CN115080742A - 文本信息抽取方法、装置、设备、存储介质以及程序产品 - Google Patents
文本信息抽取方法、装置、设备、存储介质以及程序产品 Download PDFInfo
- Publication number
- CN115080742A CN115080742A CN202210732269.3A CN202210732269A CN115080742A CN 115080742 A CN115080742 A CN 115080742A CN 202210732269 A CN202210732269 A CN 202210732269A CN 115080742 A CN115080742 A CN 115080742A
- Authority
- CN
- China
- Prior art keywords
- target
- entity
- relationship
- text
- node
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
- G06F16/322—Trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2323—Non-hierarchical techniques based on graph theory, e.g. minimum spanning trees [MST] or graph cuts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Discrete Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了一种文本信息抽取方法、装置、设备、存储介质以及程序产品,涉及数据处理技术领域,尤其涉及知识图谱、自然语言处理等人工智能技术领域。具体实现方案为:利用树结构表征输入文本,得到文本树结构,文本树结构包括从根节点到每一个叶节点的至少一个树结构路径;根据目标关系,从至少一个树结构路径中确定与目标关系对应的目标路径;以及根据目标路径,确定与目标关系相关的目标主体和目标客体,得到与目标主体、目标关系以及目标客体相关联的文本信息三元组。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及知识图谱、自然语言处理等人工智能技术领域。
背景技术
在知识图谱、自然语言处理等人工智能技术领域,从输入文本中抽取特定的文本信息是一个重要的应用分支。
发明内容
本公开提供了一种文本信息抽取方法、装置、设备、存储介质以及程序产品。
根据本公开的一方面,提供了一种文本信息抽取方法,包括:利用树结构表征输入文本,得到文本树结构,文本树结构包括从根节点到每一个叶节点的至少一个树结构路径;根据目标关系,从至少一个树结构路径中确定与目标关系对应的目标路径;以及根据目标路径,确定与目标关系相关的目标主体和目标客体,得到与目标主体、目标关系以及目标客体相关联的文本信息三元组。
根据本公开的另一方面,提供了一种文本信息抽取装置,包括:文本树结构确定模块、目标路径确定模块以及文本信息三元组确定模块。文本树结构确定模块,用于利用树结构表征输入文本,得到文本树结构,文本树结构包括从根节点到每一个叶节点的至少一个树结构路径;目标路径确定模块,用于根据目标关系,从至少一个树结构路径中确定与目标关系对应的目标路径;文本信息三元组确定模块,用于根据目标路径,确定与目标关系相关的目标主体和目标客体,得到与目标主体、目标关系以及目标客体相关联的文本信息三元组。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器和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实施例的方法。
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实施例的方法。
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,计算机程序存储于可读存储介质和电子设备其中至少之一上,计算机程序在被处理器执行时实现本公开实施例的方法。
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示意性示出了根据本公开实施例的文本信息抽取方法和装置的***架构图;
图2示意性示出了根据本公开另一实施例的文本信息抽取方法的流程图;
图3示意性示出了根据本公开另一实施例的文本信息抽取方法的示意图;
图4示意性示出了输入文本为技术规范书的示意图;
图5示意性示出了输入文本为图4所示的技术规范书的情况下,输入文本的文本树结构的示意图;
图6示意性示出了根据本公开又一实施例的文本信息抽取方法的示意图;
图7示意性示出了根据本公开一实施例的确定文本信息三元组的示意图;
图8示意性示出了根据本公开实施例的文本信息抽取装置的框图;以及
图9示意性示出了可以实现本公开实施例的文本信息抽取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。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。
文本信息抽取技术可以从输入文本中抽取特定的文本信息。以下将以从输入文本中提取与主体、客体以及主体和客体之间关系相关联的文本三元信息组为例进行说明。
文本信息抽取技术例如可以用于辅助智能问答、智能客服等与信息处理和信息检索相关的需求。
一些实现方式中,可以通过人工定义的规则抽取输入文本中的特定信息。该实现方式中,人工定义的规则具有泛化性差的缺陷,例如,在输入文本具有新的属性或者新的表达方式时,预先定义的抽取规则不再适用。
一些实现方式中,基于句子级信息抽取技术进行文本信息抽取。例如,当特定的文本信息位于单个句子中的情况下,可以将输入文本处理为一个句子集合,对于每一个句子进行文本信息抽取。该实现方式不能覆盖特定文本信息分散在不同句子中的情况。
一些实现方式中,基于句子级信息抽取技术抽取包括主体、客体的实体信息,然后对实体信息进行组合,可以得到实体对,利用文档级分类模型对每个实体对的关系进行分类,可以确定每个实体对之间的关系。该实现方式存在误差累积的缺陷,例如,提取实体的误差会传递到关系分类的步骤,导致误差累积。此外,基于句子级信息抽取技术抽取的实体信息不能覆盖实体分布在多个句子的情况。
图1示意性示出了根据本公开一实施例的文本信息抽取方法和装置的***架构。需要注意的是,图1所示仅为可以应用本公开实施例的***架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、***、环境或场景。
