[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

本申請實施例提供了一種基于文本的實體鏈接、識別方法、電子設備和存儲介質。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。將知識圖譜中的先驗知識融合到模型之中，綜合進行實體鏈接的預測，能夠提高實體鏈接模型的準確性。

技術領域

本申請涉及計算機技術領域，特別是涉及一種基于文本的實體鏈接方法、一種基于文本識別方法、一種語音識別方法、一種電子設備和一種存儲介質。

背景技術

實體鏈接是指從自然語言中識別出來提及詞，并鏈接到對應的實體上。目前的實體鏈接算法通常是先從文本中匹配對應的提及詞，然后根據知識圖譜，獲取提及詞對應的候選實體，再依據文本中的上下文關系，結合候選實體本身的相關信息，選出與文本中出現的提及詞關聯度最高的一個實體，作為鏈接到的實體。

但是，上述實體鏈接算法只考慮了文本中實體本身的相關信息，導致有些實體鏈接出現歧義，準確性較低。

發明內容

本申請實施例提供了一種基于文本的實體鏈接方法，以提高處理效率。

相應的，本申請實施例還提供了一種文本識別方法、一種語音識別方法、一種電子設備和一種存儲介質，用以保證上述系統的實現及應用。

為了解決上述問題，本申請實施例公開了一種基于文本的實體鏈接方法，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。

可選的，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。

可選的，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。

可選的，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。

可選的，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。

可選的，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；