[發(fā)明專利]實體鏈接語料標(biāo)注方法和裝置

在審

• 申請?zhí)枺?/td>: 202111451201.X
• 申請日: 2021-11-30
• 公開（公告）號: CN114139543A
• 公開（公告）日: 2022-03-04
• 發(fā)明（設(shè)計）人: 李啟睿
• 申請（專利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司;螞蟻區(qū)塊鏈科技（上海）有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F16/35;G06F16/36
• 代理公司: 北京億騰知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 孫欣欣;周良玉

1.一種實體鏈接語料標(biāo)注方法，所述方法包括：

針對第一原始語料進(jìn)行命名實體識別，得到預(yù)設(shè)類型的命名實體構(gòu)成的命名實體集合；

對于所述命名實體集合中任意的目標(biāo)命名實體，從標(biāo)準(zhǔn)庫中召回N個目標(biāo)候選實體；

基于所述目標(biāo)命名實體、所述第一原始語料中的所述目標(biāo)命名實體的上下文、所述N個目標(biāo)候選實體中的第一候選實體，確定所述目標(biāo)命名實體與所述第一候選實體之間的匹配度分?jǐn)?shù)；

按照匹配度分?jǐn)?shù)由高到低的順序，確定所述N個目標(biāo)候選實體的排序；

將標(biāo)注輔助信息提供給標(biāo)注人員作為標(biāo)注的參考，所述標(biāo)注輔助信息包括，所述命名實體集合以及其中每個命名實體對應(yīng)的N個目標(biāo)候選實體及其排序。

2.如權(quán)利要求1所述的方法，其中，所述針對第一原始語料進(jìn)行命名實體識別，包括：

將所述第一原始語料輸入預(yù)先訓(xùn)練的命名實體識別模型，通過所述命名實體識別模型識別出多種類型的字符串；

從所述多種類型的字符串中篩選出預(yù)設(shè)類型的字符串，以得到所述命名實體集合。

3.如權(quán)利要求1所述的方法，其中，所述針對第一原始語料進(jìn)行命名實體識別，包括：

將所述第一原始語料輸入預(yù)先訓(xùn)練的命名實體識別模型，通過所述命名實體識別模型識別出預(yù)設(shè)類型的字符串，以得到所述命名實體集合。

4.如權(quán)利要求1所述的方法，其中，所述預(yù)設(shè)類型為公司類型，所述標(biāo)準(zhǔn)庫包括多個公司各自對應(yīng)的標(biāo)準(zhǔn)實體。

5.如權(quán)利要求1所述的方法，其中，所述確定所述目標(biāo)命名實體與所述第一候選實體之間的匹配度分?jǐn)?shù)，包括：

基于所述目標(biāo)命名實體、所述上下文、所述第一候選實體，針對多個特征項進(jìn)行特征提取，得到對應(yīng)的多個特征值；

根據(jù)所述多個特征值，確定所述目標(biāo)命名實體與所述第一候選實體之間的匹配度分?jǐn)?shù)。

6.如權(quán)利要求5所述的方法，其中，所述多個特征項包括如下至少一種：

所述目標(biāo)命名實體與所述第一候選實體之間的文本相似度、所述目標(biāo)命名實體與所述第一候選實體的多個別名之間的最大文本相似度、所述上下文中是否出現(xiàn)所述第一候選實體的關(guān)聯(lián)信息、所述上下文中包括的其他命名實體與所述第一候選實體的匹配度。

7.如權(quán)利要求5所述的方法，其中，所述多個特征項包括第一特征項，所述第一特征項為所述目標(biāo)命名實體與所述第一候選實體之間的文本相似度；

所述針對多個特征項進(jìn)行特征提取，包括：

將所述目標(biāo)命名實體對應(yīng)于知識圖譜中的第一節(jié)點，將所述第一候選實體對應(yīng)于所述知識圖譜中的第二節(jié)點；所述知識圖譜中的節(jié)點包括標(biāo)準(zhǔn)實體、標(biāo)準(zhǔn)實體的別名，具有關(guān)聯(lián)關(guān)系的兩個節(jié)點之間具有連接邊；

基于圖嵌入模型確定所述第一節(jié)點的第一嵌入向量，以及確定第二節(jié)點的第二嵌入向量；

根據(jù)所述第一嵌入向量和所述第二嵌入向量，確定所述第一特征項的特征值。

8.如權(quán)利要求5所述的方法，其中，所述根據(jù)所述多個特征值，確定所述目標(biāo)命名實體與所述第一候選實體之間的匹配度分?jǐn)?shù)，包括：

基于所述多個特征值，根據(jù)預(yù)設(shè)規(guī)則，確定所述匹配度分?jǐn)?shù)。

9.如權(quán)利要求5所述的方法，其中，所述根據(jù)所述多個特征值，確定所述目標(biāo)命名實體與所述第一候選實體之間的匹配度分?jǐn)?shù)，包括：

將所述多個特征值輸入預(yù)先訓(xùn)練的打分模型，根據(jù)所述打分模型的輸出，確定所述匹配度分?jǐn)?shù)。

10.如權(quán)利要求1所述的方法，其中，所述將標(biāo)注輔助信息提供給標(biāo)注人員作為標(biāo)注的參考之后，所述方法還包括：

接收所述標(biāo)注人員對所述第一原始語料進(jìn)行實體識別標(biāo)注的第一標(biāo)注指令；

根據(jù)所述第一標(biāo)注指令，刪除所述命名實體集合中的第一命名實體。