如图1所示,根据该实施例的***架构100可以包括客户端101、102、103,网络104和服务器105。网络104用以在客户端101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用客户端101、102、103通过网络104与服务器105交互,以接收或发送消息等。客户端101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
客户端101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。本公开实施例的客户端101、102、103例如可以运行应用程序。
服务器105可以是提供各种服务的服务器,例如对用户利用客户端101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给客户端。另外,服务器105还可以是云服务器,即服务器105具有云计算功能。
需要说明的是,本公开实施例所提供的文本信息抽取方法可以由服务器105执行。相应地,本公开实施例所提供的文本信息抽取装置可以设置于服务器105中。本公开实施例所提供的文本信息抽取方法也可以由不同于服务器105且能够与客户端101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的文本信息抽取装置也可以设置于不同于服务器105且能够与客户端101、102、103和/或服务器105通信的服务器或服务器集群中。
在一种示例中,服务器105可以通过网络104获取来自客户端101、102、103的输入文本,并基于输入文本提取与目标主体、目标关系以及目标客体相关联的文本信息三元组。
应该理解,图1中的客户端、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的客户端、网络和服务器。
应注意,本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
本公开实施例提供了一种文本信息抽取方法,下面结合图1的***架构,参考附图来描述根据本公开示例性实施方式的文本信息抽取方法。本公开实施例的文本信息抽取方法例如可以由图1所示的服务器105来执行。
图2示意性示出了根据本公开一实施例的文本信息抽取方法的流程图。
如图2所示,本公开实施例的文本信息抽取方法200例如可以包括操作S210~操作S230。
在操作S210,利用树结构表征输入文本,得到文本树结构。
树结构可以理解为若干节点组成的一个具有层级关系的集合,树结构包括根节点和叶节点,叶节点可以理解为度为0的节点,根节点可以理解为没有父节点的节点,度可以理解为一个节点含有的子节点的个数。
输入文本可以包括输入的各种格式、不同字数的文本,例如,输入文本可以是新闻格式、技术规范书格式等。
在本公开实施例的文本信息抽取方法,例如可以利用实体(entity)、关系(relation)或谓语(predicate)、属性(attribute)等对输入文本的信息进行表征。实体可以包括现实中的对象,属性可以理解为实体的一些特征,关系或者谓语可以表征实体之间的联系。实体可以包括主体(subject)和客体(object),客体可以理解为与主体存在关系的实体或者具有某一属性值的实体。
文本树结构包括从根节点到每一个叶节点的至少一个树结构路径。可以理解,文本树结构的树结构路径的数量与叶节点的数量相同。
在操作S220,根据目标关系,从至少一个树结构路径中确定与目标关系对应的目标路径。
目标关系例如可以预先确定。例如,可以由期望文本信息三元组的人员在客户端预先确定目标关系,服务器响应于确定目标关系的指令,执行本公开实施例的文本信息提取方法。
目标路径可以理解为与目标关系相关的树结构路径,目标路径可以是树结构路径中的一个或者多个。
在操作S230,根据目标路径,确定与目标关系相关的目标主体和目标客体,得到与目标主体、目标关系以及目标客体相关联的文本信息三元组。
输入文本是根据特定逻辑,对文本进行组织后形成的。例如,与某一主题对应的文本信息集中在文本的某一部分,某一文档的标题是对该文档的简洁说明,该文档的正文是对该标题的详细说明。
本公开实施例的文本信息抽取方法,通过利用树结构表征输入文本,得到的文本树结构具有清晰的层级关系,文本树结构可以反映输入文本的特定逻辑。根据目标关系,从树结构路径中确定的目标路径是文本树结构的一部分,通过根据目标路径确定文本信息三元组,不用遍历整篇输入文本。此外,目标路径与目标关系的相关性更高,根据目标路径,可以快速、准确地确定文本信息三元组,使得本公开实施例的文本信息抽取方法具有更高的文本信息抽取效率。
图3示意性示出了根据本公开另一实施例的文本信息抽取方法的示意图。
如图3所示,例如可以利用以下实施例实现根据目标路径,确定与目标关系相关的目标主体和目标客体,得到与目标主体、目标关系以及目标客体相关联文本信息三元组的具体示例。
在操作S331,对目标路径304的每一个目标节点进行实体识别,得到实体识别结果。
实体识别结果表征目标节点对应的部分文本与实体属性的相关性。
目标节点可以理解为位于目标路径上的节点。可以理解,文本树结构是输入文本的树结构表征形式。文本树结构的每一个节点对应输入文本的一部分。例如,在输入文本为新闻格式的文本时,输入文本例如可以包括一个新闻标题和一段新闻正文,对应的文本树结构例如可以包括一个根节点和一个叶节点,根节点对应的部分文本为新闻标题的文本,叶节点对应的部分文本为新闻正文的文本。
在操作S332,对目标路径的每一个目标节点进行关系识别,得到关系识别结果。
关系识别结果表征目标节点对应的部分文本与目标关系的相关性。
在操作S333,根据实体识别结果和关系识别结果,确定文本信息三元组305。
目标实体是根据实体属性和目标关系确定的,目标实体包括目标主体和目标客体。
本公开实施例的文本信息抽取方法,通过对目标路径的每一个目标节点进行实体识别,得到的实体识别结果可以表征目标节点对应的部分文本与实体属性的相关性,通过对目标路径的每一个目标节点进行关系识别,得到的关系识别结果可以表征目标节点对应的部分文本与目标关系的相关性。结合目标关系和实体属性,可以确定目标主体和目标客体,进而确定文本信息三元组。本公开实施例的文本信息抽取方法,实体识别与关系识别两者互不影响,可以避免实体识别的误差累积到关系识别的过程中,文本信息提取的准确性和效率更高。
在图3的示例中,目标路径304包括两个目标节点,分别为根节点NR和叶节点NL。对目标节点NR对应的部分文本进行实体识别和关系识别,分别得到实体识别结果E_R和关系识别结果R_R,对目标节点NL进行实体识别和关系识别,分别得到实体识别结果E_L和关系识别结果R_L。
图3还示意性示出了操作S310~操作S330。
在操作S310,利用树结构表征输入文本301,得到文本树结构302。文本树结构包括从根节点到每一个叶节点的至少一个树结构路径。在图3的示例中,示意性示出了文本树结构302包括树结构路径p1至树结构路径px的x个树结构路径的示例。
在操作S320,根据目标关系303,从至少一个树结构路径中确定与目标关系对应的目标路径304。
