[發明專利]基于文本的實體鏈接、識別方法、電子設備和存儲介質

在審

• 申請號: 202210480047.7
• 申請日: 2022-05-05
• 公開（公告）號: CN115017325A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 巨榮輝;黃龍濤
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/906;G06K9/62;G10L15/22
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 錢秀茹

1.一種基于文本的實體鏈接方法，其特征在于，所述方法包括：

確定文本數據作為訓練數據；

將所述訓練數據輸入到實體鏈接模型中；

在所述實體鏈接模型的翻譯模塊對所述訓練數據進行處理，得到對應的輸出特征；

將所述輸出特征與先驗知識特征進行拼接，得到融合特征；

對所述融合特征進行實體鏈接的判斷，確定鏈接的實體作為實體鏈接模型的輸出結果。

2.根據權利要求1所述的方法，其特征在于，所述確定文本數據作為訓練數據，包括：

將提及詞、包含提及詞的上下文文本和候選實體的實體描述信息進行拼接，作為樣本數據；

采用多個樣本數據構成訓練數據。

3.根據權利要求1所述的方法，其特征在于，所述在所述實體鏈接模型的翻譯模塊對所述訓練數據進行處理，得到對應的輸出特征，包括：

在所述實體鏈接模型的翻譯模塊對所述訓練數據對應特征處理過程中，注入語義相似度矩陣并進行處理，得到對應的輸出特征。

4.根據權利要求3所述的方法，其特征在于，還包括：

獲取詞語集合，所述詞語集合中詞語的類型至少包括：提及詞、實體名和實體屬性；

確定所述詞語集合中詞語的語義相似度，構建詞語的語義相似度矩陣。

5.根據權利要求4所述的方法，其特征在于，所述在所述實體鏈接模型的翻譯模塊對所述訓練數據對應特征處理過程中，注入語義相似度矩陣并進行處理，得到對應的輸出特征，包括：

將樣本數據對應的輸入向量輸入到實體鏈接模型的翻譯模塊中；

將指定中間組件的輸出向量與語義相似度矩陣進行融合；

將融合向量輸入到下一組件中處理，得到所述翻譯模塊的輸出特征。

6.根據權利要求1所述的方法，其特征在于，將所述輸出特征與先驗知識特征進行拼接，得到融合特征，包括：

獲取提及詞鏈接實體的概率特征和候選實體的流行度特征；

將所述提及詞鏈接實體的概率特征和候選實體的流行度特征分別進行歸一化處理，得到歸一化的概率特征和歸一化的流行度特征；

將所述輸出特征與歸一化的概率特征、歸一化的流行度特征進行拼接，得到對應的融合特征。

7.根據權利要求1所述的方法，其特征在于，所述將所述訓練數據輸入到實體鏈接模型中，包括：

確定所述訓練數據中樣本數據的文本特征，將所述文本特征輸入到實體鏈接模型中。

8.一種文本識別方法，其特征在于，所述方法包括：

獲取待識別的文本數據；

將所述文本數據輸入到實體鏈接模型中；

在所述實體鏈接模型的翻譯模塊對所述文本數據進行處理，得到對應的輸出特征；

將所述輸出特征與先驗知識特征進行拼接，得到融合特征；

對所述融合特征進行實體鏈接的判斷，確定鏈接的實體作為實體鏈接模型的輸出結果；

將所述鏈接的實體作為關鍵詞，依據所述關鍵詞進行識別處理。

9.根據權利要求8所述的方法，其特征在于，所述在所述實體鏈接模型的翻譯模塊對所述文本數據進行處理，得到對應的輸出特征，包括：

在所述實體鏈接模型的翻譯模塊對所述文本數據對應特征處理過程中，注入語義相似度矩陣并進行處理，得到對應的輸出特征。

10.一種語音識別方法，其特征在于，所述方法包括：

獲取待識別的語音數據，通過所述語音數據識別對應的文本數據；

將所述文本數據輸入到實體鏈接模型中；

在所述實體鏈接模型的翻譯模塊對所述文本數據進行處理，得到對應的輸出特征；

將所述輸出特征與先驗知識特征進行拼接，得到融合特征；

對所述融合特征進行實體鏈接的判斷，確定鏈接的實體作為實體鏈接模型的輸出結果；

將所述鏈接的實體作為關鍵詞，依據所述關鍵詞進行識別處理。