CN116739001A - 基于对比学习的文本关系提取方法、装置、设备及介质 - Google Patents

基于对比学习的文本关系提取方法、装置、设备及介质 Download PDF

Info

Publication number
CN116739001A
CN116739001A CN202310699728.7A CN202310699728A CN116739001A CN 116739001 A CN116739001 A CN 116739001A CN 202310699728 A CN202310699728 A CN 202310699728A CN 116739001 A CN116739001 A CN 116739001A
Authority
CN
China
Prior art keywords
text
semantic
analysis
template
constructed
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.)
Pending
Application number
CN202310699728.7A
Other languages
English (en)
Inventor
马旭强
王燕蒙
李剑锋
王少军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202310699728.7A priority Critical patent/CN116739001A/zh
Publication of CN116739001A publication Critical patent/CN116739001A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Machine Translation (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种基于对比学习的文本关系提取方法，包括：获取原始文本，识别原始文本中三元组集合，对三元组集合进行实体提取，得到目标实体；将原始文本与预构建的第一提示模板进行替换，得到第一替换模板，将目标实体与预构建的第二提示模板进行替换，得到第二替换模板；对第一替换模板和第二替换模板进行语义分析，得到第一分析语义和第二分析语义，对第一分析语义进行表征提取，得到第一语义表征，对第二分析语义进行表征提取，得到第二语义表征；根据第一语义表征和第二语义表征，通过训练好的关系识别模型识别原始文本的文本关系。本发明在于提高提取金融样本数据语义的准确性。

Description

基于对比学习的文本关系提取方法、装置、设备及介质
技术领域
本发明涉及智能决策技术领域，尤其涉及一种基于对比学习的文本关系提取方法、装置、设备及计算机可读介质。
背景技术
近年来，大规模预训练模型的兴起给深度学习的诸多研究领域带来了深远地影响，如金融文本数据，会涉及到大量的文本、数字以及图像，需要通过不同版本的模型训练，但随着各种版本的预训练模型的体量越来越大，如文本关系提取模型训练过程中会通过对比学习进行优化，对比学习是一种常用的自监督学习方法，其核心思想是把正样本距离拉近，正样本与负样本距离拉远，类似度量学习中的数量，但是对比学习为正负样本分类，无数量概念。
文本关系提取模型主要是将下游任务的金融样本输入通过特定的模板重新调整为类似于预训练任务的输入形式，通过这种方式能够在一定程度上提高迁移学习能力，但是该方法是会影响原始金融样本的语义表征，进而导致文本关系提取的准确率下降，因此，目前急需一种能够提高文本关系提取的准确性的方法。
发明内容
本发明提供一种基于对比学习的文本关系提取方法、装置、设备及介质，其主要目的在于提高提取样本数据语义的准确性。
为实现上述目的，本发明提供的一种基于对比学习的文本关系提取方法，包括：
获取原始文本，识别所述原始文本中三元组集合，对所述三元组集合进行实体提取，得到目标实体；
将所述原始文本与预构建的第一提示模板进行替换，得到第一替换模板，将所述目标实体与预构建的第二提示模板进行替换，得到第二替换模板；
对所述第一替换模板和所述第二替换模板进行语义分析，得到第一分析语义和第二分析语义，对所述第一分析语义进行表征提取，得到第一语义表征，对所述第二分析语义进行表征提取，得到第二语义表征；
