CN113268987B - 一种实体名称识别方法、装置、电子设备和存储介质 - Google Patents
一种实体名称识别方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113268987B CN113268987B CN202110576584.7A CN202110576584A CN113268987B CN 113268987 B CN113268987 B CN 113268987B CN 202110576584 A CN202110576584 A CN 202110576584A CN 113268987 B CN113268987 B CN 113268987B
- Authority
- CN
- China
- Prior art keywords
- variant
- entity
- file
- names
- name
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000014509 gene expression Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/14—Details of searching files based on file metadata
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种实体名称识别方法、装置、电子设备、存储介质和计算机程序产品,涉及互联网领域,尤其涉及搜索技术。具体实现方案为:确定待识别变种文件名包括的关键词;将关键词,与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行匹配,得到目标变种实体名称,以及与目标变种实体名称关联的目标原生实体名称;将目标原生实体名称作为待识别变种文件名的识别结果,并建立所述目标原生实体名称与所述待识别变种文件名之间的关联关系。本公开实施例通过识别结果确定待识别变种文件名与原生实体名称的关联关系,由此保证用户将原生实体名称作为检索词进行文件搜索时,可以召回利用变种名称命名的文件。
Description
技术领域
本公开涉及互联网技术领域,尤其涉及搜索领域,具体涉及一种实体名称识别方法、装置、电子设备、存储介质和计算机程序产品。
背景技术
近年来,随着互联网技术的发展,人们习惯利用网盘保存自己的重要资源或者保存其他人分享的一些资源。然而在网盘中,有些资源的名称是通过变种名称命名的,使得网盘用户利用这些资源对应的原生的实体名称作为检索词进行资源搜索时,无法在网盘中召回这些资源。
发明内容
本公开提供了一种实体名称识别方法、装置、电子设备、存储介质和计算机程序产品。
根据本公开的一方面,提供了一种实体名称识别方法,包括:
确定待识别变种文件名包括的关键词;
将关键词,与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行匹配,得到目标变种实体名称,以及与目标变种实体名称关联的目标原生实体名称;
将目标原生实体名称作为待识别变种文件名的识别结果,并建立所述目标原生实体名称与所述待识别变种文件名之间的关联关系。
根据本公开的另一方面,提供了一种实体名称识别装置,包括:
关键词确定模块,用于确定待识别变种文件名包括的关键词;
匹配模块,用于将关键词,与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行匹配,得到目标变种实体名称,以及与目标变种实体名称关联的目标原生实体名称;
第一识别结果确定模块,用于将目标原生实体名称作为待识别变种文件名的识别结果,并建立所述目标原生实体名称与所述待识别变种文件名之间的关联关系。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开任意实施例的实体名称识别方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本公开任意实施例的实体名称识别方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现本公开任意实施例的实体名称识别方法。
根据本公开的技术,可以确定待识别变种文件名对应的原生实体名称,以及待识别变种文件名与原生实体名称的关联关系,由此保证后续用户将原生实体名称作为检索词进行文件搜索时,可以准确召回利用变种文件名命名的文件。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的一种实体名称识别方法的示意图;
图2是根据本公开实施例的一种实体名称识别方法的示意图;
图3是根据本公开实施例的一种实体名称识别方法的示意图;
