实体关系的聚类提取方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术，揭露了一种实体关系的聚类提取方法、装置、设备及存储介质。所述方法包括：抓取用户的社交关系数据，对所述社交关系数据进行实体识别操作，得到实体识别结果，根据实体识别结果对社交关系数据进行逆向标记操作，得到数据标记序列集合；利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别，得到关系识别结果，根据所述关系识别结果，构建得到实体

【技术实现步骤摘要】
实体关系的聚类提取方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种实体关系的聚类提取方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]随着计算机网络的发展，网上数据越来越丰富，大数据管理得到越来越多企业的认可，如今人际关系网络成为企业、个人获取客户的重要渠道。
[0003]然而，人际关系网络的构建过程需要实体识别过程的参与，如今实体识别大多是通过实体识别网络进行分析，对于用户的个人属性等基本信息较容易获取，但由于网络上的信息为非结构化的，用户涉及到的各种文本内容的表达方式也不同，导致如今对于用户的兴趣爱好等行为习惯信息的实体识别过程，难以获取较高的实体提取效率。

技术实现思路

[0004]本专利技术提供一种实体关系的聚类提取方法、装置、设备及存储介质，其主要目的在于提高实体关系提取效率。
[0005]为实现上述目的，本专利技术提供的一种实体关系的聚类提取方法，包括：
[0006]从预构建的数据源平台集合抓取用户的社交关系数据，并对所述社交关系数据进行实体识别操作，得到实体识别结果，并根据所述实体识别结果对所述社交关系数据进行逆向标记操作，得到数据标记序列集合；
[0007]利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别，得到关系识别结果，并根据所述关系识别结果，构建得到实体
‑
关系组集合；
[0008]根据预配置的组合相似度聚类方法，计算所述实体
‑
关系组集合中各个实体间的字符相似度及各个实体关系间的语义相似度，并根据所述字符相似度及所述语义相似度，对所述实体
‑
关系组集合中各个实体
‑
关系组进行聚类，得到实体
‑
关系图集合。
[0009]可选的，所述根据所述字符相似度及所述语义相似度，对所述实体
‑
关系组集合中各个实体
‑
关系组进行聚类，得到实体
‑
关系图集合，包括：
[0010]根据所述组合相似度聚类方法，配置所述字符相似度的第一权重N，及语义相似度的第二权重1
‑
N，并根据所述第一权重及所述第二权重，对所述字符相似度及所述语义相似度进行加权计算，得到混合相似度；
[0011]根据最邻近结点算法及所述混合相似度，对所述实体
‑
关系组集合中各个实体
‑
关系组进行聚类，得到实体
‑
关系图集合。
[0012]可选的，所述利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别，得到关系识别结果，包括：
[0013]根据所述数据标记序列中的两个实体识别结果对应的标记，将所述数据标记序列标记标签为上文、中文及下文，得到全文标记序列；
[0014]利用预训练的上下文语义识别模型对所述全文标记序列进行分词量化操作，得到上文量化序列、中文量化序列及下文量化序列；
[0015]对所述上文量化序列、中文量化序列及下文量化序列进行基于文内及文间的自注意力配置，得到文本自注意力增强序列；
[0016]对所述文本自注意力增强序列进行特征提取操作，得到特征序列集合，并对所述特征序列集合进行全连接分类操作，得到基于语义意图的关系识别结果。
[0017]可选的，所述利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别，得到关系识别结果之前，所述方法还包括：
[0018]获取预构建的上下文语义识别模型及训练样本集，所述训练样本集中的每个训练样本包括分为上、中及下三部分的文本语句，及一个对应的语义标签；
[0019]依次从所述训练样本集中提取一个训练样本作为目标样本，利用所述上下文语义识别模型对所述目标样本的文本语句进行实体关系预测，得到关系预测结果；
[0020]利用交叉熵损失算法计算所述目标样本的语义标签与所述关系预测结果之间的损失值，并根据梯度下降方法，最小化所述损失值，得到所述损失值最小时的网络模型参数，并对所述网络模型参数进行网络逆向更新，得到更新上下文语义识别模型；
[0021]判断所述损失值的收敛性；
[0022]当所述损失值未收敛时，返回上述依次从所述训练样本集中提取一个训练样本作为目标样本的步骤，对所述更新上下文语义识别模型进行迭代更新；
[0023]当所述损失值收敛时，得到训练完成的上下文语义识别模型。
[0024]可选的，所述对所述社交关系数据进行实体识别操作，得到实体识别结果，包括：
[0025]对所述社交关系数据进行分词操作，得到分词结果，并对所述分词结果进行排列及量化操作，得到社交关系文本序列集合；
[0026]依次从所述社交关系文本序列集合中提取一个社交关系文本序列，利用预构建的卷积核集合对所述社交关系文本序列进行卷积操作，得到卷积矩阵集合；