根据所述第一语义表征和所述第二语义表征，通过训练好的关系识别模型识别所述原始文本的文本关系。
可选地，所述识别所述原始文本中三元组集合，包括：
对所述原始文本进行语句划分，得到文本语句；
对所述文本语句进行过滤处理，得到过滤语句；
对所述过滤语句进行语法分析，得到分析结果；
根据所述分析结果识别所述过滤语句中的三元组集合。
可选地，所述将所述原始文本与预构建的第一提示模板进行替换，得到第一替换模板，包括：
对所述预构建的第一提示模板进行初始化处理，得到初始第一模板；
分析所述初始第一模板的结构特征，将所述原始文本按照所述结构特征进行替换，得到第一替换模。
可选地，所述分别对所述第一替换模板和所述第二替换模板进行语义分析，得到第一分析语义和第二分析语义，包括：
识别所述第一替换模板和所述第二替换模板的文本数据，得到第一文本数据和第二文本数；
分别对所述第一文本数据和所述第二文本数据进行分词处理，得到第一文本分词和第二文本分词；
分别将所述第一文本分词和所述第二文本分词与预先构建的词语语义分析表匹配，得到第一分析语义和第二分析语义。
可选地，所述对所述第一分析语义进行表征提取，得到第一语义表征，，包括：
对所述第一分析语义进行向量化处理，得到语义向量；
对所述语义向量进行特征提取，得到语义特征向量；
计算所述语义特征向量的权重值，将所述权重值大于预设阈值的语义特征向量作为所述第一分析语义的目标特征向量；
根据所述目标特征向量得到所述第一分析语义的语义表征。
可选地，所述根据所述第一语义表征和所述第二语义表征，通过训练好的关系识别模型识别所述原始文本的文本关系之前，还包括：
获取训练样本及其对应的真实标签，所述真实标签包括真实语义表征和真实文本关系；
利用预构建的关系识别模型中的语义分析网络检测所述训练样本的预测语义表征，根据所述预测语义表征，利用预构建的关系识别模型中的文本关系识别网络识别所述训练样本的预测文本关系；
利用所述预构建的关系识别模型中第一损失函数计算所述真实语义表征和所述预测语义表征的第一损失，及利用所述预构建的关系识别模型中第二损失函数计算所述真实文本关系和所述预测文本关系的第二损失；
根据所述第一损失和所述第二损失，计算所述预构建的关系识别模型的最终损失；
在所述最终损失大于预设损失时，调整所述预构建的关系识别模型的参数，并返回执行所述利用预构建的关系识别模型中的语义分析网络检测所述训练样本的预测语义表征的步骤；
若所述最终损失不大于所述预设损失时，得到训练好的关系识别模型。
可选地，所述第二损失函数包括：
其中，loss2表示第二损失，hmask1表示第一分析语义，hmask2表示第二分析语义，表示同一轮次中第i个hmask1的向量，N表示所述第一分析语义和所述第二分析语义的最后一个向量。
为了解决上述问题，本发明还提供一种基于对比学习的文本关系提取装置，所述装置包括：
实体识别模块，用于获取原始文本，识别所述原始文本中三元组集合，对所述三元组集合进行实体提取，得到目标实体；
模板替换模块，用于将所述原始文本与预构建的第一提示模板进行替换，得到第一替换模板，将所述目标实体与预构建的第二提示模板进行替换，得到第二替换模板；
语义表征分析模块，用于对所述第一替换模板和所述第二替换模板进行语义分析，得到第一分析语义和第二分析语义，对所述第一分析语义进行表征提取，得到第一语义表征，对所述第二分析语义进行表征提取，得到第二语义表征；
模型训练模块，用于根据所述第一语义表征和所述第二语义表征，通过训练好的关系识别模型识别所述原始文本的文本关系。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
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上述所述的基于对比学习的文本关系提取方法。
为了解决上述问题，本发明还提供一种计算机可读介质，所述计算机可读介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于对比学习的文本关系提取方法。