图4是根据本公开实施例的一种实体名称识别装置的示意图;
图5是用来实现本公开实施例的实体名称识别的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
网盘用户在搜索多媒体文件(例如影视文件、音频文件或文本文件等)时,网盘的搜索服务通过判断用户搜索词(即query)和文件名的包含关系来召回用户搜索结果。具体的,网盘搜索服务主要是通过query改写和query分词技术,将用户原生query或改写分词后的query与文件名判断包含关系来召回文件列表。其中,query改写方案主要是通过query纠错能力,将用户搜索的错别字改写成正常query或query同义词作为最终搜索query,并与用户文件名判断包含关系后召回文件列表。而query分词方案主要是通过query切词能力,将用户搜索的query通过语义分析切成多个词组,并与文件名判断包含关系后召回文件列表。
发明人通过调研发现,网盘中的多媒体文件(尤其是影视文件)有时会使用不便于记忆的变种名称命名,在用户利用原生实体名称来检索基于变种名称命名的多媒体文件时,无法通过包含关系召回文件列表,也即无法通过原生实体名称召回利用变种名称命名的多媒体文件。基于此,发明人提出一种实体名称识别方法,识别变种文件名对应的实体名称,并建立两者之间的关联关系,以便后续用户利用原生实体名称搜索时,可基于建立的关联关系确定原生实体名称对应的变种文件名,并召回变种文件名对应的多媒体文件。具体的实施过程参见如下实施例。
图1为本公开实施例的一种实体名称识别方法的流程示意图,本实施例可适用于用户将原生实体名称作为检索词在网盘中搜索利用变种名称命名的文件的情况。该方法可由一种实体名称识别装置来执行,该装置采用软件和/或硬件的方式实现,并集成在电子设备上,例如服务器设备。
具体的,参见图1,实体名称识别方法如下:
S101、确定待识别变种文件名包括的关键词。
本公开实施例中,待识别变种文件名示例性的为网盘中影视文件的变种文件名,也可以是其他多媒体文件的变种文件名,在此不做具体限定。而要识别变种文件名对应的实体名称,需要将待识别变种文件名中包括无意义词删除,以提升识别的效率,同时避免无意义词对实体名称识别造成影响。示例性的,待识别变种文件名为“/我的资源/大|江D河-TV版02.mp4”,删除其中无意义词(例如“我的资源”)后,得到关键词“大江D河”,后续只需基于得到的关键词确定待识别变种文件名对应的原生实体名称。
S102、将关键词,与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行匹配,得到目标变种实体名称,以及与目标变种实体名称关联的目标原生实体名称。
其中,候选原生实体名称可选的是预先从互联网上爬取的实体名称,例如可以是从互联网上爬取的影视实体名称;而候选变种实体名称是基于候选原生实体名称衍生的变种名称,示例性的,以影视作品实体名称“大江大河”为例,衍生的候选变种实体名称至少包括“大江D河”、“大J大he”。在得到候选原生实体名称及其对应的候选变种实体名称后,建立并保存两者之间的关联关系,例如构建一个变种名称库以保存建立的候选原生实体名称和候选变种实体名称之间的关联关系。
进一步的,基于两者之间的关联关系,对S101中确定的关键词进行实体名称识别。在一中可选的实施方式中,将关键词,与该关联关系中包括的候选变种实体名称进行匹配,根据匹配结果确定得到目标变种实体名称,进而基于该关联关系确定目标变种实体名称关联的目标原生实体名称。示例性的,关键词“大江D河”与关联关系中包括的候选变种实体名称“大江D河”匹配,则将候选变种实体名称“大江D河”作为目标变种实体名称;由于候选变种实体名称“大江D河”与候选原生实体名称“大江大河”关联,因此将候选原生实体名称“大江大河”作为目标原生实体名称。
S103、将目标原生实体名称作为待识别变种文件名的识别结果,并建立目标原生实体名称与待识别变种文件名之间的关联关系。
通过S102确定关键词对应的目标原生实体名称后,由于关键词是从待识别变种文件名中提取的,则待识别变种文件名对应的实体名称即为目标原生实体名称,也即可直接将目标原生实体名称作为待识别变种文件名的识别结果。同时建立目标原生实体名称与待识别变种文件名之间的关联关系,并保存在关系库中,以便后续用户在搜索利用原生实体名称作为检索词以搜索文件时,可基于关系库中目标原生实体名称与待识别变种文件名之间的关联关系,召回相应的以变种文件名命名的文件。
本公开实施例中,基于预先构建的候选原生实体名称和候选变种实体名称之间的关联关系,可以快速精准的确定待识别变种文件名对应的目标原生实体名称,进而建立待识别变种文件名对应的目标原生实体名称之间的关联关系,由此保证用户将某一原生实体名称作为检索词进行文件搜索时,可以召回利用变种名称命名的文件。
