[發(fā)明專利]一種實體關(guān)系識別方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210936756.1
• 申請日: 2022-08-05
• 公開（公告）號: CN115293149A
• 公開（公告）日: 2022-11-04
• 發(fā)明（設(shè)計）人: 紀(jì)鑫;武同心;彭放;王宏剛;趙加奎;楊智偉;陳屹婷;李君婷;何禹德;董林嘯
• 申請（專利權(quán)）人: 國家電網(wǎng)有限公司大數(shù)據(jù)中心
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F16/33;G06N3/04;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 馬迪

1.一種實體關(guān)系識別方法，其特征在于，包括：

通過提示學(xué)習(xí)模塊，將輸入的待識別文本數(shù)據(jù)轉(zhuǎn)換為提示文本數(shù)據(jù)后，輸入實體抽取模型輸出數(shù)據(jù)實體集合和編碼特征向量；所述實體抽取模型基于提示數(shù)據(jù)訓(xùn)練樣本集迭代訓(xùn)練預(yù)訓(xùn)練實體抽取模型得到；

通過圖神經(jīng)網(wǎng)絡(luò)模塊，基于所述提示學(xué)習(xí)模塊輸出的數(shù)據(jù)實體集合和編碼特征向量構(gòu)建實體關(guān)系圖，對所述實體關(guān)系圖中的各節(jié)點進(jìn)行分類得到實體類別；

通過實體關(guān)系識別模塊，對所述圖神經(jīng)網(wǎng)絡(luò)模塊輸出的各實體類別進(jìn)行關(guān)系分類輸出所述待識別文本數(shù)據(jù)的實體關(guān)系。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，通過提示學(xué)習(xí)模塊，將輸入的待識別文本數(shù)據(jù)轉(zhuǎn)換為提示文本數(shù)據(jù)后，輸入實體抽取模型輸出數(shù)據(jù)實體集合和編碼特征向量，包括：

通過所述提示學(xué)習(xí)模塊的提示數(shù)據(jù)處理單元，基于提示模板對輸入的待識別文本數(shù)據(jù)進(jìn)行提示處理得到提示文本數(shù)據(jù)；

通過所述提示學(xué)習(xí)模塊的實體抽取模型，對所述提示文本數(shù)據(jù)進(jìn)行實體抽取得到數(shù)據(jù)實體集合和編碼特征向量，所述實體抽取模型通過掩碼建模基于提示數(shù)據(jù)訓(xùn)練樣本集對預(yù)訓(xùn)練實體抽取模型進(jìn)行參數(shù)調(diào)節(jié)得到。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述提示模板包括：設(shè)定的自然語言；所述自然語言中用于填入輸入數(shù)據(jù)的輸入位置和用于填入輸出實體的輸入位置。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述通過掩碼建模基于提示數(shù)據(jù)訓(xùn)練樣本集對預(yù)訓(xùn)練模型進(jìn)行參數(shù)調(diào)節(jié)包括：

獲取預(yù)訓(xùn)練實體抽取模型和提示數(shù)據(jù)訓(xùn)練樣本集；所述提示數(shù)據(jù)訓(xùn)練樣本集通過將訓(xùn)練樣本集輸入所述提示學(xué)習(xí)模塊的提示數(shù)據(jù)處理單元得到；

對所述提示數(shù)據(jù)訓(xùn)練樣本集中的提示數(shù)據(jù)訓(xùn)練樣本的標(biāo)記實體進(jìn)行隨機(jī)掩碼得到掩碼訓(xùn)練樣本集；

將所述掩碼訓(xùn)練樣本集輸入預(yù)訓(xùn)練實體抽取模型，預(yù)測被掩碼的標(biāo)記實體對應(yīng)的預(yù)測實體；

根據(jù)所述預(yù)測實體的預(yù)測概率調(diào)節(jié)所述預(yù)訓(xùn)練實體抽取模型的預(yù)設(shè)參數(shù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述預(yù)設(shè)參數(shù)根據(jù)所述預(yù)訓(xùn)練實體抽取模型對應(yīng)的調(diào)參器所包含的參數(shù)確定。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，通過圖神經(jīng)網(wǎng)絡(luò)模塊，基于所述提示學(xué)習(xí)模塊輸出的數(shù)據(jù)實體集合和編碼特征向量構(gòu)建實體關(guān)系圖，包括：

通過圖神經(jīng)網(wǎng)絡(luò)模塊，根據(jù)所述提示學(xué)習(xí)模塊輸出的數(shù)據(jù)實體集合和編碼特征向量，對照實體關(guān)系庫和所述待識別文本數(shù)據(jù)進(jìn)行節(jié)點編碼和邊編碼，形成實體關(guān)系圖。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，通過實體關(guān)系識別模塊，對所述圖神經(jīng)網(wǎng)絡(luò)模塊輸出的各實體類別進(jìn)行關(guān)系分類輸出所述待識別文本數(shù)據(jù)的實體關(guān)系，包括：

基于預(yù)設(shè)實體關(guān)系槽，對所述圖神經(jīng)網(wǎng)絡(luò)模塊輸出的各實體類別進(jìn)行填槽得到待識別文本數(shù)據(jù)的實體關(guān)系。

8.一種實體關(guān)系識別裝置，其特征在于，包括：

提示學(xué)習(xí)模塊，用于將輸入的待識別文本數(shù)據(jù)轉(zhuǎn)換為提示文本數(shù)據(jù)后，輸入實體抽取模型輸出數(shù)據(jù)實體集合和編碼特征向量；所述實體抽取模型基于提示數(shù)據(jù)訓(xùn)練樣本集迭代訓(xùn)練預(yù)訓(xùn)練實體抽取模型得到；

圖神經(jīng)網(wǎng)絡(luò)模塊，用于基于所述提示學(xué)習(xí)模塊輸出的數(shù)據(jù)實體集合和編碼特征向量構(gòu)建實體關(guān)系圖，對所述實體關(guān)系圖中的各節(jié)點進(jìn)行分類得到實體類別；

實體關(guān)系識別模塊，用于對所述圖神經(jīng)網(wǎng)絡(luò)模塊輸出的各實體類別進(jìn)行關(guān)系分類輸出所述待識別文本數(shù)據(jù)的實體關(guān)系。

9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執(zhí)行的計算機(jī)程序，所述計算機(jī)程序被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行權(quán)利要求1-7中任一項所述的實體關(guān)系識別方法。

10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)指令，所述計算機(jī)指令用于使處理器執(zhí)行時實現(xiàn)權(quán)利要求1-7中任一項所述的實體關(guān)系識別方法。