在操作S330,根据目标路径304,确定与目标关系303相关的目标主体和目标客体,得到与目标主体、目标关系以及目标客体相关联的文本信息三元组305。
操作S310~操作S330与上述实施例的操作S210~操作S230类似,在此不再赘述。
以下将以图4示出的技术规范书为输入文本的示例,说明本公开实施例的文本信息抽取方法。
图5示意性示出了根据本公开实施例的文本信息抽取方法的输入文本为图4所示的技术规范书的情况下,输入文本的文本树结构的示意图。
例如,按照“文档标题→章→节→小节→正文→句子”的树结构的层级表征图4所示的技术规范书。
结合图4和图5的示例,图5所示的文本树结构的根节点NR_0对应图4的技术规范书的文档标题,对应的部分文本为“10~50kV油浸式配电变压器技术规范书”。
根节点NR_0对应x个子节点,分别为节点N_1、节点N_2、节点N_3、节点N_4至节点N_x。节点N_1对应的图4的技术规范书的部分文本为“目录”、节点N_2对应的图4的技术规范书的部分文本为“1.总则”、节点N_3对应的图4的技术规范书的部分文本为“2.工作范围”、节点N_4对应的图4的技术规范书的部分文本为“3.使用条件”、节点N_x对应的图4的技术规范书的部分文本为“附录”。
节点N_4对应y个子节点,分别为节点N_41、节点N_42至节点N_4y。节点N_41对应的图4的技术规范书的部分文本为“温度和湿度”、节点N_42对应的图4的技术规范书的部分文本为“耐震能力”。
节点N_42对应z个子节点,分别为节点N_421至节点N_42z。节点N_421对应的图4的技术规范书的部分文本为“额定容量为30kVA~2500kVA的变压器”。
节点N_421对应2个子节点,分别为节点N L_1至节点NL_2。节点N L_1和节点NL_2分别为文本树结构的两个叶节点。节点NL_1对应的图4的技术规范书的部分文本为“共振、正弦拍波实验法,激振5次,每次持续时间5个周波,各次间隔2s,并考虑其端部连接导线震动和导线张力的影响”。节点NL_2对应的图4的技术规范书的部分文本为“10kY变压器的安全系数不小于1.67,设备本体水平加速度应计及设备支架的动力放大系数1.2”。
在图4和图5的示例中,在目标关系为“耐震安全系数”或者“动力放大系数”的情况下,可以将“NR_0→N_4→N_42→N_421→NL_2”的树结构路径作为目标路径P_m。该目标路径的各个节点均为目标节点。
示例性地,目标节点对应的部分文本包括至少一个句子,文本信息抽取方法还可以包括:在目标节点对应的部分文本包括多个句子的情况下,根据每一个句子对目标节点进行拆分,得到多个目标拆分节点。
结合图4和图5的示例,例如,目标节点N_421对应的部分文本包括两个句子。可以根据每一个句子对目标节点N_421进行拆分,叶节点N L_1和叶节点NL_2是目标节点N_421对应的两个目标拆分节点。
根据本公开实施例的文本信息抽取方法,在目标节点对应的部分文本包括多个句子的情况下,通过根据每一个句子对目标节点进行拆分,得到的多个目标拆分节点可以细粒度地表征输入文本,目标拆分节点对应的文本更少,后续例如对目标拆分节点对应的文本进行处理时,可以减少文本处理量。另外,多个目标拆分节点可以细粒度地表征输入文本,根据目标关系确定的目标路径更加准确。
图6示意性示出了根据本公开又一实施例的文本信息抽取方法的得到实体识别结果的示意图。
如图6所示,例如可以利用以下实施例实现对目标路径的每一个目标节点进行实体识别,得到实体识别结果的具体示例。
在操作S611,对目标路径进行编码,得到目标路径向量。
在图6的示例中,以图5中示例的“NR_0→N_4→N_42→N_421→NL_2”的目标路径P_m为例。对该目标路径P_m进行编码,得到目标路径向量。
示例性地,可以利用编码器对目标路径进行编码,得到目标路径向量。编码器例如可以包括ERNIE(Enhanced Representation with Informative Entities,使用信息实体增强语言表示)、BERT(Bidirectional Encoder Representations form Transformer,基于Transformer的双向编码器表示)等预训练模型。
在操作S612,对目标路径向量进行解码,得到目标路径的每一个目标节点的实体识别结果矩阵。
示例性地,可以利用解码器对目标路径向量进行解码。解码器例如可以包括ERNIE、BERT等预训练模型。
在图6的示例中,示意性示出了目标路径P_m的目标节点NR_0的实体识别结果矩阵MR_E以及目标节点NL_2的实体识别结果矩阵ML_E。
实体识别结果矩阵的第一维度表征词单元向量。
词单元向量是目标节点对应的部分文本的词单元经过编码得到的向量表征形式,词单元是对目标节点对应的部分文本经过分词得到的。在图6的示例中,以目标节点NR_0为例,该目标节点对应的部分文本为“10~50kV油浸式配电变压器技术规范书”,经过分词后例如得到的词单元包括“10”、“~”、“50”、“kV”、“油”、“浸”......“书”。
在图6的示例中,词单元向量可以利用第一编码器Encol经过编码得到。
实体识别结果矩阵的第二维度表征实体属性槽位。实体识别结果矩阵的元素表征元素索引对应的词单元是否对应实体属性槽位的槽位值的初始位和终止位。
实体属性槽位的类别和数量中的至少一个可自定义。实体属性槽位的类别是实体属性槽位对应的实体属性的类别。
在图6的示例中,示意性示出了标称电压和数值单位两种类别的实体属性,分别对应两个实体属性槽位。
槽位可以理解为一个抽象内容,每个槽位对应一个填充条件,填充条件限定了与该槽位相对应的多个槽位值共同的属性,实体可以由一个或者多个实体属性槽位确定。属性可以包括词性、类型、字符长度中的至少一个,词性可以包括名称、动词、形容词、量词等。
槽位值是一个具体内容,在图6的示例中,实体识别结果矩阵的第二维度的“-S”表征实体属性槽位的槽位值的初始位,“-E”表征实体属性槽位的槽位值的终止位。例如,词单元“10”是标称电压槽位的槽位值的初始位,标称电压槽位是实体属性为标称电压的实体属性槽位,词单元“kV”是标称电压槽位的槽位值的终止住。标称电压槽位的槽位值为对应的初始位和终止位之间的词单元序列“10~50kV”。
在图6的示例中,实体识别结果矩阵的元素取值为1或0,1表征元素索引对应的词单元对应实体属性槽位的槽位值,0表征元素索引对应的词单元不对应实体属性槽位的槽位值。
根据本公开实施例的文本信息抽取方法,通过实体识别结果矩阵,可以准确表征目标节点对应的部分文本与实体属性之间的相关性。具体地,实体识别结果矩阵的第一维度表征词单元向量,第二维度表征各个实体属性槽位以及实体属性槽位的槽位值的初始位和终止位,通过实体识别结果矩阵的元素可以逐词地确定目标节点对应的部分文本是否包括实体属性槽位的槽位值以及实体属性槽位的具***置。
