语义角色标注方法、装置、电子设备和计算机可读介质制造方法及图纸

本公开的实施例公开了语义角色标注方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：提取目标文本对应的词集中每个词在该目标文本的上下文关联信息，以生成第一词向量，得到第一词向量集；提取该第一词向量集中每个第一词向量的该目标文本的上下文关联信息，以生成第二词向量，得到第二词向量集；对该第二词向量集中的每个第二词向量对应的词进行语义角色标注，以生成标注语义角色的词，得到标注语义角色的词集。该实施方式通过多次提取文本中各个词的上下文信息，可以提高文本语义标注的准确率。高文本语义标注的准确率。高文本语义标注的准确率。

【技术实现步骤摘要】
语义角色标注方法、装置、电子设备和计算机可读介质


[0001]本公开的实施例涉及计算机
，具体涉及语义角色标注方法、装置、电子设备和计算机可读介质。

技术介绍

[0002]目前，语义角色标注(Semantic Role Labeling，SRL)可以是以句子的谓词为中心，不对句子所包含的语义信息进行深入分析，而是对分析句子中各成分与谓词之间的关系。即句子的谓词(Predicate)-论元(Argument)结构，并用语义角色来描述这些结构关系，是许多自然语言理解任务(如信息抽取，篇章分析，深度问答等)的一个重要中间步骤。目前，在对文本进行语义角色标注时，通常采用的方式为：利用深度学习获取文本的特征，然后将特征结果输入至条件随机场中，通过条件随机场输出概率最大标签序列。
[0003]然而，当采用上述方式对文本进行语义角色标注时，经常会存在如下技术问题：
[0004]第一，在利用深度学习获取文本的特征时，不能很好的保留文本上下文信息。进而，影响了语义标注的结果。提取的文本上下文信息中存在部分冗余信息。/>[0005]第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语义角色标注方法，包括：提取目标文本对应的词集中每个词在所述目标文本的上下文关联信息，以生成第一词向量，得到第一词向量集；提取所述第一词向量集中每个第一词向量的所述目标文本的上下文关联信息，以生成第二词向量，得到第二词向量集；对所述第二词向量集中的每个第二词向量对应的词进行语义角色标注，以生成标注语义角色的词，得到标注语义角色的词集。2.根据权利要求1所述的方法，其中，所述提取目标文本对应的词集中每个词在所述目标文本的上下文关联信息，以生成第一词向量，得到第一词向量集，包括：对所述目标文本对应词集中目标词进行遮挡操作，得到遮挡操作后的词集；对所述遮挡操作后的词集中的每个词进行词嵌入，以生成第三词向量，得到第三词向量集；对所述第三词向量集中的各个第三词向量进行编码，得到所述第一词向量集。3.根据权利要求2所述的方法，其中，所述对所述第三词向量集中的各个第三词向量进行编码，得到所述第一词向量集，包括：将所述第三词向量集中各个第三词向量输入至预先训练的编码网络，得到所述第一词向量集，其中，所述编码网络包括预定数目层编码层。4.根据权利要求1所述的方法，其中，所述提取所述第一词向量集中每个第一词向量的所述目标文本的上下文关联信息，以生成第二词向量，得到第二词向量集，包括：将所述第一词向量集中的各个词向量输入至预先训练的双向门控循环单元网络，得到所述第二词向量集。5.根据权利要求1所述的方法，其中，所述对所述第二词向量集中的每个第二词向量对应的词进行语义角色标注，以生成标注语义角色的词，得到标注语义角色的词集，包括：将所述第二词向量集中各个词向量输入至预先训练的条件随机场，得到所述标注语义角色的词集。6.根据权利要...

【专利技术属性】
技术研发人员：钱叶，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：