图2是根据本公开实施例的实体名称识别方法的流程示意图,本实施例是在上述实施例的基础上进行优化,参见图2,实体名称识别方法具体如下:
S201、根据文件名的命名规则,使用正则表达式清洗待识别变种文件名中的无意义词,得到关键词。
本公开实施例中,为了清洗待识别变种文件名包括的无意义词,需要预先了解网盘中多媒体文件名(尤其是影视文件)的命名规则,可选的,预先从网盘服务器中抽取部分多媒体文件的名称进行分析,确定网盘中多媒体文件的命名规律。进而根据文件名的命名规则,设置正则表达式以清洗待识别变种文件名中的无意义词,得到核心关键词。需要说明的是,使用正则表达式清洗待识别变种文件名中的无意义词,可以提升抽取关键词的效率以及抽取关键词的准确性。
S202、将关键词,依次与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行相似度计算,并将与关键词相似度大于阈值的候选变种实体名称作为目标变种实体名称。
本公开实施例中,候选原生实体名称和候选变种实体名称之间的关联关系的构建过程包括(1)-(3):
(1)确定候选原生实体名称所包括的单个字(包括简体汉字和繁体汉字)、以及单个字的拼音首字母和全拼音。
(2)基于预设的变种规则,根据候选原生实体名称所包括的单个字、以及单个字的拼音首字母和全拼音,生成至少一个候选变种实体名称。
可选的,采用优先变种规则,例如优先获取候选原生实体名称包括单个字及其拼音首字母,将各首字母与候选原生实体名称的单个字随机组合,得到至少一个候选变种实体名称;其次可以将单个字、单个字的全拼音和拼音首字母进行随机组合,得到候选变种实体名称。需要说明的是,利用单个字、单个字的拼音首字母和群拼音衍生候选变种实体名称,可以保证衍生候选变种实体名称效率和数量。在衍生候选变种实体名称后,不同的候选变种实体名称具有不同的优先级(可用权重值的大小表示,权重越大优先级越高),后续与关键词匹配时,可按照优先级由高到低的顺序依次进行,由此可以保证确定目标候选变种实体名称的效率。
(3)建立候选原生实体名称和候选变种实体名称之间的关联关系。
在确定候选原生实体名称和候选变种实体名称之间的关联关系上,可直接将关键词,依次与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行相似度计算,例如按照候选变种实体名称的优先级高到低的顺序,依次计算关键词与各候选变种实体名称之间的相似度,可选的,利用余弦相似算法计算。进而判断相似度与预设阈值之间的关系,将与关键词相似度大于阈值的候选变种实体名称作为目标变种实体名称。
S203、将目标原生实体名称作为待识别变种文件名的识别结果,并建立目标原生实体名称与待识别变种文件名之间的关联关系。
本公开实施例中,利用单个字、单个字的拼音首字母和群拼音衍生候选变种实体名称,可以保证衍生候选变种实体名称效率和数量;而构建候选原生实体名称和候选变种实体名称之间的关联关系后,通过计算关键词与关联关系中候选变种实体名称之间的相似度,可准确快速的确定关键词对应的目标变种实体名称,进而确定待识别变种文件名的实体名称识别结果。
图3是根据本公开实施例的实体名称识别方法的流程示意图,本实施例是在上述实施例的基础上进行优化,参见图3,实体名称识别方法具体如下:
S301、确定待识别变种文件名包括的关键词。
本公开实施例中,待识别变种文件名为网盘中影视文件的变种文件名,也可以是其他基于变种文件名命名的多媒体文件,在此不做具体限定。
S302、将关键词,与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行匹配,得到目标变种实体名称,以及与目标变种实体名称关联的目标原生实体名称。
S303、将目标原生实体名称作为待识别变种文件名的识别结果,并建立所述目标原生实体名称与所述待识别变种文件名之间的关联关系。
S304、确定待识别变种文件名标识的文件的信息摘要值。
S305、将待识别变种文件名记录到信息摘要值对应的文件描述数据中,并统计文件描述数据中相同文件名出现的次数。
本公开实施例中,用户将文件保存到网盘之后,网盘会为每个文件生成一个信息摘要值(即MD5码),需要说明的是,内容相同但文件名不同的文件具有相同的信息摘要值(即MD5码),每个文件的MD5码都保存在MD5码库中,而且在MD5码库中,每个MD5码都对应一个文件描述数据,示例性的,以影视文件为例,该影视文件的MD5码对应文件描述数据可以包括影视的名称、导演、演员等信息。