根据本公开实施例的文本信息抽取方法,实体属性槽位可以用于确定实体,例如,主体或者客体可以包括多个实体属性槽位,本公开实施例的文本信息提取方法,针对每一个目标节点对应的部分文本进行实体识别,可以确定多个实体属性槽位,并根据多个实体属性槽位确定实体,可以覆盖实体分布在输入文本的不同位置的应用场景。
实体识别结果矩阵例如可以利用预训练模型得到,无需人工涉及文本信息提取规则,具有更低的人工成本。
示例性地,例如可以在上述的操作S220或者操作S320之后执行操作S611~操作S612。
图6还示例性示出了根据本公开又一实施例的文本信息提取方法的得到关系识别结果的示意图。
如图6所示,例如可以利用以下实施例实现对目标路径的每一个目标节点进行关系识别,得到关系识别结果的具体示例。
在操作S613,对目标路径向量进行解码,得到目标路径的目标节点的关系识别结果矩阵。
在图6的示例中,示意性示出了目标路径P_m的目标节点NR_0的关系识别结果矩阵MR_R以及目标节点NL_2的关系识别结果矩阵ML_R。
关系识别结果矩阵的第一维度表征词单元向量。
关系识别结果矩阵的第二维度表征关系类别。关系类别是根据目标关系确定的。
在图6的示例中,以目标节点NR_0为例,该目标节点对应的部分文本经过关系识别后,得到的关系识别结果矩阵MR_R的第二维度表征“耐震安全系数”和“动力放大系数”这两个关系类别。
关系识别结果矩阵的元素表征元素索引对应的词单元所属的实体属性槽位是否对应与关系类别相关的实体类别,实体类别包括主体和客体。
在图6的示例中,实体识别结果矩阵的元素取值为1或0,1表征元素索引对应的词单元所属的实体属性槽位对应与关系类别相关的实体类别,0表征元素索引对应的词单元所属的实体属性槽位不对应与关系类别相关的实体类别。
在图6的示例中,以目标节点NR_0为例,该目标节点对应的部分文本为“10~50kV油浸式配电变压器技术规范书”,其中“10”这一词单元所属的实体属性槽位为标称电压槽位,关系识别结果矩阵的“-S”表征与关系类别相关的主体,“-O”表征与关系类别相关的客体。以目标节点NR的关系识别结果矩阵MR_R的第一行第一列的元素取值“1”为例,在第一维度,对应目标节点NR的部分文本的词单元为“10”,在第二维度,对应的关系类别为“耐震安全系数”,元素取值“1”表征“10”这一词单元所属的标称电压槽位对应“耐震安全系数”这一关系类别的主体。
根据本公开实施例的文本信息抽取方法,通过关系识别结果矩阵,可以准确表征目标节点对应的部分文本与目标关系之间的相关性。具体地,关系识别结果矩阵的第一维度表征词单元向量,第二维度表征元素索引对应的词单元所属的实体属性槽位是否对应与关系类别相关的实体类别,通过关系识别结果矩阵的元素可以逐词地确定目标节点对应的部分文本是否对应关系类别的主体或客体。
根据本公开实施例的文本信息抽取方法,关系识别结果矩阵的第二维度与关系类别相关,可以适应目标关系包括多个关系类别的情境,可以覆盖关系类别对应的主体或者客体分布在输入文本的不同位置的应用场景。
实体识别结果矩阵例如可以利用预训练模型得到,无需人工设计文本信息提取规则,具有更低的人工成本。
示例性地,例如可以在上述的操作S612之后执行操作S613。
图6还示例性示出了对目标路径进行编码,得到目标路径向量的具体示例。
在操作S614,对每一个目标节点对应的部分文本进行编码,得到目标节点向量。
在操作S615,根据目标路径的每一个目标节点的层级,对每一个目标节点的层级进行编码,得到目标节点层级向量。
层级是根据文本树结构确定的。
在操作S617,根据目标节点向量以及目标节点层级向量,得到目标路径向量。
在图6的示例中,可以利用第一编码器Encol对每一个目标节点对应的部分文本进行编码,得到目标节点向量。示例性地,在第一编码器和解码器为预训练等深度学习模型的情况下,例如,可以设置第一编码器针对每一个目标节点对应的部分文本共享参数,以降低模型参数,避免模型过拟合,在进行编码、解码时也可以节省资源。可以利用第二编码器Enco2对每一个目标节点的层级进行编码,得到目标节点层级向量。可以利用第三编码器Enco3,根据目标节点向量以及目标节点层级向量,得到目标路径向量。
示例性地,可以利用以下公式(1),确定目标路径向量。
f[·]表示一个映射函数,该函数可以通过根据目标路径的目标节点的长度进行求平均实现,也可以使用前馈神经网络实现。
根据本公开实施例的文本信息抽取方法,通过对目标路径进行“目标节点-目标节点的层级-目标路径”的分层式编码,得到的目标路径向量可以体现各个目标节点以及各个目标节点的层级,目标路径向量更具表征性,后续根据目标路径向量进行解码得到的实体识别结果矩阵和关系识别结果矩阵更加准确。
示例性地,例如可以利用以下实施例实现根据实体识别结果和关系识别结果,确定文本信息三元组的具体示例。
根据关系识别结果矩阵和实体识别结果矩阵,确定与每一个关系类别的主体和客体分别对应的实体属性槽位;根据对应主体的实体属性槽位的槽位值,确定目标主体;根据对应客体的实体属性槽位的槽位值,确定目标客体;根据每一个关系类别的目标主体和目标客体,确定与目标主体、目标关系以及目标客体相关联的文本信息三元组。
在图6的示例中,示意性示出了在目标关系为关系类别“耐震安全系数”的情况下,可以根据每一个目标节点的对应文本的实体识别结果矩阵和关系识别结果矩阵,分别确定与“耐震安全系数”的主体和客体对应的实体属性槽位SL的槽位值。根据与主体对应的实体属性槽位的槽位值,可以确定目标主体;根据与客体对应的实体属性槽位的槽位值,可以确定目标客体。在图6的示例中,对应主体的实体属性槽位包括标称电压槽位、绝缘介质槽位、类型槽位、名称槽位、额定容量槽位以及额定电压槽位。对应客体的实体属性槽位包括数值槽位。文本信息三元组SPO包括目标主体“10kV、30kVA~2500kVA、油浸式、配电、变压器”、目标关系“耐震安全系数”以及目标客体“1.67”。
图7示意性示出了根据本公开另一实施例的确定文本信息三元组的示意图。
如图7所示,例如可以利用以下实施例实现根据实体识别结果和关系识别结果,确定文本信息三元组的具体示例。
在操作S731,根据每一个候选实体属性槽位与实体关联槽位之间的距离,从候选实体属性槽位中确定目标属性槽位。
多个候选实体属性槽位对应相同的实体属性,多个候选实体属性槽位对应关系类别的客体和主体中的一个,实体关联槽位与关系类别的主体和客体中的另一个对应。
在图7的示例中,候选实体属性槽位s_cil至候选实体属性槽位s_cim的m个候选实体属性槽位对应一个相同的实体属性A_i,m个候选实体属性槽位还对应关系类别的主体,实体关联槽位s_c对应关系类别的客体。
例如,在图6的示例中,实体属性为标称电压的实体属性槽位(标称电压槽位)有两个,均对应“耐震安全系数”这一关系类别的主体,两个标称电压槽位的槽位值分别为“10~50Kv”以及“10kV”。这两个标称电压槽位分别为两个候选实体属性槽位。对应“耐震安全系数”这一关系类别的客体的数值槽位(数值槽位的槽位值为“1.67”)为实体关联槽位。在图7的示例中,候选实体属性槽位对应关系类别的主体,实体关联槽位对应关系类别的客体。
示例性地,可以根据节点距离和文本距离,从候选实体属性槽位中确定目标属性槽位。
