[發明專利]信息抽取方法、裝置、設備以及計算機可讀存儲介質

在審

• 申請號: 202110875004.4
• 申請日: 2021-07-30
• 公開（公告）號: CN113568969A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 李敏;陸彥良;李東曉;移金圣;徐健
• 申請（專利權）人: 咪咕文化科技有限公司;中國移動通信集團有限公司
• 主分類號: G06F16/25
• 分類號: G06F16/25;G06F16/28;G06F16/36;G06F40/253
• 代理公司: 北京市浩天知識產權代理事務所(普通合伙) 11276
• 代理人: 王廣濤

本發明實施例涉及數據處理技術領域，公開了一種信息抽取方法、裝置、設備以及計算機可讀存儲介質，該方法包括：獲取待抽取數據；確定待抽取數據對應的詞向量矩陣；根據詞向量矩陣和頭實體預測模型確定頭實體預測信息；根據詞向量矩陣、頭實體預測信息以及中間詞預測模型確定中間詞預測信息；根據詞向量矩陣、頭實體預測信息、中間詞預測信息以及尾實體預測模型確定待抽取數據包含的三元組信息；三元組信息包括頭實體、中間詞以及尾實體的位置信息和語法關系。通過上述方式，本發明實施例提高了信息抽取的準確率。

技術領域

本發明實施例涉及數據處理技術領域，具體涉及一種信息抽取方法、裝置、設備以及計算機可讀存儲介質。

背景技術

如何從海量非結構化數據中提取信息，并轉化成結構化的信息是信息抽取技術主要解決的問題。而關系抽取是信息抽取的組成部分，旨在確定實體之間是否存在某種語義關系，其在包括數據挖掘、機器學習和自然語言處理等技術，在自動問答系統、搜索引擎、知識圖譜構建等有著廣泛的應用。

發明人在實施本發明的過程中發現：現有的關系抽取方法大都依賴于預先確定好的關系體系，根據這些關系進行語料標注和模型訓練，適用于面向特定領域關系抽取。然而對新聞等開放領域的數據，預先定義一個全面的實體關系體系是非常困難的，無法預先劃分領域和定義實體關系，導致信息抽取的準確率低。

發明內容

鑒于上述問題，本發明實施例提供了一種信息抽取方法、裝置、設備以及計算機可讀存儲介質，用于解決現有技術中存在的信息抽取的準確率較低的問題。

根據本發明實施例的一個方面，提供了一種信息抽取方法，所述方法包括：

獲取待抽取數據；

確定所述待抽取數據對應的詞向量矩陣；

根據所述詞向量矩陣和頭實體預測模型確定頭實體預測信息；

根據所述詞向量矩陣、所述頭實體預測信息以及中間詞預測模型確定中間詞預測信息；

根據所述詞向量矩陣、所述頭實體預測信息、所述中間詞預測信息以及尾實體預測模型確定所述待抽取數據包含的三元組信息；所述三元組信息包括頭實體、中間詞以及尾實體的位置信息和語法關系。

在一種可選的方式中，所述待抽取數據中包括多個字符位；所述頭實體預測信息包括各個所述字符位對應的頭實體起始位置預測概率、頭實體結束位置預測概率以及所述待抽取數據中包含的有效頭實體信息；每一個所述有效頭實體包括至少一個所述字符位；所述方法還包括：

將所述詞向量矩陣輸入所述頭實體預測模型，得到所述頭實體起始位置預測概率及所述頭實體結束位置預測概率；

根據所述頭實體起始位置預測概率以及頭實體結束位置預測概率確定所述有效頭實體信息。

在一種可選的方式中，所述有效頭實體信息包括至少一個有效頭實體對應的有效頭實體起止位置對；所述方法還包括：

將所述頭實體起始位置預測概率、所述頭實體結束位置預測概率分別與第一閾值、第二閾值進行比較，得到第一比較結果；

根據所述第一比較結果從所述字符位中分別確定頭實體可選起始位置、頭實體可選結束位置；

將所述頭實體可選起始位置與所述頭實體可選結束位置進行組合，得到多個第一頭實體起止位置對；

刪除所述頭實體可選起始位置在所述頭實體可選結束位置之后的所述第一頭實體起止位置對，得到第二頭實體起止位置對；

對所述頭實體起始位置或所述頭實體結束位置相同的所述第二頭實體起止位置對進行篩選，得到所述有效頭實體起止位置對；每一個所述有效頭實體起止位置對對應于一個所述有效頭實體。