在确定待识别变种文件名标识的文件的信息摘要值后,将待识别变种文件名记录到信息摘要值对应的文件描述数据中,并统计文件描述数据中相同文件名出现的次数。在此需要说明的是,之所以统计相同MD5码下的相同文件名出现次数,是因为有些待识别变种文件名属于无意义的文件名,需要根据相同MD5码下的相同文件名出现次数纠正无意义文件名。而在一种可选的实施方式中,在确定待识别变种文件名包括的关键词时,发现无法从待识别变种文件名中提取到关键词,针对这一情况,可先获取待识别变种文件名标识的文件的信息摘要值;进而判断信息摘要值对应的文件描述数据中,相同文件名出现的次数是否达到预设阈值;若是,则将相同文件名关联的实体名称作为待识别变种文件名的识别结果。
示例性的,待识别变种文件名为“2.mp4”,通过“2.mp4”文件名无法提取关键信息,则确定名称为“2.mp4”的文件的MD5码,而在该MD5码对应的文件描述数据中,名称“大|江D河-TV版02.mp4”出现了8次,达到了阈值(预先设置为8次),则将“大|江D河-TV版02.mp4”关联的原生实体名称“大江大河”作为待识别变种文件名的识别结果,也即“2.mp4”与大江大河电视剧有关联,后续用户在利用“大江大河”作为检索词搜索时,可以直接将名称为“2.mp4”的文件返回。
本公开实施例中,通过统计相同MD5码下的相同文件名出现次数,使得针对待识别变种文件名属于无意义的文件名的情况,可根据相同MD5码下的相同文件名出现次数纠正无意义文件名,进而达到提升实体名称识别效率的目的。
在此需要说明的是,针对任意的待识别变种文件名,在提取关键词之前都可以先确定待识别变种文件名标识的文件的MD5码,然后判断该MD5对应的文件描述数据中相同文件名出现的次数是否达到阈值,若是则将相同文件名关联的实体名称作为待识别变种文件名的识别结果,无需再进行提取关键词和计算相似度的过程,由此可以保证识别效率。
图4是根据本公开实施例的实体名称识别装置的结构示意图,本实施例可适用于用户将原生实体名称作为检索词在网盘中搜索利用变种名称命名的文件的情况。如图4所示,该装置具体包括:
关键词确定模块401,用于确定待识别变种文件名包括的关键词;
匹配模块402,用于将关键词,与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行匹配,得到目标变种实体名称,以及与目标变种实体名称关联的目标原生实体名称;
第一识别结果确定模块403,用于将目标原生实体名称作为待识别变种文件名的识别结果,并建立所述目标原生实体名称与所述待识别变种文件名之间的关联关系。
在上述实施例的基础上,可选的,该装置还包括第一关联关系构建模块,用于:
确定候选原生实体名称所包括的单个字、以及单个字的拼音首字母和全拼音;
基于预设的变种规则,根据候选原生实体名称所包括的单个字、以及单个字的拼音首字母和全拼音,生成至少一个候选变种实体名称;
建立候选原生实体名称和候选变种实体名称之间的关联关系。
在上述实施例的基础上,可选的,关键词确定模块具体用于:
根据文件名的命名规则,使用正则表达式清洗待识别变种文件名中的无意义词,得到关键词。
在上述实施例的基础上,可选的,匹配模块具体用于:
将关键词,依次与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行相似度计算,并将与关键词相似度大于阈值的候选变种实体名称作为目标变种实体名称。
在上述实施例的基础上,可选的,装置还包括:
第一信息摘要值确定模块,用于确定待识别变种文件名标识的文件的信息摘要值;
记录模块,用于将待识别变种文件名记录到信息摘要值对应的文件描述数据中,并统计文件描述数据中相同文件名出现的次数;其中,内容相同但文件名不同的文件具有相同的信息摘要值。
在上述实施例的基础上,可选的,装置还包括:
第二信息摘要值确定模块,用于在确定待识别变种文件名包括的关键词之前,获取待识别变种文件名标识的文件的信息摘要值;
判断模块,用于判断信息摘要值对应的文件描述数据中,相同文件名出现的次数是否达到预设阈值;
第二识别结果确定模块,用于若判断结果为是,则将相同文件名关联的实体名称作为待识别变种文件名的识别结果。
在上述实施例的基础上,可选的,待识别变种文件名为网盘中影视文件的变种文件名。
本公开实施例提供的实体名称识别装置可执行本公开任意实施例提供的实体名称识别方法,具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如实体名称识别方法。例如,在一些实施例中,实体名称识别方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的实体名称识别方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行实体名称识别方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (14)
1.一种实体名称识别方法,包括:
确定待识别变种文件名包括的关键词;
将所述关键词,与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行匹配,得到目标变种实体名称,以及与所述目标变种实体名称关联的目标原生实体名称;
