[發明專利]實體識別方法及裝置

在審

• 申請號: 202110282485.8
• 申請日: 2021-03-16
• 公開（公告）號: CN113065353A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 劉文強
• 申請（專利權）人: 北京金堤征信服務有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/30;G06K9/62;G06N3/02;G06F16/33
• 代理公司: 北京工信聯合知識產權代理有限公司 11266
• 代理人: 劉愛麗

1.一種實體識別方法，其特征在于，包括：

基于預設文本語料，構建實體字典，所述實體字典包括第一實體字典和第二實體字典；

根據所述第一實體字典和第二實體字典訓練實體識別模型，基于訓練文本語料通過預設算法對所述實體識別模型進行校正；

在接收到新的文本語料時，基于校正后的實體識別模型對所述新的文本語料中的實體進行識別。

2.根據權利要求1所述的方法，其特征在于，根據所述第一實體字典和第二實體字典訓練實體識別模型，基于訓練文本語料，通過預設算法對所述實體識別模型進行校正，包括：

查詢所述訓練文本語料中是否有與所述第一實體字典中的實體或第二實體字典中的實體相匹配的待確定實體；

對所述訓練文本語料中待確定實體打實體內鏈；

若所述待確定實體為出現在所述第一實體字典中的實體，則不對所述實體識別模型進行校正；

若所述待確定實體為出現在所述第二實體字典中的實體且所述待確定實體已打實體內鏈，則基于語義窗口對所述待確定實體所在的文本語料進行分段；

判斷每一分段中的待確定實體是否預測為實體，若每一分段中的待確定實體均未預測為實體，則將所述待確定實體的實體內鏈刪除。

3.根據權利要求2所述的方法，其特征在于，在將所述待確定實體的實體內鏈刪除后，所述方法還包括：

將刪除實體內鏈后的待確定實體所在的文本語料作為負文本語料，將預測為實體所在的語料作為正文本語料；

提取同一實體的正文本語料、負文本語料、正文本語料的關鍵詞以及負文本語料關鍵詞；

若刪除后的待確定實體所在的文本語料中包含正文本語料的關鍵詞，且不包含負文本預料的關鍵詞，則將所述待確定實體所在的文本語料作為正文本語料；

若刪除后的待確定實體所在的文本語料中包含負文本語料的關鍵詞，則將所述待確定實體所在的文本語料作為負文本語料。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：更新所述第二實體字典中的正文本語料和/或負文本語料。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：更新所述第一實體字典；

具體包括，

將所述第二實體字典中的正文本語料中的實體與所述第一實體字典中的實體進行對比，確定待添加的實體；

若存在待添加的實體，則將所述待添加實體添加至第一字典實體中，更新所述第一實體字典。

6.一種實體識別裝置，其特征在于，包括：

實體字典構建模塊，用于基于預設文本語料，構建實體字典，所述實體字典包括第一實體字典和第二實體字典；

實體字典校正模塊，用于根據所述第一實體字典和第二實體字典訓練實體識別模型，基于訓練文本語料通過預設算法對所述實體識別模型進行校正；

實體識別模塊，用于在接收到新的文本語料時，基于校正后的實體識別模型對所述新的文本語料中的實體進行識別。

7.根據權利要求6所述的裝置，其特征在于，所述實體字典校正模塊，用于：

查詢所述訓練文本語料中是否有與所述第一實體字典中的實體或第二實體字典中的實體相匹配的待確定實體；

對所述訓練文本語料中的待確定實體打實體內鏈；

若所述待確定實體為出現在所述第一實體字典中的實體，則不對所述實體識別模型進行校正；

若所述待確定實體為出現在所述第二實體字典中的實體且所述待確定實體已打實體內斂，則基于語義窗口對所述待確定實體所在的文本語料進行分段；

判斷每一分段中的待確定實體是否預測為實體，若每一分段中的待確定實體均未預測為實體，則將所述待確定實體的實體內鏈刪除。