本发明实施例通过获取原始文本，识别所述原始文本中三元组集合，可以将所述原始文本划分成单独的集合形式，后续可以单独对所述三元组进行处理，相对于直接对所述原始文本处理降低了难度，其中，本发明通过将所述原始文本与预构建的第一提示模板进行替换，可以得到第一替换模板，以便于通过第一替换模板对所述原始文本进行处理，同时为后续对所述原始文本的语义分析提供了保障；此外，本发明通过对所述第一替换模板和所述第二替换模板进行语义分析，可以得到第一分析语义和第二分析语义，以便于了解所述第一分析语义与所述第二分析语义的偏差，本发明通过计算所述第一语义表征和所述第二语义表征的均值语义表征，可以将所述第一语义表征和所述第二语义表征整合到一起，从而使后续损失值的计算结果更加准确。因此，本发明实施例提供的一种基于对比学习的文本关系提取方法、装置、设备及介质，能够提高文本关系提取的准确性。
附图说明
图1为本发明一实施例提供的基于对比学习的文本关系提取方法的流程示意图；
图2为本发明一实施例提供的基于对比学习的文本关系提取装置的功能模块图；
图3为本发明一实施例提供的实现所述基于对比学习的文本关系提取方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于对比学***台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于对比学习的文本关系提取方法的流程示意图。在本实施例中，所述基于对比学习的文本关系提取方法包括步骤S1—S4：
S1、获取原始文本，识别所述原始文本中三元组集合，对所述三元组集合进行实体提取，得到目标实体。
本发明通过获取原始文本，识别所述原始文本中三元组集合，可以将所述原始文本划分成单独的集合形式，后续可以单独对所述三元组进行处理，相对于直接对所述原始文本处理降低了难度。
其中，所述原始文本是需要进行关系提取的金融领域的文本，如金融相关的论文、金融文章的摘要、金融信息的片段等，三元组是所述原始文本中主体、客体以及主体和客体的从属关系，如：安徽省包括合肥市，“安徽省包括合肥市”是所述原始文本，安徽是所述文本中的主体，合肥是所述原始文本中的客体，包括是所述原始文本中的主体与客体之间的从属关系。进一步的，所述原始文本的获取可以通过互联网上传。
作为本发明的一个实施例，所述识别所述原始文本中三元组集合，包括：对所述原始文本进行语句划分，得到文本语句，对所述文本语句进行过滤处理，得到过滤语句，对所述过滤语句进行语法分析，得到分析结果，根据所述分析结果识别所述过滤语句中的三元组集合。
其中，所述文本语句是所述原始文本中具有一定逻辑顺序的句子，所述过滤语句是所述文本语句中的停用词与形容词经过过滤之后得到的语句，所述分析结构是所述过滤语句对应的语法。
进一步的，对所述原始文本的语句划分可以通过List分割工具实现，可以通过文本过滤器对所述文本语句进行过滤，所述过滤语句的语法分析可以通过句法分析器实现，所述过滤语句中的三元组集合的识别可以通过LTP工具实现。
本发明通过对所述三元组集合进行实体提取，得到目标实体，以便于将所述三元组集合中与实体无关的数据去除掉，提高了后续的处理效率，其中，所述目标实体是后续处理需要用到的实体。
作为本发明的一个实施例，所述对所述三元组集合进行实体提取，得到目标实体，包括：识别所述三元组集合中的文本实体，对所述文本实体进行属性分析，得到实体属性，根据所述目标属性对所述文本实体进行实体提取，得到目标实体。
其中，所述实体属性是所述文本实体对应的性质，如形状、颜色、气味等，所述目标实体是所述文本实体中的头实体与尾实体，进一步的，所述三元组集合中的文本实体的识别可以通过实体识别算法实现，所述实体识别算法是由脚本语言编译，所述文本实体的属性分析可以通过属性分析法实现，所述文本实体的实体可以通过混合方法进行提取。
S2、将所述原始文本与预构建的第一提示模板进行替换，得到第一替换模板，将所述目标实体与预构建的第二提示模板进行替换，得到第二替换模板。
本发明通过将所述原始文本与预构建的第一提示模板进行替换，可以得到第一替换模板，以便于通过第一替换模板对所述原始文本进行处理，同时为后续对所述原始文本的语义分析提供了保障，其中，所述预构建的第一提示模板是通过对话框显示所述原始文本的关系，所述第一替换模板是所述预构建的第一提示模板经过所述原始文本替换后得到的模板进一步地，第一模板是的格式为：由"[x]”可知[sub]的[mask]是[obj]。其中"[x]”表示模型输入的原始文本，[sub]和[obj]分别是输入"[x]”中包含的三元组的头实体和尾实体，