将所述目标原生实体名称作为所述待识别变种文件名的识别结果,并建立所述目标原生实体名称与所述待识别变种文件名之间的关联关系;
其中,候选原生实体名称和候选变种实体名称之间的关联关系的构建过程包括:
确定候选原生实体名称所包括的单个字、以及单个字的拼音首字母和全拼音;
基于预设的变种规则,根据候选原生实体名称所包括的单个字、以及单个字的拼音首字母和全拼音,生成至少一个候选变种实体名称;
建立所述候选原生实体名称和所述候选变种实体名称之间的关联关系。
2.根据权利要求1所述的方法,其中,确定待识别变种文件名包括的关键词,包括:
根据文件名的命名规则,使用正则表达式清洗所述待识别变种文件名中的无意义词,得到所述关键词。
3.根据权利要求1所述的方法,其中,将所述关键词,与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行匹配,得到目标变种实体名称,包括:
将所述关键词,依次与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行相似度计算,并将与所述关键词相似度大于阈值的候选变种实体名称作为所述目标变种实体名称。
4.根据权利要求1所述的方法,在将所述目标原生实体名称作为所述待识别变种文件名的识别结果之后,所述方法还包括:
确定所述待识别变种文件名标识的文件的信息摘要值;
将所述待识别变种文件名记录到所述信息摘要值对应的文件描述数据中,并统计所述文件描述数据中相同文件名出现的次数;其中,内容相同但文件名不同的文件具有相同的信息摘要值。
5.根据权利要求4所述的方法,在确定待识别变种文件名包括的关键词之前,所述方法还包括:
获取待识别变种文件名标识的文件的信息摘要值;
判断所述信息摘要值对应的文件描述数据中,相同文件名出现的次数是否达到预设阈值;
若是,则将所述相同文件名关联的实体名称作为所述待识别变种文件名的识别结果。
6.根据权利要求1-5任一项所述的方法,其中所述待识别变种文件名为网盘中影视文件的变种文件名。
7.一种实体名称识别装置,包括:
关键词确定模块,用于确定待识别变种文件名包括的关键词;
匹配模块,用于将所述关键词,与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行匹配,得到目标变种实体名称,以及与所述目标变种实体名称关联的目标原生实体名称;
第一识别结果确定模块,用于将所述目标原生实体名称作为所述待识别变种文件名的识别结果,并建立所述目标原生实体名称与所述待识别变种文件名之间的关联关系;
其中,所述装置还包括第一关联关系构建模块,用于:
确定候选原生实体名称所包括的单个字、以及单个字的拼音首字母和全拼音;
基于预设的变种规则,根据候选原生实体名称所包括的单个字、以及单个字的拼音首字母和全拼音,生成至少一个候选变种实体名称;
建立所述候选原生实体名称和所述候选变种实体名称之间的关联关系。
8.根据权利要求7所述的装置,其中,关键词确定模块具体用于:
根据文件名的命名规则,使用正则表达式清洗所述待识别变种文件名中的无意义词,得到所述关键词。
9.根据权利要求7所述的装置,其中,匹配模块具体用于:
将所述关键词,依次与候选原生实体名称和候选变种实体名称之间的关联关系中的候选变种实体名称进行相似度计算,并将与所述关键词相似度大于阈值的候选变种实体名称作为所述目标变种实体名称。
10.根据权利要求7所述的装置,所述装置还包括:
第一信息摘要值确定模块,用于确定所述待识别变种文件名标识的文件的信息摘要值;
记录模块,用于将所述待识别变种文件名记录到所述信息摘要值对应的文件描述数据中,并统计所述文件描述数据中相同文件名出现的次数;其中,内容相同但文件名不同的文件具有相同的信息摘要值。
11.根据权利要求10所述的装置,所述装置还包括:
第二信息摘要值确定模块,用于在确定待识别变种文件名包括的关键词之前,获取待识别变种文件名标识的文件的信息摘要值;
判断模块,用于判断所述信息摘要值对应的文件描述数据中,相同文件名出现的次数是否达到预设阈值;
第二识别结果确定模块,用于若判断结果为是,则将所述相同文件名关联的实体名称作为所述待识别变种文件名的识别结果。
