，包括：

基于相關度預測模型，針對M個第一實體樣本分別預測與第一實體提及樣本之間的相關度，并根據M個第一實體樣本分別對應的相關度，確定排序損失函數值；其中，M為大于等于2的整數；

基于相關度預測模型，針對第二實體樣本預測與第二實體提及樣本之間的相關度，并根據第二實體樣本所對應的相關度，確定預測損失函數值；

在排序損失函數值與預測損失函數值符合預設條件的情況下，確定相關度預測模型收斂。

根據本申請的另一方面，提供了一種實體信息處理裝置，包括：

排序訓練模塊，用于基于相關度預測模型，針對M個第一實體樣本分別預測與第一實體提及樣本之間的相關度，并根據M個第一實體樣本分別對應的相關度，確定排序損失函數值；其中，M為大于等于2的整數；

預測訓練模塊，用于基于相關度預測模型，針對第二實體樣本預測與第二實體提及樣本之間的相關度，并根據第二實體樣本所對應的相關度，確定預測損失函數值；

收斂確定模塊，用于在排序損失函數值與預測損失函數值符合預設條件的情況下，確定相關度預測模型收斂。

根據本申請的另一方面，提供了一種電子設備，包括：

至少一個處理器；以及

與至少一個處理器通信連接的存儲器；其中，

存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行本申請任一實施例提供的方法。

根據本申請的另一方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其特征在于，計算機指令用于使計算機執行本申請任一實施例提供的方法。

根據本申請的技術方案，可以使相關度預測模型既具有排序能力，又具有準確預測能力，因此，可以利用單個相關度預測模型完成候選實體消歧，提升消歧效果并減少對計算資源的占用。

應當理解，本部分所描述的內容并非旨在標識本申請的實施例的關鍵或重要特征，也不用于限制本申請的范圍。本申請的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構成對本申請的限定。其中：