[mask]则是我们期望模型输出的语义表征，第二模板的格式为：根据"[x]”推断，[sub]和[obij]之间的关系是[mask]。由“[x]"可知[sub]的[mask]是[obj]。作为本发明的一个实施例，所述将所述原始文本与预构建的第一提示模板进行替换，得到第一替换模板，包括：对所述预构建的第一提示模板进行初始化处理，得到初始第一模板，分析所述初始第一模板的结构特征，将所述原始文本按照所述结构特征进行替换，得到第一替换模板。
其中，所述结构特征是所述初始第一模板的组成架构，进一步的，所述初始化处理是通过人工设计的模板对所述预构建的第一提示模板进行设置，将所述预构建的第一提示模板中的变量赋为默认值，将其内部的控件设为默认状态，所述初始第一模板的结构特征的分析可以通过组合分析工具实现，所述原始文本的替换可以通过文本字符串替换工具实现，所述文本字符串替换工具是由Java语言编译。
本发明通过将所述目标实体与预构建的第二提示模板进行替换，可以得到第二替换模板，以便于通过第二替换模板了解所述目标实体的之间的所属关系。其中，所述第二替换模板是表示所述目标实体之间关系的对话框，进一步的，所述目标实体与预构建的第二提示模板的替换与所述原始文本与预构建的第一提示模板原理相同，在此不做过多赘述。
S3、分别对所述第一替换模板和所述第二替换模板进行语义分析，得到第一分析语义和第二分析语义，对所述第一分析语义进行表征提取，得到第一语义表征，对所述第二分析语义进行表征提取，得到第二语义表征。
本发明通过对所述第一替换模板和所述第二替换模板进行语义分析，可以得到第一分析语义和第二分析语义，以便于了解所述第一分析语义与所述第二分析语义的偏差，其中，所述第一分析语义是所述第一替换模板中文本内容对应的含义，所述第二分析语义是所述第二替换模板中文本内容对应的含义。
作为本发明的一个实施例，所述分别对所述第一替换模板和所述第二替换模板进行语义分析，得到第一分析语义和第二分析语义，包括：识别所述第一替换模板和所述第二替换模板的文本数据，得到第一文本数据和第二文本数，分别对所述第一文本数据和所述第二文本数据进行分词处理，得到第一文本分词和第二文本分词，分别将所述第一文本分词和所述第二文本分词与预先构建的词语语义分析表匹配，得到第一分析语义和第二分析语义。
其中，所述文本数据是所述第一替换模板和所述第二替换模板中包含的所有文字内容，所述第一文本分词是所述第一文本数据中的所有词语，所述第二文本分词是所述第二文本数据中的所有词语，所述预先构建的词语语义分析表是词语和其对应的语义映射关系表，通过所述预先构建的词语语义分析表可以快速的使所述第一文本分词和所述第二文本分词匹配到对应的语义，提高了处理的效率。
进一步的，所述第一替换模板和所述第二替换模板的文本数据的识别可以通过OCR文字识别技术实现，所述第一文本数据和所述第二文本数据的分词处理可以通过ik分词器实现。
作为本发明的一个可选实施例，利用如下公式将所述第一文本分词与预先构建的词语语义分析表匹配：
其中，Y(a,b)表示第一文本分词与预先构建的词语语义分析表中的词语的相似度，ai表示第一文本分词中第i个分词的首字符，bi表示第一文本分词中第i个分词的尾字符。
需要说明的是，所述第二文本分词与预先构建的词语语义分析表匹配与所述第一文本分词与预先构建的词语语义分析表匹配公式相同。
进一步地，本发明通过对所述第一分析语义进行表征提取，得到第一语义表征，可以将所述第一分析语义中无用的数据去除掉，提高了后续处理的准确性，其中，所述第一语义表征是所述第一分析语义的关键信息。
作为本发明的一个实施例，所述对所述第一分析语义进行表征提取，得到第一语义表征，包括：对所述第一分析语义进行向量化处理，得到语义向量，对所述语义向量进行特征提取，得到语义特征向量，计算所述语义特征向量的权重值，将所述权重值大于预设阈值的语义特征向量作为所述第一分析语义的目标特征向量，根据所述目标特征向量得到所述第一分析语义的语义表征。
其中，所述语义向量是所述第一分析语义的向量表达形式，所述语义特征向量是所述语义向量中具有标志性的向量，所述权重值是代表所述语义特征向量的重要性，所述预设阈值可以是0.9，也可以根据实际业务场景进行设置，进一步的，所述第一分析语义的向量化处理可以通过word2vec算法实现，所述语义向量的特征提取可以通过Haar特征提取算法实现，所述语义特征向量的权重值可以通过权重函数实现，所述权重函数是由脚本语言编译。
本发明通过对所述第二分析语义进行表征提取，得到第二语义表征，可以将所述第二分析语义中无用的数据去除掉，其中，所述第二语义特征是所述第二分析语义的关键信息，进一步的，所述第二分析语义的表征提取原理与所述第一分析语义的表征提取相同，可以参照上述方法，在此不做过多赘述。