文本距离表征候选实体属性槽位的槽位值与实体关联槽位的槽位值之间的基于词单元的偏差量。节点距离表征候选实体属性槽位对应的目标节点与实体关联槽位对应的目标节点之间的距离。
例如,可以利用以下公式(2)确定候选实体属性槽位与实体关联槽位之间的距离D,例如可以选择与实体关联槽位的距离最短的候选实体属性作为目标属性槽位。
D=W1×N×B+W2×U (2)
N表征候选实体属性槽位对应的目标节点与实体关联槽位对应的目标节点之间的基于文本树结构的深度差的绝对值,B表征单元节点距离基数,B的数值可以预先设定。U表征候选实体属性槽位与实体关联槽位之间的基于词单元的偏差值。W1和W2表征权重。
在图6的示例中,槽位值为“10~50Kv”的第一候选实体属性槽位对应目标节点NR_0,槽位值为“10Kv”的第二候选实体属性槽位对应目标节点NL_2,实体关联槽位(槽位值为“1.67”的数值槽位)对应目标节点NL_2。可以分别根据第一候选实体属性槽位与实体关联槽位之间的距离、第二候选实体属性槽位与实体关联槽位之间的距离,将与实体关联槽位的距离更近的第二候选实体属性槽位确定为目标属性槽位。
在操作S732,根据实体属性槽位的槽位值以及关系识别结果矩阵,确定目标主体S和目标客体O。
实体属性槽位包括目标属性槽位和实体关联槽位。
如图7所示,例如,经过上述操作S731,结合图6的示例,对应“耐震安全系数”这一关系类别,可以从槽位值分别为“10~50Kv”以及“10kV”的两个标称电压槽位中确定一个目标属性槽位s_t,该目标属性槽位s_t的槽位值v_t为“10kV”,根据关系识别矩阵M_R(对应图6中的ML_R)可以确定该目标属性槽位s_t对应“耐震安全系数”这一关系类别的主体,还可以确定实体关联槽位s_c为槽位值v_c为“1.67”的数值槽位。
在图6的示例中,在预先确定的实体属性槽位还包括一个绝缘介质槽位s_j的情况下,可以根据对应“耐震安全系数”这一关系类别的主体的绝缘介质槽位s_j的槽位值v_j、目标属性槽位s_t的槽位值v_t,确定目标主体S为“10kV、油浸式”。还可以根据对应“耐震安全系数”这一关系类别的客体的、作为实体关联槽位s_c的槽位值v_c,确定目标客体O为“1.67”。
在操作S733,根据目标主体S、目标客体O以及目标关系P,确定文本信息三元组。
在目标主体S为“10kV、油浸式”、目标客体O为“1.67”时,对应的目标关系P为“耐震安全系数”。
在多个候选实体属性槽位的情况下,多个候选实体属性槽位对应相同的实体属性,多个候选实体属性槽位的槽位值会出现冗余,本公开实施例的文本信息抽取方法可以从多个候选实体属性槽位中确定与实体关联槽位的相关性更高的目标属性槽位,准确抽取文本信息。
示例性地,例如可以在上述的操作S613之后执行操作S731~S733。
图8示意性示出了根据本公开一实施例的文本信息抽取装置的框图。
如图8所示,本公开实施例的文本信息抽取装置800例如包括文本树结构确定模块810、目标路径确定模块820以及文本信息三元组确定模块830。
文本树结构确定模块810,用于利用树结构表征输入文本,得到文本树结构,文本树结构包括从根节点到每一个叶节点的至少一个树结构路径。
目标路径确定模块820,用于根据目标关系,从至少一个树结构路径中确定与目标关系对应的目标路径。
文本信息三元组确定模块830,用于根据目标路径,确定与目标关系相关的目标主体和目标客体,得到与目标主体、目标关系以及目标客体相关联的文本信息三元组。
根据本公开实施例,文本信息三元组确定模块包括:实体识别子模块、关系识别子模块以及文本信息三元组确定子模块。
实体识别子模块,用于对目标路径的每一个目标节点进行实体识别,得到实体识别结果。实体识别结果表征目标节点对应的部分文本与实体属性的相关性。
关系识别子模块,用于对目标路径的每一个目标节点进行关系识别,得到关系识别结果。关系识别结果表征目标节点对应的部分文本与目标关系的相关性。
文本信息三元组确定子模块,用于根据实体识别结果和关系识别结果,确定文本信息三元组。
根据本公开实施例,实体识别子模块包括:目标路径向量确定单元以及实体识别结果矩阵确定单元。
目标路径向量确定单元,用于对目标路径进行编码,得到目标路径向量。
实体识别结果矩阵确定单元,用于对目标路径向量进行解码,得到目标路径的每一个目标节点的实体识别结果矩阵。实体识别结果矩阵的第一维度表征词单元向量,词单元向量是目标节点对应的部分文本的词单元经过编码得到的向量表征形式,词单元是对目标节点对应的部分文本经过分词得到的,实体识别结果矩阵的第二维度表征实体属性槽位,实体识别结果矩阵的元素表征元素索引对应的词单元是否为对应实体属性槽位的槽位值的初始位和终止位,实体属性槽位的数量和类别中的至少一个可自定义。
根据本公开实施例,关系识别子模块包括:关系识别结果矩阵确定单元。
关系识别结果矩阵确定单元,用于对目标路径向量进行解码,得到目标路径的目标节点的关系识别结果矩阵,其中,关系识别结果矩阵的第一维度表征词单元向量,关系识别结果矩阵的第二维度表征关系类别,关系识别结果矩阵的元素表征元素索引对应的词单元所属的实体属性槽位是否对应与关系类别相关的实体类别,实体类别包括主体和客体,关系类别是根据目标关系确定的。
根据本公开实施例,文本信息三元组确定子模块包括:目标属性槽位确定单元、目标主体和目标客体确定单元以及文本信息三元组确定单元。
目标属性槽位确定单元,用于根据每一个候选实体属性槽位与实体关联槽位之间的距离,从多个候选实体属性槽位中确定目标属性槽位,其中,多个候选实体属性槽位对应相同的实体属性,多个候选实体属性槽位对应关系类别的主体和客体中的一个,实体关联槽位与关系类别的主体和客体中的另一个对应。
目标主体和目标客体确定单元,用于根据实体属性槽位的槽位值以及关系识别结果矩阵,确定目标主体和目标客体,其中,实体属性槽位包括目标属性槽位和实体关联槽位;以及
文本信息三元组确定单元,用于根据目标主体、目标客体以及目标关系,确定文本信息三元组。
根据本公开实施例,目标属性槽位确定单元包括:目标属性槽位确定子单元。
目标属性槽位确定子单元,用于根据节点距离和文本距离,从候选实体属性槽位中确定目标属性槽位,其中,节点距离表征候选实体属性槽位对应的目标节点与实体关联槽位对应的目标节点之间的距离,文本距离表征候选实体属性槽位的槽位值与实体关联槽位的槽位值之间的基于词单元的偏差值。
根据本公开实施例,目标路径向量确定单元包括:目标节点向量确定子单元、目标节点层级向量确定子单元以及目标路径向量确定子单元。
目标节点向量确定子单元,用于对每一个目标节点对应的部分文本进行编码,得到目标节点向量。
目标节点层级向量确定子单元,用于根据目标路径的每一个目标节点的层级,对每一个目标节点的层级进行编码,得到目标节点层级向量,其中,层级是根据文本树结构确定的。
目标路径向量确定子单元,用于根据目标节点向量以及目标节点层级向量,得到目标路径向量。
根据本公开实施例,目标节点对应的部分文本包括至少一个句子,文本信息抽取装置还包括:目标节点拆分模块。
目标节点拆分模块,用于在目标节点对应的部分文本包括多个句子的情况下,根据每一个句子对目标节点进行拆分,得到多个目标拆分节点。
应该理解,本公开装置部分的实施例与本公开方法部分的实施例对应相同或类似,所解决的技术问题和所达到的技术效果也对应相同或类似,本公开在此不再赘述。
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9示出了可以用来实施本公开的实施例的示例电子设备900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9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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901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901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901执行上文所描述的各个方法和处理,例如文本信息抽取方法。例如,在一些实施例中,文本信息抽取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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的文本信息抽取方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行文本信息抽取方法。
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)、复杂可编程逻辑设备(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)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。
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 (19)
1.一种文本信息抽取方法,包括:
利用树结构表征输入文本,得到文本树结构,所述文本树结构包括从根节点到每一个叶节点的至少一个树结构路径;
根据目标关系,从所述至少一个树结构路径中确定与所述目标关系对应的目标路径;以及
根据所述目标路径,确定与所述目标关系相关的目标主体和目标客体,得到与目标主体、目标关系以及目标客体相关联的文本信息三元组。
2.根据权利要求1所述的方法,其中,所述根据所述目标路径,确定与所述目标关系相关的目标主体和目标客体,得到与目标主体、目标关系以及目标客体相关联的文本信息三元组包括:
对所述目标路径的每一个目标节点进行实体识别,得到实体识别结果,其中,所述实体识别结果表征所述目标节点对应的部分文本与实体属性的相关性;
对所述目标路径的每一个目标节点进行关系识别,得到关系识别结果,其中,所述关系识别结果表征所述目标节点对应的部分文本与所述目标关系的相关性;以及
根据所述实体识别结果和所述关系识别结果,确定所述文本信息三元组。
3.根据权利要求2所述的方法,其中,所述对所述目标路径的每一个目标节点进行实体识别,得到实体识别结果包括:
对所述目标路径进行编码,得到目标路径向量;以及
对所述目标路径向量进行解码,得到所述目标路径的每一个所述目标节点的实体识别结果矩阵,其中,所述实体识别结果矩阵的第一维度表征词单元向量,所述词单元向量是所述目标节点对应的部分文本的词单元经过编码得到的向量表征形式,所述词单元是对所述目标节点对应的部分文本经过分词得到的,所述实体识别结果矩阵的第二维度表征实体属性槽位,所述实体识别结果矩阵的元素表征元素索引对应的所述词单元是否为对应所述实体属性槽位的槽位值的初始位和终止位,所述实体属性槽位的数量和类别中的至少一个可自定义。
4.根据权利要求3所述的方法,其中,所述对所述目标路径的每一个目标节点进行关系识别,得到关系识别结果包括:
对所述目标路径向量进行解码,得到所述目标路径的目标节点的关系识别结果矩阵,其中,所述关系识别结果矩阵的第一维度表征所述词单元向量,所述关系识别结果矩阵的第二维度表征关系类别,所述关系识别结果矩阵的元素表征元素索引对应的所述词单元所属的所述实体属性槽位是否对应与所述关系类别相关的实体类别,所述实体类别包括主体和客体,所述关系类别是根据所述目标关系确定的。
5.根据权利要求4所述的方法,其中,所述根据所述实体识别结果和所述关系识别结果,确定所述文本信息三元组包括:
根据每一个候选实体属性槽位与实体关联槽位之间的距离,从多个所述候选实体属性槽位中确定目标属性槽位,其中,多个所述候选实体属性槽位对应相同的所述实体属性,多个所述候选实体属性槽位对应所述关系类别的主体和所述客体中的一个,所述实体关联槽位与所述关系类别的所述主体和所述客体中的另一个对应;
根据所述实体属性槽位的槽位值以及所述关系识别结果矩阵,确定所述目标主体和所述目标客体,其中,所述实体属性槽位包括所述目标属性槽位和所述实体关联槽位;以及
根据所述目标主体、所述目标客体以及所述目标关系,确定所述文本信息三元组。
6.根据权利要求5所述的方法,其中,所述根据每一个候选实体属性槽位与所述实体关联槽位之间的距离,从所述候选实体属性槽位中确定目标属性槽位包括:
根据节点距离和文本距离,从所述候选实体属性槽位中确定目标属性槽位,其中,所述节点距离表征所述候选实体属性槽位对应的所述目标节点与所述实体关联槽位对应的所述目标节点之间的距离,所述文本距离表征所述候选实体属性槽位的所述槽位值与所述实体关联槽位的槽位值之间的基于所述词单元的偏差值。
7.根据权利要求3所述的方法,其中,所述对所述目标路径进行编码,得到目标路径向量包括:
对每一个目标节点对应的部分文本进行编码,得到目标节点向量;
根据所述目标路径的每一个目标节点的层级,对每一个目标节点的层级进行编码,得到目标节点层级向量,其中,所述层级是根据所述文本树结构确定的;以及
根据所述目标节点向量以及所述目标节点层级向量,得到所述目标路径向量。
8.根据权利要求2-7中任一项所述的方法,其中,所述目标节点对应的部分文本包括至少一个句子,所述文本信息抽取方法还包括:
在所述目标节点对应的部分文本包括多个句子的情况下,根据每一个句子对所述目标节点进行拆分,得到多个目标拆分节点。
9.一种文本信息抽取装置,包括:
文本树结构确定模块,用于利用树结构表征输入文本,得到文本树结构,所述文本树结构包括从根节点到每一个叶节点的至少一个树结构路径;
目标路径确定模块,用于根据目标关系,从所述至少一个树结构路径中确定与所述目标关系对应的目标路径;以及
文本信息三元组确定模块,用于根据所述目标路径,确定与所述目标关系相关的目标主体和目标客体,得到与目标主体、目标关系以及目标客体相关联的文本信息三元组。
10.根据权利要求9所述的装置,其中,所述文本信息三元组确定模块包括:
实体识别子模块,用于对所述目标路径的每一个目标节点进行实体识别,得到实体识别结果,其中,所述实体识别结果表征所述目标节点对应的部分文本与实体属性的相关性;
关系识别子模块,用于对所述目标路径的每一个目标节点进行关系识别,得到关系识别结果,其中,所述关系识别结果表征所述目标节点对应的部分文本与所述目标关系的相关性;以及
文本信息三元组确定子模块,用于根据所述实体识别结果和所述关系识别结果,确定所述文本信息三元组。
11.根据权利要求10所述的装置,其中,所述实体识别子模块包括:
目标路径向量确定单元,用于对所述目标路径进行编码,得到目标路径向量;以及
实体识别结果矩阵确定单元,用于对所述目标路径向量进行解码,得到所述目标路径的每一个所述目标节点的实体识别结果矩阵,其中,所述实体识别结果矩阵的第一维度表征词单元向量,所述词单元向量是所述目标节点对应的部分文本的词单元经过编码得到的向量表征形式,所述词单元是对所述目标节点对应的部分文本经过分词得到的,所述实体识别结果矩阵的第二维度表征实体属性槽位,所述实体识别结果矩阵的元素表征元素索引对应的所述词单元是否为对应所述实体属性槽位的槽位值的初始位和终止位,所述实体属性槽位的数量和类别中的至少一个可自定义。
12.根据权利要求11所述的装置,其中,所述关系识别子模块包括:
关系识别结果矩阵确定单元,用于对所述目标路径向量进行解码,得到所述目标路径的目标节点的关系识别结果矩阵,其中,所述关系识别结果矩阵的第一维度表征所述词单元向量,所述关系识别结果矩阵的第二维度表征关系类别,所述关系识别结果矩阵的元素表征元素索引对应的所述词单元所属的所述实体属性槽位是否对应与所述关系类别相关的实体类别,所述实体类别包括主体和客体,所述关系类别是根据所述目标关系确定的。
13.根据权利要求12所述的装置,其中,所述文本信息三元组确定子模块包括:
目标属性槽位确定单元,用于根据每一个候选实体属性槽位与实体关联槽位之间的距离,从多个所述候选实体属性槽位中确定目标属性槽位,其中,多个所述候选实体属性槽位对应相同的实体属性,多个所述候选实体属性槽位对应所述关系类别的主体和所述客体中的一个,所述实体关联槽位与所述关系类别的所述主体和所述客体中的另一个对应;
目标主体和目标客体确定单元,用于根据所述实体属性槽位的槽位值以及所述关系识别结果矩阵,确定所述目标主体和所述目标客体,其中,所述实体属性槽位包括所述目标属性槽位和所述实体关联槽位;以及
文本信息三元组确定单元,用于根据所述目标主体、所述目标客体以及所述目标关系,确定所述文本信息三元组。
14.根据权利要求13所述的装置,其中,所述目标属性槽位确定单元包括:
目标属性槽位确定子单元,用于根据节点距离和文本距离,从所述候选实体属性槽位中确定目标属性槽位,其中,所述节点距离表征所述候选实体属性槽位对应的所述目标节点与所述实体关联槽位对应的所述目标节点之间的距离,所述文本距离表征所述候选实体属性槽位的所述槽位值与所述实体关联槽位的槽位值之间的基于所述词单元的偏差值。
15.根据权利要求11所述的装置,其中,所述目标路径向量确定单元包括:
目标节点向量确定子单元,用于对每一个目标节点对应的部分文本进行编码,得到目标节点向量;
目标节点层级向量确定子单元,用于根据所述目标路径的每一个目标节点的层级,对每一个目标节点的层级进行编码,得到目标节点层级向量,其中,所述层级是根据所述文本树结构确定的;以及
目标路径向量确定子单元,用于根据所述目标节点向量以及所述目标节点层级向量,得到所述目标路径向量。
16.根据权利要求10-15中任一项所述的装置,其中,所述目标节点对应的部分文本包括至少一个句子,所述文本信息抽取装置还包括:
目标节点拆分模块,用于在所述目标节点对应的部分文本包括多个句子的情况下,根据每一个句子对所述目标节点进行拆分,得到多个目标拆分节点。
17.一种电子设备,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1-8中任一项所述的方法。
18.一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1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序存储于可读存储介质和电子设备其中至少之一上,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210732269.3A CN115080742B (zh) | 2022-06-24 | 2022-06-24 | 文本信息抽取方法、装置、设备、存储介质以及程序产品 |
KR1020220188247A KR20230009345A (ko) | 2022-06-24 | 2022-12-29 | 텍스트 정보 추출 방법과 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 |
JP2023003753A JP2023040248A (ja) | 2022-06-24 | 2023-01-13 | テキスト情報抽取方法、装置、電子機器、記憶媒体及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210732269.3A CN115080742B (zh) | 2022-06-24 | 2022-06-24 | 文本信息抽取方法、装置、设备、存储介质以及程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115080742A true CN115080742A (zh) | 2022-09-20 |
CN115080742B CN115080742B (zh) | 2023-09-05 |
Family
ID=83256480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210732269.3A Active CN115080742B (zh) | 2022-06-24 | 2022-06-24 | 文本信息抽取方法、装置、设备、存储介质以及程序产品 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2023040248A (zh) |
KR (1) | KR20230009345A (zh) |
CN (1) | CN115080742B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116628230A (zh) * | 2023-07-25 | 2023-08-22 | 航天宏图信息技术股份有限公司 | 属性关联关系的表达方法、装置、电子设备及存储介质 |
CN117174234A (zh) * | 2023-11-03 | 2023-12-05 | 南京都昌信息科技有限公司 | 医疗文本数据分析方法及*** |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116522935B (zh) * | 2023-03-29 | 2024-03-29 | 北京德风新征程科技股份有限公司 | 文本数据处理方法、处理装置和电子设备 |
CN116383655B (zh) * | 2023-04-07 | 2024-01-05 | 北京百度网讯科技有限公司 | 样本生成方法、模型训练方法、文本处理方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701253A (zh) * | 2016-03-04 | 2016-06-22 | 南京大学 | 中文自然语言问句语义化的知识库自动问答方法 |
CN111611399A (zh) * | 2020-04-15 | 2020-09-01 | 广发证券股份有限公司 | 一种基于自然语言处理的资讯事件图谱化***及方法 |
CN114595686A (zh) * | 2022-03-11 | 2022-06-07 | 北京百度网讯科技有限公司 | 知识抽取方法、知识抽取模型的训练方法及装置 |
-
2022
- 2022-06-24 CN CN202210732269.3A patent/CN115080742B/zh active Active
- 2022-12-29 KR KR1020220188247A patent/KR20230009345A/ko unknown
-
2023
- 2023-01-13 JP JP2023003753A patent/JP2023040248A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701253A (zh) * | 2016-03-04 | 2016-06-22 | 南京大学 | 中文自然语言问句语义化的知识库自动问答方法 |
CN111611399A (zh) * | 2020-04-15 | 2020-09-01 | 广发证券股份有限公司 | 一种基于自然语言处理的资讯事件图谱化***及方法 |
CN114595686A (zh) * | 2022-03-11 | 2022-06-07 | 北京百度网讯科技有限公司 | 知识抽取方法、知识抽取模型的训练方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116628230A (zh) * | 2023-07-25 | 2023-08-22 | 航天宏图信息技术股份有限公司 | 属性关联关系的表达方法、装置、电子设备及存储介质 |
CN117174234A (zh) * | 2023-11-03 | 2023-12-05 | 南京都昌信息科技有限公司 | 医疗文本数据分析方法及*** |
CN117174234B (zh) * | 2023-11-03 | 2024-01-05 | 南京都昌信息科技有限公司 | 医疗文本数据分析方法及*** |
Also Published As
Publication number | Publication date |
---|---|
JP2023040248A (ja) | 2023-03-22 |
CN115080742B (zh) | 2023-09-05 |
KR20230009345A (ko) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115080742B (zh) | 文本信息抽取方法、装置、设备、存储介质以及程序产品 | |
CN113408299B (zh) | 语义表示模型的训练方法、装置、设备和存储介质 | |
CN110390408B (zh) | 交易对象预测方法和装置 | |
US10303689B2 (en) | Answering natural language table queries through semantic table representation | |
CN114298417A (zh) | 反欺诈风险评估方法、训练方法、装置及可读存储介质 | |
EP4174683A1 (en) | Data evaluation method and apparatus, training method and apparatus, and electronic device and storage medium | |
CN114861889A (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
CN111435406A (zh) | 一种纠正数据库语句拼写错误的方法和装置 | |
CN111368551A (zh) | 一种确定事件主体的方法和装置 | |
CN113282762A (zh) | 知识图谱构建方法、装置、电子设备和存储介质 | |
CN111353838A (zh) | 自动化校验商品类目的方法和装置 | |
CN112989797B (zh) | 模型训练、文本扩展方法,装置,设备以及存储介质 | |
CN113869042A (zh) | 文本标题生成方法、装置、电子设备以及存储介质 | |
CN112906368A (zh) | 行业文本增量方法、相关装置及计算机程序产品 | |
CN115860003A (zh) | 一种语义角色分析方法、装置、电子设备及存储介质 | |
CN115577082A (zh) | 文档关键词的提取方法、装置、电子设备及存储介质 | |
CN115116080A (zh) | 表格解析方法、装置、电子设备和存储介质 | |
CN113051896A (zh) | 对文本进行纠错的方法、装置、电子设备和存储介质 | |
CN114282049A (zh) | 一种视频检索方法、装置、设备及存储介质 | |
CN114238611A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN115809313A (zh) | 一种文本相似度确定方法及设备 | |
US20240220772A1 (en) | Method of evaluating data, training method, electronic device, and storage medium | |
CN117909505B (zh) | 事件论元的抽取方法及相关设备 | |
CN115033717B (zh) | 三元组抽取模型训练方法、三元组抽取方法、装置及设备 | |
US20220374603A1 (en) | Method of determining location information, electronic device, and storage medium |
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 |