12.根据权利要求7-11任一项所述的装置,其中,所述待识别变种文件名为网盘中影视文件的变种文件名。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令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权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110576584.7A CN113268987B (zh) | 2021-05-26 | 2021-05-26 | 一种实体名称识别方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110576584.7A CN113268987B (zh) | 2021-05-26 | 2021-05-26 | 一种实体名称识别方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113268987A CN113268987A (zh) | 2021-08-17 |
CN113268987B true CN113268987B (zh) | 2023-08-11 |
Family
ID=77232814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110576584.7A Active CN113268987B (zh) | 2021-05-26 | 2021-05-26 | 一种实体名称识别方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113268987B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101027667A (zh) * | 2004-03-31 | 2007-08-29 | Google公司 | 具有实体检测的查询改写 |
CN105512555A (zh) * | 2014-12-12 | 2016-04-20 | 哈尔滨安天科技股份有限公司 | 基于文件字符串聚类的划分同源家族和变种的方法及*** |
CN106202382A (zh) * | 2016-07-08 | 2016-12-07 | 南京缘长信息科技有限公司 | 链接实体方法和*** |
CN106909655A (zh) * | 2017-02-27 | 2017-06-30 | 中国科学院电子学研究所 | 基于产生式别名挖掘的知识图谱实体发现和链接方法 |
CN107506486A (zh) * | 2017-09-21 | 2017-12-22 | 北京航空航天大学 | 一种基于实体链接的关系扩充方法 |
CN110991169A (zh) * | 2019-11-01 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 一种风险内容变种的识别方法、装置及电子设备 |
CN111475603A (zh) * | 2019-01-23 | 2020-07-31 | 百度在线网络技术(北京)有限公司 | 企业标识识别方法、装置、计算机设备及存储介质 |
CN111726264A (zh) * | 2020-06-18 | 2020-09-29 | 中国电子科技集团公司第三十六研究所 | 网络协议变种检测方法、装置、电子设备和存储介质 |
CN112115709A (zh) * | 2020-09-16 | 2020-12-22 | 北京嘀嘀无限科技发展有限公司 | 实体识别方法、装置、存储介质和电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9292797B2 (en) * | 2012-12-14 | 2016-03-22 | International Business Machines Corporation | Semi-supervised data integration model for named entity classification |
US9916301B2 (en) * | 2012-12-21 | 2018-03-13 | Microsoft Technology Licensing, Llc | Named entity variations for multimodal understanding systems |
US11170183B2 (en) * | 2018-09-17 | 2021-11-09 | International Business Machines Corporation | Language entity identification |
-
2021
- 2021-05-26 CN CN202110576584.7A patent/CN113268987B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101027667A (zh) * | 2004-03-31 | 2007-08-29 | Google公司 | 具有实体检测的查询改写 |