S4、计算所述第一语义表征和所述第二语义表征的均值语义表征，通过训练好的关系抽取模型计算所述均值语义表征的损失值，根据所述损失值对所述均值语义表征进行校正，得到校正后的语义表征，根据所述校正后的语义表征得到所述原始文本的文本关系。
本发明通过计算所述第一语义表征和所述第二语义表征的均值语义表征，可以将所述第一语义表征和所述第二语义表征整合到一起，从而使后续损失值的计算结果更加准确，其中，所述均值语义表征是计算所述第一语义表征和所述第二语义表征的平均值得到的表征，进一步的，所述第一语义表征和所述第二语义表征的均值语义表征可以通过average算法计算。
进一步地，本发明实施例中，所述根据所述第一语义表征和所述第二语义表征，通过训练好的关系识别模型识别所述原始文本的文本关系之前，还包括：获取训练样本及其对应的真实标签，所述真实标签包括真实语义表征和真实文本关系，利用预构建的关系识别模型中的语义分析网络检测所述训练样本的预测语义表征，根据所述预测语义表征，利用预构建的关系识别模型中的文本关系识别网络识别所述训练样本的预测文本关系，利用所述预构建的关系识别模型中第一损失函数计算所述真实语义表征和所述预测语义表征的第一损失，及利用所述预构建的关系识别模型中第二损失函数计算所述真实文本关系和所述预测文本关系的第二损失，根据所述第一损失和所述第二损失，计算所述预构建的关系识别模型的最终损失，在所述最终损失大于预设损失时，调整所述预构建的关系识别模型的参数，并返回执行所述利用预构建的关系识别模型中的语义分析网络检测所述训练样本的预测语义表征的步骤，若所述最终损失不大于所述预设损失时，得到训练好的关系识别模型。
其中，所述训练样本是用于对所述关系识别模型进行训练学习的样本，所述真实语义表征是所述训练样本对应的语义表征，所述真实文本关系是所述训练样本内容之间的相互联系，所述第一损失是所述真实语义表征和所述预测语义表征之间的偏差，所述第二损失是所述真实文本关系和所述预测文本关系之间的偏差，所述最终损失是所述第一损失和所述第二损失相加求和得到的数值，所述预设损失是作为评判的标准，可以是0.9，也可以根据实际业务场景进行设置。
进一步的，所述训练样本的预测语义表征的分析可以通过所述语义分析网络中分析函数实现，所述训练样本的预测文本关系的识别可以通过所述文本关系识别网络中的识别函数实现。
进一步的，所述第一损失函数包括：
其中，lossi表示第一损失，a表示真实语义表征和预测语义表征的起始位置，m表示真实语义表征和预测语义表征的结束位置，zi表示第i个预测语义表征的预测特征值，z′i表示第i个真实语义表征的真实特征值。
进一步的，所述第二损失函数包括：
其中，loss2表示第二损失，hmask1表示真实文本关系对应的语义分析，hmask2表示预测文本关系对应的语义分析，表示同一轮次中第i个hmask1的向量，N表示所述第一分析语义和所述第二分析语义的数量。
本发明通过根据所述训练好的关系识别模型识别所述原始文本的文本关系，可以准确的识别出所述原始文本之间的对应关系。
本发明实施例通过获取原始文本，识别所述原始文本中三元组集合，可以将所述原始文本划分成单独的集合形式，后续可以单独对所述三元组进行处理，相对于直接对所述原始文本处理降低了难度，其中，本发明通过将所述原始文本与预构建的第一提示模板进行替换，可以得到第一替换模板，以便于通过第一替换模板对所述原始文本进行处理，同时为后续对所述原始文本的语义分析提供了保障；此外，本发明通过对所述第一替换模板和所述第二替换模板进行语义分析，可以得到第一分析语义和第二分析语义，以便于了解所述第一分析语义与所述第二分析语义的偏差，本发明通过计算所述第一语义表征和所述第二语义表征的均值语义表征，可以将所述第一语义表征和所述第二语义表征整合到一起，从而使后续损失值的计算结果更加准确。因此，本发明实施例提供的一种基于对比学习的文本关系提取方法，能够提高文本关系提取的准确性。
如图1所示，是本发明一实施例提供的基于对比学习的文本关系提取装置的功能模块图。
本发明所述基于对比学习的文本关系提取装置100可以安装于电子设备中。根据实现的功能，所述基于对比学习的文本关系提取装置100可以包括实体识别模块101、模板替换模块102、语义表征分析模块103及模型训练模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述实体识别模块101，用于获取原始文本，识别所述原始文本中三元组集合，对所述三元组集合进行实体提取，得到目标实体；
所述模板替换模块102，用于将所述原始文本与预构建的第一提示模板进行替换，得到第一替换模板，将所述目标实体与预构建的第二提示模板进行替换，得到第二替换模板；
所述语义表征分析模块103，用于对所述第一替换模板和所述第二替换模板进行语义分析，得到第一分析语义和第二分析语义，对所述第一分析语义进行表征提取，得到第一语义表征，对所述第二分析语义进行表征提取，得到第二语义表征；
所述模型训练模块104，用于根据所述第一语义表征和所述第二语义表征，通过训练好的关系识别模型识别所述原始文本的文本关系。
详细地，本申请实施例中所述基于对比学习的文本关系提取装置100中所述的各模块在使用时采用与上述图1中所述的基于对比学习的文本关系提取方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本发明一实施例提供的实现基于对比学习的文本关系提取方法的电子设备1的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于对比学习的文本关系提取程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于对比学习的文本关系提取程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读介质，所述可读介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于对比学习的文本关系提取程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于对比学习的文本关系提取程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取预构建的初始化医疗实体识别模型及有标注训练集及无标注训练集，并根据预设的半监督学习策略，利用所述有标注训练集及所述无标注训练集对所述初始化医疗实体识别模型进行训练，得到训练完成的医疗实体识别模型；
获取原始文本，识别所述原始文本中三元组集合，对所述三元组集合进行实体提取，得到目标实体；
将所述原始文本与预构建的第一提示模板进行替换，得到第一替换模板，将所述目标实体与预构建的第二提示模板进行替换，得到第二替换模板；
对所述第一替换模板和所述第二替换模板进行语义分析，得到第一分析语义和第二分析语义，对所述第一分析语义进行表征提取，得到第一语义表征，对所述第二分析语义进行表征提取，得到第二语义表征；
根据所述第一语义表征和所述第二语义表征，通过训练好的关系识别模型识别所述原始文本的文本关系。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读介质中。所述计算机可读介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读介质，所述可读介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取原始文本，识别所述原始文本中三元组集合，对所述三元组集合进行实体提取，得到目标实体；
将所述原始文本与预构建的第一提示模板进行替换，得到第一替换模板，将所述目标实体与预构建的第二提示模板进行替换，得到第二替换模板；
对所述第一替换模板和所述第二替换模板进行语义分析，得到第一分析语义和第二分析语义，对所述第一分析语义进行表征提取，得到第一语义表征，对所述第二分析语义进行表征提取，得到第二语义表征；
根据所述第一语义表征和所述第二语义表征，通过训练好的关系识别模型识别所述原始文本的文本关系。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于对比学习的文本关系提取方法，其特征在于，所述方法包括：
获取原始文本，识别所述原始文本中三元组集合，对所述三元组集合进行实体提取，得到目标实体；
将所述原始文本与预构建的第一提示模板进行替换，得到第一替换模板，将所述目标实体与预构建的第二提示模板进行替换，得到第二替换模板；
对所述第一替换模板和所述第二替换模板进行语义分析，得到第一分析语义和第二分析语义，对所述第一分析语义进行表征提取，得到第一语义表征，对所述第二分析语义进行表征提取，得到第二语义表征；
