本发明专利技术涉及计算机技术领域，提供一种文本的关系确定方法及装置。该方法包括：将目标文本数据输入基底模型，得到基底模型输出的目标文本数据的目标关系向量；将多个样本文本数据输入基底模型，得到基底模型输出的多个样本文本数据对应的多个样本关系向量；根据目标关系向量与多个样本关系向量的相似度，从多个样本关系向量中确定目标文本数据的关系向量。本发明专利技术提供的文本的关系确定方法及装置，通过以样本关系向量作为参照，从多个样本关系向量中确定目标文本数据的关系向量。避免采用大量高质量标注的训练数据训练模型的直接获取关系方式，只需要少量样本文本数据作为参照，在确保关系获取准确率的前提下，提升了关系获取效率。率。率。
【技术实现步骤摘要】
文本的关系确定方法及装置
[0001]本专利技术涉及计算机
，尤其涉及一种文本的关系确定方法及装置。
技术介绍
[0002]文本的关系确定，是通过给定文本中的实体，利用文本信息中的上下文语境来抽取文本中实体对应的关系。
[0003]在现有的关系抽取技术中，主要可分为两大类，第一大类为基于规则模板匹配的方法，该方法通过构造实体词汇库和和满足实体关系描述的模板集合，进行实体关系的匹配，需要制作大量的规则模板，导致抽取效率低。第二大类为基于有监督学习的方法，通过有监督的学习方式，其依赖大量的高质量标注样本，标注成本极高，同样也会导致抽取效率低。
技术实现思路
[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种文本的关系确定方法，通过以样本文本数据作为参照，实现了只需要少量样本文本数据即可对文本信息中的关系进行获取，在确保关系获取准确率的前提下，提升了关系获取效率。
[0005]本专利技术还提出一种文本的关系确定装置。
[0006]本专利技术还提出一种电子设备。
[0007]本专利技术还提出一种非暂态计算机可读存储介质。
[0008]本专利技术还提出一种计算机程序产品。
[0009]根据本专利技术第一方面实施例的文本的关系确定方法，包括：将目标文本数据输入基底模型，得到所述基底模型输出的所述目标文本数据的目标关系向量；将多个样本文本数据输入所述基底模型，得到所述基底模型输出的所述多个样本文本数据对应的多个样本关系向量；根据所述目标关系向量与所述多个样本关系向量的相似度，从所述多个样本关系向量中确定所述目标文本数据的关系向量；所述基底模型是基于训练数据集，以及标记了所述训练数据集对应的关系标签对初始基底模型进行训练得到的。
[0010]根据本专利技术实施例的文本的关系确定方法，通过将目标文本数据输入基底模型，获取目标文本数据的目标关系向量，再根据目标关系向量与多个样本关系向量的相似度，从多个样本关系向量中确定目标文本数据的关系向量。避免采用大量高质量标注的训练数据训练模型的直接获取关系方式，只需要少量样本文本数据作为参照，在确保关系获取准确率的前提下，提升了关系获取效率。
[0011]根据本专利技术的一个实施例，根据所述目标关系向量与所述多个样本关系向量的相似度，从所述多个样本关系向量中确定所述目标文本数据的关系向量，包括：从所述多个样本关系向量中，确定与所述目标关系向量的相似度最高的关系向量，将所述相似度最高的关系向量作为所述目标文本数据的关系向量。通过从多个样本关系向量中，确定与目标关系向量的相似度最高的关系向量，将相似度最高的关系向量作为目标文本数据的关系向
量，实现了目标文本数据中关系向量的确定。
[0012]根据本专利技术的一个实施例，所述方法还包括：根据文本处理规则，对初始训练数据集中的文本数据进行实体信息标注处理，并将实体信息标注处理的初始训练数据集作为所述训练数据集；所述初始训练数据集包括通用领域的样本集。通过文本处理规则对训练数据集中的实体信息进行标注处理，增强了训练数据集中文本数据的实体信息，使得训练后的模型更容易确定文本数据的实体间的关系。
[0013]根据本专利技术的一个实施例，将目标文本数据输入基底模型，得到所述基底模型输出的所述目标文本数据的目标关系向量，包括：根据文本处理规则，对所述目标文本数据进行实体信息标注处理，得到实体信息标注处理的目标文本数据；将所述实体信息标注处理的目标文本数据输入所述基底模型，得到所述基底模型输出的所述目标文本数据的目标关系向量。通过文本处理规则对目标文本数据中的实体信息进行标注处理，增强了目标文本数据中的实体信息，使得通过基底模型更容易确定目标文本数据的实体间的关系，提升了目标文本数据中关系的识别率。
[0014]根据本专利技术的一个实施例，将多个样本文本数据输入所述基底模型，得到所述基底模型输出的所述多个样本文本数据对应的多个样本关系向量，包括：根据文本处理规则，对所述多个样本文本数据进行实体信息标注处理，得到实体信息标注处理的多个样本文本数据；将所述实体信息标注处理的多个样本文本数据输入所述基底模型，得到所述基底模型输出的所述多个样本文本数据对应的多个样本关系向量。通过文本处理规则对多个样本文本数据中的实体信息进行标注处理，增强了样本文本数据中的实体信息，使得通过基底模型更容易确定样本文本数据的实体间的关系，提升了样本文本数据中关系的识别率。
[0015]根据本专利技术的一个实施例，文本处理规则，包括以下任一项：使用同一种标注符，对文本数据中各实体的首尾进行标注；使用不同的标注符，对文本数据中各实体的首尾进行标注；根据实体的类型，使用所述实体类型对应的标注符，对文本数据中各实体的首尾进行标注。通过多种标注方式实现了对训练数据集中的实体信息进行标注处理，增强了训练数据集中文本数据的实体信息，使得训练后的模型更容易确定文本数据的实体间的关系，提升了目标文本数据中关系的识别率。
[0016]根据本专利技术的一个实施例，在所述基底模型为bert语言模型的情况下，所述将目标文本数据输入基底模型，得到所述基底模型输出的所述目标文本数据的目标关系向量，包括：使用标注符，将目标文本数据中各实体的首尾进行标注，并将标注后的目标文本数据输入bert模型，得到所述bert模型输出的所述目标文本数据的分类向量以及所述目标文本数据的字向量；拼接所述分类向量以及所述字向量中的各实体向量，将拼接后的向量作为所述目标关系向量；或者，拼接所述字向量中各实体向量的首端标注符向量，将拼接后的向量作为所述目标关系向量。通过目标文本数据中各实体的首尾进行标注，并将标注后的目标文本数据输入bert模型，根据bert模型输出的目标文本数据的分类向量以及目标文本数据的字向量得到目标关系向量，实现目标关系向量的确定，为后续实现目标文本数据关系的确定提供了基础。
[0017]根据本专利技术第二方面实施例的电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述文本的关系确定方法。
[0018]根据本专利技术第三方面实施例的非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述文本的关系确定方法。
[0019]根据本专利技术第四方面实施例的计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述文本的关系确定方法。
[0020]本专利技术实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：
[0021]通过将目标文本数据输入基底模型，获取目标文本数据的目标关系向量，再根据目标关系向量与多个样本关系向量的相似度，从多个样本关系向量中确定目标文本数据的关系向量。避免采用大量高质量标注的训练数据训练模型的直接获取关系方式，只需要少量样本文本数据作为参照，在确保关系获取准确率的前提下，提升了关系获取效率。
[0022]本专利技术的附加方面和优点将在下面的描述中部分给出，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种文本的关系确定方法，其特征在于，包括：将目标文本数据输入基底模型，得到所述基底模型输出的所述目标文本数据的目标关系向量；将多个样本文本数据输入所述基底模型，得到所述基底模型输出的所述多个样本文本数据对应的多个样本关系向量；根据所述目标关系向量与所述多个样本关系向量的相似度，从所述多个样本关系向量中确定所述目标文本数据的关系向量；所述基底模型是基于训练数据集，以及标记了所述训练数据集对应的关系标签对初始基底模型进行训练得到的。2.根据权利要求1所述的文本的关系确定方法，其特征在于，所述根据所述目标关系向量与所述多个样本关系向量的相似度，从所述多个样本关系向量中确定所述目标文本数据的关系向量，包括：从所述多个样本关系向量中，确定与所述目标关系向量的相似度最高的关系向量，将所述相似度最高的关系向量作为所述目标文本数据的关系向量。3.根据权利要求1所述的文本的关系确定方法，其特征在于，所述方法还包括：根据文本处理规则，对初始训练数据集中的文本数据进行实体信息标注处理，并将实体信息标注处理的初始训练数据集作为所述训练数据集；所述初始训练数据集包括通用领域的样本集。4.根据权利要求3所述的文本的关系确定方法，其特征在于，所述将目标文本数据输入基底模型，得到所述基底模型输出的所述目标文本数据的目标关系向量，包括：根据文本处理规则，对所述目标文本数据进行实体信息标注处理，得到实体信息标注处理的目标文本数据；将所述实体信息标注处理的目标文本数据输入所述基底模型，得到所述基底模型输出的所述目标文本数据的目标关系向量。5.根据权利要求3所述的文本的关系确定方法，其特征在于，所述将多个样本文本数据输入所述基底模型，得到所述基底模型输出的所述多个样本文本数据对应的多个样本关系向量，包括：根据文本处理规则，对所述多个样本文...
【专利技术属性】
技术研发人员：徐国粮，陆中秋，曾晋科，胡佳男，牟小峰，
申请(专利权)人：美的集团股份有限公司，
类型：发明
国别省市：
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。