[發明專利]數據處理方法和裝置、電子設備、計算機可讀介質有效
| 申請號： | 202110587370.X | 申請日： | 2021-05-27 |
| 公開（公告）號： | CN113326691B | 公開（公告）日： | 2023-07-28 |
| 發明（設計）人： | 周厚謙;章文俊;鐘輝強;黃強;徐思琪;劉晨暉 | 申請（專利權）人： | 北京百度網訊科技有限公司 |
| 主分類號： | G06F40/211 | 分類號： | G06F40/211;G06F40/295;G06N3/0442 |
| 代理公司： | 北京英賽嘉華知識產權代理有限責任公司 11204 | 代理人： | 王達佐;馬曉亞 |
| 地址： | 100085 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： | 數據處理 方法 裝置 電子設備 計算機 可讀 介質 | ||
1.一種數據處理方法，所述方法包括：
接收文本數據；
基于預設的觸發詞，對所述文本數據進行語句篩選，得到至少一個候選語句；
對所述至少一個候選語句進行實體提取，得到候選實體；
去除所述至少一個候選語句中所有無所述候選實體的候選語句，得到有效語句；
基于所述有效語句和所述候選實體，得到被觸發語句；所述基于所述有效語句和所述候選實體，得到被觸發語句，包括：
在所述有效語句中確定與所述候選實體對應的候選語句；
基于所述候選實體與所述候選實體對應的候選語句，構造實體語句對；
將所述實體語句對輸入已訓練完成的被觸發語句抽取模型，得到所述被觸發語句抽取模型輸出的被觸發語句。
2.根據權利要求1所述的方法，其中，所述被觸發語句抽取模型采用以下步驟訓練：
獲取標注樣本；
對所述標注樣本進行數據增強，得到增強后的標注樣本；
采用雙向長短期記憶網絡和條件隨機場BiLSTM-CRF模型結構構建語句抽取模型；
采用所述增強后的標注樣本對所述語句抽取模型進行訓練；
響應于所述語句抽取模型滿足訓練完成條件，則將所述語句抽取模型作為所述被觸發語句抽取模型。
3.根據權利要求2所述的方法，其中，所述標注樣本包括：樣本語句中的被觸發語句的起止詞，以及對所述起止詞的標注；
所述對所述標注樣本進行數據增強，得到增強后的標注樣本包括：
將所述樣本語句中的起止詞采用同義詞替換，得到新的起止詞；
對所述新的起止詞進行與所述樣本語句中相同的標注，得到新的樣本語句；
將所述樣本語句和所述新的樣本語句組合在一起，得到增強后的標注樣本。
4.根據權利要求1所述的方法，其中，所述對所述至少一個候選語句進行實體提取，得到候選實體，包括：
將所述至少一個候選語句依次輸入已訓練完成的實體抽取模型，得到所述實體抽取模型輸出的候選實體。
5.根據權利要求4所述的方法，其中，所述實體抽取模型采用以下步驟訓練：
獲取標注樣本；
對所述標注樣本進行數據增強，得到增強后的標注樣本；
采用雙向長短期記憶網絡和條件隨機場BiLSTM-CRF模型結構構建名詞抽取模型；
采用所述增強后的標注樣本對所述名詞抽取模型進行訓練；
響應于所述名詞抽取模型滿足訓練完成條件，則將所述名詞抽取模型作為所述實體抽取模型。
6.根據權利要求5所述的方法，其中，所述標注樣本包括：樣本語句中的實體名稱，以及對所述實體名稱的標注；
所述對所述標注樣本進行數據增強，得到增強后的標注樣本包括：
將所述樣本語句中的實體名稱采用同義詞替換，得到新的實體名稱；
對所述新的實體名稱進行與所述樣本語句中相同的標注，得到新的樣本語句；
將所述樣本語句和所述新的樣本語句組合在一起，得到增強后的標注樣本。
7.根據權利要求1-6之一所述的方法，其中，所述基于預設的觸發詞，對所述文本數據進行語句篩選，得到至少一個候選語句，包括：
基于預設的觸發詞，構建前綴樹；
將所述文本數據與所述前綴樹中的子樹進行匹配，得到包括所述觸發詞的至少一個候選語句。
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訊科技有限公司，未經北京百度網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、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110587370.X/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種半導體器件制備方法
- 下一篇：用于柵極綁定關斷的新穎標準單元架構
