[發明專利]文獻知識脈絡生成方法、裝置及存儲介質

在審

• 申請號: 202110480081.X
• 申請日: 2021-04-30
• 公開（公告）號: CN113076432A
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 林桂
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06F16/335;G06F16/38;G06F16/33;G06F40/295
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 王迎;袁文婷

1.一種文獻知識脈絡生成方法，其特征在于，所述方法包括：

對待檢測文獻進行標簽分類，并獲取與所述待檢測文獻對應的類別標簽集；

獲取查詢信息，并基于所述查詢信息及所述類別標簽集，獲取所述待檢測文獻中與所述查詢信息對應的目標文獻范圍；

對所述目標文獻范圍內的目標文獻進行實體抽取，以獲取所述目標文獻中所有的標準實體指稱；

基于所述標準實體指稱及所述類別標簽集，獲取與所述目標文獻對應的類別標簽和標準實體指稱集；

基于所述類別標簽和所述標準實體指稱集，形成與所述查詢信息對應的文獻知識脈絡。

2.如權利要求1所述的文獻知識脈絡生成方法，其特征在于，所述獲取所述目標文獻中所有的標準實體指稱的步驟包括：

基于預訓練的實體識別模型獲取與所述目標文獻對應的所有實體指稱；

基于實體鏈接技術將所述實體指稱鏈接到標準圖譜上，獲取與所述實體指稱對應的標準實體指稱。

3.如權利要求2所述的文獻知識脈絡生成方法，其特征在于，所述獲取與所述實體指稱對應的標準實體指稱的步驟包括：

基于所述實體指稱，獲取與所述實體指稱對應的同義信息項，并基于所述實體指稱及所述同義信息項，確定指稱項集合；

基于所述指稱項集合，在預設知識庫中查找與所述指稱項集合對應的候選實體項集合；

分別提取所述指稱項集合和所述候選實體項集合的降維特征；

對所述指稱項集合和所述候選實體項集合的降維特征進行相似度計算，并根據所述相似度計算得到的分值對所述候選實體項集合中的所有實體進行排序；

基于所述排序的結果確定與所述實體指稱對應的實體集合，所述實體集合中的實體作為所述標準實體指稱。

4.如權利要求3所述的文獻知識脈絡生成方法，其特征在于，所述分別提取所述指稱項集合和所述候選實體項集合的降維特征包括：

獲取所述指稱項集合和所述候選實體項集合中的所有實體的Word2Vec值；

基于所述Word2Vec值，獲取與所述Word2Vec值對應的所述實體的TF-IDF值；

將所述TF-IDF值作為權重與所述實體的詞向量相乘，以獲取所述指稱項集合和所述候選實體項集合的降維特征。

5.如權利要求1所述的文獻知識脈絡生成方法，其特征在于，對所述待檢測文獻進行標簽分類，并獲取與所述待檢測文獻對應的類別標簽集的步驟包括：

獲取帶有分類標簽的文獻數據作為訓練數據集；

基于所述訓練數據訓練MLG-Bert模型，直至所述MLG-Bert模型收斂至預設范圍內，形成文獻分類模型；

基于所述文獻分類模型獲取與所述待檢測文獻對應的類別標簽集。

6.如權利要求4所述的文獻知識脈絡生成方法，其特征在于，所述將所述TF-IDF值作為權重與所述實體的詞向量相乘的公式表示為：

doc_emb＝∑TF-IDF(word_i)·Word2vec(word_i)

其中，doc_emb表示所述指稱項集合/所述候選實體項集合的降維特征，word_i表示所述指稱項集合/所述候選實體項集合中的第i個實體，TF-IDF表示所述第i個實體的TF-IDF值，Word2Vec表示所述第i個實體的Word2Vec詞向量。