[0027]对所述卷积矩阵集合进行平均池化操作，得到池化矩阵集合；
[0028]对所述池化矩阵集合中各个池化矩阵进行扁平化操作，并对各个扁平化结果进行连接，得到所述社交关系文本序列对应的社交文本特征序列；
[0029]利用预构建的条件随机场对所述社交文本特征序列进行实体识别，得到所述社交关系文本序列的实体识别结果。
[0030]为了解决上述问题，本专利技术还提供一种实体关系的聚类提取装置，所述装置包括：
[0031]数据预处理模块，用于从预构建的数据源平台集合抓取用户的社交关系数据，并对所述社交关系数据进行实体识别操作，得到实体识别结果，并根据所述实体识别结果对所述社交关系数据进行逆向标记操作，得到数据标记序列集合；
[0032]实体
‑
关系组构建模块，用于利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别，得到关系识别结果，并根据所述关系识别结果，构建得到实体
‑
关系组集合；
[0033]实体关系聚类模块，用于根据预配置的组合相似度聚类方法，计算所述实体
‑
关系组集合中各个实体间的字符相似度及各个实体关系间的语义相似度，并根据所述字符相似度及所述语义相似度，对所述实体
‑
关系组集合中各个实体
‑
关系组进行聚类，得到实体
‑
关
系图集合。
[0034]可选的，所述根据所述字符相似度及所述语义相似度，对所述实体
‑
关系组集合中各个实体
‑
关系组进行聚类，得到实体
‑
关系图集合，包括：
[0035]根据所述组合相似度聚类方法，配置所述字符相似度的第一权重N，及语义相似度的第二权重1
‑
N，并根据所述第一权重及所述第二权重，对所述字符相似度及所述语义相似度进行加权计算，得到混合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实体关系的聚类提取方法，其特征在于，所述方法包括：从预构建的数据源平台集合抓取用户的社交关系数据，并对所述社交关系数据进行实体识别操作，得到实体识别结果，并根据所述实体识别结果对所述社交关系数据进行逆向标记操作，得到数据标记序列集合；利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别，得到关系识别结果，并根据所述关系识别结果，构建得到实体
‑
关系组集合；根据预配置的组合相似度聚类方法，计算所述实体
‑
关系组集合中各个实体间的字符相似度及各个实体关系间的语义相似度，并根据所述字符相似度及所述语义相似度，对所述实体
‑
关系组集合中各个实体
‑
关系组进行聚类，得到实体
‑
关系图集合。2.如权利要求1所述的实体关系的聚类提取方法，其特征在于，所述根据所述字符相似度及所述语义相似度，对所述实体
‑
关系组集合中各个实体
‑
关系组进行聚类，得到实体
‑
关系图集合，包括：根据所述组合相似度聚类方法，配置所述字符相似度的第一权重N，及语义相似度的第二权重1
‑
N，并根据所述第一权重及所述第二权重，对所述字符相似度及所述语义相似度进行加权计算，得到混合相似度；根据最邻近结点算法及所述混合相似度，对所述实体
‑
关系组集合中各个实体
‑
关系组进行聚类，得到实体
‑
关系图集合。3.如权利要求1所述的实体关系的聚类提取方法，其特征在于，所述利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别，得到关系识别结果，包括：根据所述数据标记序列中的两个实体识别结果对应的标记，将所述数据标记序列标记标签为上文、中文及下文，得到全文标记序列；利用预训练的上下文语义识别模型对所述全文标记序列进行分词量化操作，得到上文量化序列、中文量化序列及下文量化序列；对所述上文量化序列、中文量化序列及下文量化序列进行基于文内及文间的自注意力配置，得到文本自注意力增强序列；对所述文本自注意力增强序列进行特征提取操作，得到特征序列集合，并对所述特征序列集合进行全连接分类操作，得到基于语义意图的关系识别结果。4.如权利要求3所述的实体关系的聚类提取方法，其特征在于，所述利用预训练的上下文语义识别模型对所述数据标记序列集合中的各个数据标记序列进行实体关系识别，得到关系识别结果之前，所述方法还包括：获取预构建的上下文语义识别模型及训练样本集，所述训练样本集中的每个训练样本包括分为上、中及下三部分的文本语句，及一个对应的语义标签；依次从所述训练样本集中提取一个训练样本作为目标样本，利用所述上下文语义识别模型对所述目标样本的文本语句进行实体关系预测，得到关系预测结果；利用交叉熵损失算法计算所述目标样本的语义标签与所述关系预测结果之间的损失值，并根据梯度下降方法，最小化所述损失值，得到所述损失值最小时的网络模型参数，并对所述网络模型参数进行网络逆向更新，得到更新上下文语义识别模型；
判断所述损失值的收敛性；当所述损失值未收敛时，返回上述依次从所述训练样本集中提取一个训练样本作为目标样本的步骤，对所述更新上下文语义识别模型进行迭代更新；当所述损失值收敛时，得到训练完成的上下文语义识别模型。5.如权利要求1所述的实体关系的聚类提取方法，其特征在于，所述对所述社交关系数据进行实体识别操作，得到实体识别结果，包括：对所述社交关系数据进行分词操作，...

【专利技术属性】
技术研发人员：洪丰，黄敏，周伟杰，熊善良，蔡文笔，韦有朋，
申请(专利权)人：北京海卓飞网络科技有限公司，
类型：发明
国别省市：