This application discloses an attribute name representation method and device. The method includes: pre-constructing an attribute name representation model, which is used to make attribute names with the same or similar meanings correspond to the same or similar representation vectors. In practical use, the attribute name representation model can be used to treat the representation. The target attribute names are represented by vectors, and the representation vectors corresponding to the target attribute names are obtained. In this application, because the attribute names with the same or similar meanings usually correspond to the same or similar attribute values, the attribute name representation model can make the target attribute names with the same or similar meanings correspond to the same or similar representation vectors when the attribute value information is taken into account in the construction of the model.
【技术实现步骤摘要】
一种属性名表征方法及装置
本申请涉及自然语言处理
,尤其涉及一种属性名表征方法及装置。
技术介绍
百科实体指的是一种结构化的文档中的词条名称,比如百度百科、搜狗百科、维基百科等热门知识共享网站上的词条名称,百科实体的属性名是指每个词条页面下具有结构化数据的信息框(infobox)中的属性名称。对属性名进行合理有效的向量化表征,能方便利用属性名对百科中的实体进行识别并区分各种类型的实体,比如人名、地名、组织名等类型。而对这些实体进行准确区分,有助于进一步从百科中挖掘出更丰富的信息(比如实体关系、语义关系等)进行知识问答,在进行知识问答时,属性名的分类非常重要。然而,当采用现有方法对属性名进行向量化表征时,一般将属性名作为一个词,并生成该词的词向量,然后利用该词向量得到属性名的表征向量。但是,这种方法很难基于表征向量,将含义相同或相近的属性名分到同一类,例如,属性名“原居住地”与“籍贯”,属于在含义上相同或相近的词,但以词向量为基础对二者进行向量化表征后,很难基于得到的表征向量,将二者作为相同或相近的词。
技术实现思路
本申请实施例的主要目的在于提供一种属性名表征方法及装置,能够使含义相同或相近的属性名分到同一类。本申请实施例提供了一种属性名表征方法,包括:获取待表征的目标属性名;利用预先构建的属性名表征模型,对所述目标属性名进行向量表征,得到对应于所述目标属性名的表征向量;其中,所述属性名表征模型用于使含义相同或相近的属性名对应于相同或相近的表征向量。可选的,所述属性名表征模型是利用属性集合中的样本属性对训练而成的,所述属性集合包括多组正确匹配的样本属性对 ...
【技术保护点】
1.一种属性名表征方法,其特征在于,包括:获取待表征的目标属性名;利用预先构建的属性名表征模型,对所述目标属性名进行向量表征,得到对应于所述目标属性名的表征向量;其中,所述属性名表征模型用于使含义相同或相近的属性名对应于相同或相近的表征向量。
【技术特征摘要】
1.一种属性名表征方法,其特征在于,包括:获取待表征的目标属性名;利用预先构建的属性名表征模型,对所述目标属性名进行向量表征,得到对应于所述目标属性名的表征向量;其中,所述属性名表征模型用于使含义相同或相近的属性名对应于相同或相近的表征向量。2.根据权利要1所述的方法,其特征在于,所述属性名表征模型是利用属性集合中的样本属性对训练而成的,所述属性集合包括多组正确匹配的样本属性对,所述样本属性对包括样本属性名与样本属性值。3.根据权利要2所述的方法,其特征在于,按照下述方式训练得到所述属性名表征模型:利用所述属性集合中的全部或部分样本属性对,对初始构建的属性名表征模型与属性值表征模型进行联合训练,得到训练结束后的属性名表征模型。4.根据权利要求3所述的方法,其特征在于,所述对初始构建的属性名表征模型与属性值表征模型进行联合训练,包括:从所述属性集合中依次获取样本属性对,将当前获取的样本属性对作为训练样本;将所述训练样本中的样本属性名,作为当前的属性名表征模型的输入;将所述训练样本中的样本属性值,作为当前的属性值表征模型的输入;根据所述属性名表征模型与所述属性值表征模型输出的语义信息,预测所述训练样本中的样本属性名与样本属性值是否匹配,得到预测匹配结果;根据所述训练样本的预测匹配结果与实际匹配结果,更新所述属性名表征模型与所述属性值表征模型的模型参数,直到满足训练结束条件为止。5.根据权利要4所述的方法,其特征在于,所述根据所述属性名表征模型与所述属性值表征模型输出的语义信息,预测所述训练样本中的样本属性名与样本属性值是否匹配,包括:根据所述属性名表征模型与所述属性值表征模型输出的语义信息,确定所述训练样本中的样本属性名与样本属性值的相关度;根据所述相关度,预测所述训练样本中的样本属性名与样本属性值是否匹配。6.根据权利要求5所述的方法,其特征在于,所述根据所述属性名表征模型与所述属性值表征模型输出的语义信息,确定所述训练样本中的样本属性名与样本属性值的相关度,包括:若所述属性名表征模型与所述属性值表征模型为双向神经网络模型,则获取所述属性名表征模型的最后一个前向隐层和最后一个后向隐层输出的语义信息,并获取所述属性值表征模型的最后一个前向隐层和最后一个后向隐层输出的语义信息;根据获取的语义信息,确定所述训练样本中的样本属性名与样本属性值的相关度。7.根据权利要求1至6任一项所述的方法,其特征在于,若所述属性名表征模型为双向神经网络模型,则所述目标属性名的表征向量为所述属性名表征模型的最后一个前向隐层输出的语义信息。8.一种属性名表征装置,其特征在于,包括:属性名获取单元,用于获取待表征的目标属性名;向量表征单元,用于利用预先构建的属性名表征模型,对所述目标属性名进行向量表征,得到对应于所述目标属性名的表征向量;其中,所述属性名表征模型用于使含义相同或相近的属性名对应于相同或...
【专利技术属性】
技术研发人员:李锐,刘权,陈志刚,
申请(专利权)人:科大讯飞股份有限公司,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。