[發明專利]實體識別模型生成方法及裝置、實體提取方法及裝置

在審

• 申請號: 202110208364.9
• 申請日: 2021-02-25
• 公開（公告）號: CN113010638A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 李凱;周晗
• 申請（專利權）人: 北京金堤征信服務有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/295;G06N3/02;G06N3/08
• 代理公司: 北京思源智匯知識產權代理有限公司 11657
• 代理人: 毛麗琴

1.一種實體識別模型生成方法，其特征在于，包括：

獲取第一樣本語句集，其中，所述第一樣本語句集中的樣本語句包括目標類型實體，且具有對應的表征所述目標類型實體的實體標注信息；

基于所述第一樣本語句集中的樣本語句和對應的實體標注信息，訓練初始目標類型實體識別模型，得到目標類型實體識別模型；

獲取第二樣本語句集，其中，所述第二樣本語句集包括正樣本語句和負樣本語句，所述正樣本語句包括預設類別的目標類型實體，且具有對應的正樣本標注信息，所述負樣本語句包括非預設類別的目標類型實體，且具有對應的負樣本標注信息；

基于所述第二樣本語句集中的正樣本語句和對應的正樣本標注信息，以及負樣本語句和對應的負樣本標注信息，訓練初始實體分類模型，得到實體分類模型。

2.根據權利要求1所述的方法，其特征在于，所述獲取第一樣本語句集，包括：

從預設樣本文本中提取第一樣本語句集，并從所述第一樣本語句集包括的樣本語句中確定目標類型實體；

基于所述目標類型實體在樣本語句中的位置，生成所述樣本語句子集包括的樣本語句對應的實體標注信息。

3.根據權利要求1所述的方法，其特征在于，所述獲取第二樣本語句集，包括：

從預設樣本文本中提取初始樣本語句集；

從所述初始樣本語句集中確定包括預設類別的目標類型實體的樣本語句，以及確定包括非預設類別的目標類型實體的樣本語句；

將所述預設類別的目標類型實體所在的樣本語句和所述預設類別的目標類型實體組成的語句對確定為正樣本語句，并生成表征所述預設類別的目標類型實體的正樣本標注信息；

將所述非預設類別的目標類型實體所在的樣本語句和所述非預設類別的目標類型實體組成的語句對確定為負樣本語句，并生成表征所述非預設類別的目標類型實體的負樣本標注信息。

4.根據權利要求3所述的方法，其特征在于，所述確定包括非預設類別的目標類型實體的樣本語句，包括：

利用所述目標類型實體識別模型，從所述初始樣本語句集中的樣本語句中確定目標類型實體；

將確定出的各個目標類型實體與所述預設類別的目標類型實體進行比對，得到非預設類型的目標類型實體；

將所述非預設類型的目標類型實體所在的樣本語句確定為所述包括非預設類別的目標類型實體的樣本語句。

5.根據權利要求2所述的方法，其特征在于，所述從所述第一樣本語句集包括的樣本語句中確定目標類型實體，包括：

利用如下至少一種方式從所述第一樣本語句集包括的樣本語句中確定目標類型實體：

方式一，基于預設的正則表達式，從所述第一樣本語句集包括的樣本語句中確定目標類型實體；

方式二，基于預設的由目標類型實體構建的前綴字典樹，從所述第一樣本語句集包括的樣本語句中查找目標類型實體。

6.根據權利要求2-5之一所述的方法，其特征在于，在所述從預設樣本文本中提取第一樣本語句集之前，所述方法還包括：

對預設初始文本進行預處理，得到符合預設格式的預設樣本文本。

7.一種實體提取方法，其特征在于，包括：

獲取待識別文本；

將所述待識別文本輸入預先訓練的目標類型實體識別模型，得到目標類型實體，其中，所述目標類型實體識別模型預先基于權利要求1-6之一所述的方法訓練得到；

基于所述目標類型實體，從所述待識別文本中確定待分類語句；

將所述待分類語句輸入預先訓練的實體分類模型，得到表征所述目標類型實體的類別的實體類別信息，其中，所述實體分類模型預先基于權利要求1-6之一所述的方法訓練得到。

8.根據權利要求7所述的方法，其特征在于，所述獲取待識別文本，包括：

獲取原始文本；

對所述原始文本進行預處理，得到符合預設格式的待識別文本。