CN105512555A (zh) * | 2014-12-12 | 2016-04-20 | 哈尔滨安天科技股份有限公司 | 基于文件字符串聚类的划分同源家族和变种的方法及*** |
CN106202382A (zh) * | 2016-07-08 | 2016-12-07 | 南京缘长信息科技有限公司 | 链接实体方法和*** |
CN106909655A (zh) * | 2017-02-27 | 2017-06-30 | 中国科学院电子学研究所 | 基于产生式别名挖掘的知识图谱实体发现和链接方法 |
CN107506486A (zh) * | 2017-09-21 | 2017-12-22 | 北京航空航天大学 | 一种基于实体链接的关系扩充方法 |
CN111475603A (zh) * | 2019-01-23 | 2020-07-31 | 百度在线网络技术(北京)有限公司 | 企业标识识别方法、装置、计算机设备及存储介质 |
CN110991169A (zh) * | 2019-11-01 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 一种风险内容变种的识别方法、装置及电子设备 |
CN111726264A (zh) * | 2020-06-18 | 2020-09-29 | 中国电子科技集团公司第三十六研究所 | 网络协议变种检测方法、装置、电子设备和存储介质 |
CN112115709A (zh) * | 2020-09-16 | 2020-12-22 | 北京嘀嘀无限科技发展有限公司 | 实体识别方法、装置、存储介质和电子设备 |
Non-Patent Citations (1)
Title |
---|
赵华茗 ; 钱力 ; 余丽 ; .依存句法特征的科研命名实体识别算法.图书情报工作.2020,(11),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113268987A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020108063A1 (zh) | 特征词的确定方法、装置和服务器 | |
CN113660541B (zh) | 新闻视频的摘要生成方法及装置 | |
CN112989235B (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
CN113408660B (zh) | 图书聚类方法、装置、设备和存储介质 | |
CN116226350A (zh) | 一种文档查询方法、装置、设备和存储介质 | |
CN115145924A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN112699237B (zh) | 标签确定方法、设备和存储介质 | |
CN114244795A (zh) | 一种信息的推送方法、装置、设备及介质 | |
CN113963197A (zh) | 图像识别方法、装置、电子设备和可读存储介质 | |
CN117171296A (zh) | 信息获取方法、装置和电子设备 | |
CN112784596A (zh) | 一种识别敏感词的方法和装置 | |
CN113268987B (zh) | 一种实体名称识别方法、装置、电子设备和存储介质 | |
CN114491232B (zh) | 信息查询方法、装置、电子设备和存储介质 | |
CN113204667B (zh) | 音频标注模型的训练与音频标注的方法、装置 | |
CN112860626B (zh) | 一种文档排序方法、装置及电子设备 | |
CN115600592A (zh) | 文本内容的关键信息提取方法、装置、设备及介质 | |
CN112989190B (zh) | 一种商品挂载方法、装置、电子设备和存储介质 | |
CN113239149B (zh) | 实体处理方法、装置、电子设备和存储介质 | |
CN112926297B (zh) | 处理信息的方法、装置、设备和存储介质 | |
CN112784600B (zh) | 信息排序方法、装置、电子设备和存储介质 | |
CN114048376A (zh) | 广告的业务信息挖掘方法、装置、电子设备以及存储介质 | |
CN115828915B (zh) | 实体消歧方法、装置、电子设备和存储介质 | |
CN113377921B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 | |
CN114491318B (zh) | 目标信息的确定方法、装置、设备以及存储介质 | |
CN113377922B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |