一种实体关系抽取方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开一种实体关系抽取方法、装置、电子设备及存储介质。该方法包括：获取预设文本库中的至少一个文本信息；确定文本信息对应的嵌入向量；确定任意两个嵌入向量对应的向量对，并保存各向量对到标记组合结果；根据标记组合结果和预先训练的分类器确定文本信息对应的实体关系。本发明专利技术实施例，通过预先训练的分类器基于文本信息的嵌入向量进行分析，提取到文本信息的实体关系，可解决实体嵌套以及实体对重叠的问题，在保证三元组提取过程中各个元素的紧密相关度的基础上，可减少误差、解决泛化性差的问题，提升了实体关系抽取的精确性。确性。确性。

【技术实现步骤摘要】
一种实体关系抽取方法、装置、电子设备及存储介质


[0001]本专利技术涉及自然语言处理
，尤其涉及一种实体关系抽取方法、装置、电子设备及存储介质。

技术介绍

[0002]近年来，互联网信息技术高速发展，新闻、社交等网站每天有海量的新数据产生出来。这些数据中包含着各种各样的内容，其中有很多十分有价值的信息，这些信息对人们的生活起着至关重要的作用。为了抽取并有效使用这些有价值的信息，提出了知识图谱的概念。虽然现有的知识图谱已经包含数亿计的数据，但是网络上的信息每天不断增加，知识图谱中的信息也需要随之进行完善。
[0003]现有技术中，采用传统的pipeline方法首先识别实体，然后为每对可能的实体提取一个关系。这样的框架使任务易于执行，但忽略了实体和关系之间相互依存不可分割的事实，最终识别的结果可能会导致误差、泛化性差等问题；基于关系的注意力机制优化句子特征表示，通过将关系提取映射到实体对的方式实现联合抽取，其设计方式在一定程度解决了关系重叠的问题，但基于关系识别出实体难度较大，且其存在交互性不足且难以高效解决关系重叠的问题。总体而言，尽管现有的方法极大的提升了实体关系的交互程度，但忽略了三元组提取过程中各个元素的紧密相关度，可能会导致误差、泛化性差等问题，并且在处理关系重叠问题时召回率较低。

技术实现思路

[0004]有鉴于此，本专利技术提供一种实体关系抽取方法、装置、电子设备及存储介质，能够解决实体嵌套、实体对重叠的问题，在保证三元组提取过程中各个元素的紧密相关度的基础上，减少误差、泛化性差的问题，提升实体关系抽取的精确性。
[0005]根据本专利技术的一方面，本专利技术实施例提供了一种实体关系抽取方法，该方法包括：
[0006]获取预设文本库中的至少一个文本信息；
[0007]确定所述文本信息对应的嵌入向量；
[0008]确定任意两个所述嵌入向量对应的向量对，并保存各所述向量对到标记组合结果；
[0009]根据所述标记组合结果和预先训练的分类器确定所述文本信息对应的实体关系。
[0010]根据本专利技术的另一方面，本专利技术实施例还提供了一种实体关系抽取装置，该装置包括：
[0011]获取模块，用于获取预设文本库中的至少一个文本信息；
[0012]第一确定模块，用于确定所述文本信息对应的嵌入向量；
[0013]第二确定模块，用于确定任意两个所述嵌入向量对应的向量对，并保存各所述向量对到标记组合结果；
[0014]关系确定模块，用于根据所述组合结果和预先训练好的分类器确定所述文本信息
中对应的实体关系。
[0015]根据本专利技术的另一方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
[0016]至少一个处理器；以及
[0017]与所述至少一个处理器通信连接的存储器；其中，
[0018]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的实体关系抽取方法。
[0019]根据本专利技术的另一方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的实体关系抽取方法。
[0020]本专利技术实施例的技术方案，通过获取预设文本库中的至少一个文本信息；确定文本信息对应的嵌入向量，确定任意两个嵌入向量对应的向量对，并保存各向量对到标记组合结果，根据标记组合结果和预先训练的分类器确定文本信息对应的实体关系。本专利技术实施例，通过确定任意两个嵌入向量对应的向量对，并保存各向量对到标记组合结果；根据标记组合结果和预先训练的分类器确定文本信息对应的实体关系，能够解决实体嵌套、实体对重叠的问题，在保证三元组提取过程中各个元素的紧密相关度的基础上，减少误差、泛化性差的问题，提升实体关系抽取的精确性。
[0021]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0022]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本专利技术一实施例提供的一种实体关系抽取方法的流程图；
[0024]图2为本专利技术一实施例提供的又一种实体关系抽取方法的流程图；
[0025]图3为本专利技术一实施例提供的又一种实体关系抽取方法的流程图；
[0026]图4为本专利技术一实施例提供的一种实体关系抽取方法的模型图；
[0027]图5为本专利技术一实施例提供的一种token两两组合的直观示意图；
[0028]图6为本专利技术一实施例提供的一种分类标签直观示意图；
[0029]图7为本专利技术一实施例提供的一种实体关系抽取装置的结构框图；
[0030]图8为本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0031]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人
员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0032]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0033]在一实施例中，图1为本专利技术一实施例提供的一种实体关系抽取方法的流程图，本实施例可适用于对实体关系进行联合抽取的情况，该方法可以由实体关系抽取装置来执行，该实体关系抽取装置可以采用硬件和/或软件的形式实现，该实体关系抽取装置可配置于电子设备中。
[0034]如图1所示，具体步骤包括：
[0035]S110、获取预设文本库中的至少一个文本信息。
[0036]其中，预设文本库也可以称为信息语料库，可以理解为包含多个文本的数据存储库，预设文本库中可以包含中文文本、英文文本以及其他语言类的文本信息。文本信息可以理解为计算机能够识别的结构化文本数据信息，可以为各种不同类型的文本数据。
[0037]在本实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实体关系抽取方法，其特征在于，包括：获取预设文本库中的至少一个文本信息；确定所述文本信息对应的嵌入向量；确定任意两个所述嵌入向量对应的向量对，并保存各所述向量对到标记组合结果；根据所述标记组合结果和预先训练的分类器确定所述文本信息对应的实体关系。2.根据权利要求1所述的方法，其特征在于，所述在获取预设文本库中的至少一个文本信息之前，还包括：对所述文本信息进行文本预处理；将所述文本预处理之后得到的所述文本信息存入所述预设文本库中。3.根据权利要求2所述的方法，其特征在于，所述文本预处理的方式至少包括下述之一：使用分词工具将所述至少一个文本信息进行切分，并标注每个切分生成的分词所对应的分词词性；去除所述至少一个文本信息内包括的停用词；依据预先配置的语法处理规则对所述至少一个文本信息进行语法结构分析，并获取分析结果；采用预设文本相似度算法对所述至少一个文本信息进行去重操作。4.根据权利要求1所述的方法，其特征在于，所述确定所述文本信息对应的嵌入向量，包括：将所述文本信息输入至预设预训练语言模型中；依据所述预设预训练语言模型将所述文本信息编码为对应的嵌入向量；其中，所述文本信息中包含至少一个词汇，所述词汇至少对应一个所述嵌入向量。5.根据权利要求1所述的方法，其特征在于，所述确定任意两个所述嵌入向量对应的向量对，并保存各所述向量对到所述标记组合结果，包括：依据枚举方法将任意两个所述嵌入向量进行组合，以形成对应的向量对；其中，所述向量对至少为一个，所述向量对中包含两个所述嵌入向量；将各所述向量对作为相应的标记组合结果；其中，所述标记组合结果中包含所述文本信息对应的头实体和尾实体分别对应的开始嵌入向量，组成开始嵌入向量对，以及所述头实体和...

【专利技术属性】
技术研发人员：朱天佑，王路涛，李博，边靖宸，陈振宇，李继伟，陈思宇，刘普凡，
申请(专利权)人：国家电网有限公司大数据中心，
类型：发明
国别省市：