根据所述第一语义表征和所述第二语义表征，通过训练好的关系识别模型识别所述原始文本的文本关系。
2.如权利要求1所述的基于对比学习的文本关系提取方法，其特征在于，所述识别所述原始文本中三元组集合，包括：
对所述原始文本进行语句划分，得到文本语句；
对所述文本语句进行过滤处理，得到过滤语句；
对所述过滤语句进行语法分析，得到分析结果；
根据所述分析结果识别所述过滤语句中的三元组集合。
3.如权利要求2所述的基于对比学习的文本关系提取方法，其特征在于，所述将所述原始文本与预构建的第一提示模板进行替换，得到第一替换模板，包括：
对所述预构建的第一提示模板进行初始化处理，得到初始第一模板；
分析所述初始第一模板的结构特征，将所述原始文本按照所述结构特征进行替换，得到第一替换模。
4.如权利要求1所述的基于对比学习的文本关系提取方法，其特征在于，所述分别对所述第一替换模板和所述第二替换模板进行语义分析，得到第一分析语义和第二分析语义，包括：
识别所述第一替换模板和所述第二替换模板的文本数据，得到第一文本数据和第二文本数；
分别对所述第一文本数据和所述第二文本数据进行分词处理，得到第一文本分词和第二文本分词；
分别将所述第一文本分词和所述第二文本分词与预先构建的词语语义分析表匹配，得到第一分析语义和第二分析语义。
5.如权利要求1所述的基于对比学习的文本关系提取方法，其特征在于，所述对所述第一分析语义进行表征提取，得到第一语义表征，包括：
对所述第一分析语义进行向量化处理，得到语义向量；
对所述语义向量进行特征提取，得到语义特征向量；
计算所述语义特征向量的权重值，将所述权重值大于预设阈值的语义特征向量作为所述第一分析语义的目标特征向量；
根据所述目标特征向量得到所述第一分析语义的语义表征。
6.如权利要求1所述的基于对比学习的文本关系提取方法，其特征在于，所述根据所述第一语义表征和所述第二语义表征，通过训练好的关系识别模型识别所述原始文本的文本关系之前，还包括：
获取训练样本及其对应的真实标签，所述真实标签包括真实语义表征和真实文本关系；
利用预构建的关系识别模型中的语义分析网络检测所述训练样本的预测语义表征，根据所述预测语义表征，利用预构建的关系识别模型中的文本关系识别网络识别所述训练样本的预测文本关系；
利用所述预构建的关系识别模型中第一损失函数计算所述真实语义表征和所述预测语义表征的第一损失，及利用所述预构建的关系识别模型中第二损失函数计算所述真实文本关系和所述预测文本关系的第二损失；
根据所述第一损失和所述第二损失，计算所述预构建的关系识别模型的最终损失；
在所述最终损失大于预设损失时，调整所述预构建的关系识别模型的参数，并返回执行所述利用预构建的关系识别模型中的语义分析网络检测所述训练样本的预测语义表征的步骤；
若所述最终损失不大于所述预设损失时，得到训练好的关系识别模型。
7.如权利要求1所述的基于对比学习的文本关系提取方法，其特征在于，所述第二损失函数包括：
其中，loss2表示第二损失，hmask1表示第一分析语义，hmask2表示第二分析语义，表示同一轮次中第i个hmask1的向量，N表示所述第一分析语义和所述第二分析语义的最后一个向量。
8.一种基于对比学习的文本关系提取装置，其特征在于，所述装置包括：
实体识别模块，用于获取原始文本，识别所述原始文本中三元组集合，对所述三元组集合进行实体提取，得到目标实体；
模板替换模块，用于将所述原始文本与预构建的第一提示模板进行替换，得到第一替换模板，将所述目标实体与预构建的第二提示模板进行替换，得到第二替换模板；
语义表征分析模块，用于对所述第一替换模板和所述第二替换模板进行语义分析，得到第一分析语义和第二分析语义，对所述第一分析语义进行表征提取，得到第一语义表征，对所述第二分析语义进行表征提取，得到第二语义表征；
模型训练模块，用于根据所述第一语义表征和所述第二语义表征，通过训练好的关系识别模型识别所述原始文本的文本关系。
9.一种电子设备，其特征在于，所述电子设备包括：
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如权利要求1至7中任意一项所述的基于对比学习的文本关系提取方法。
10.一种计算机可读介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于对比学习的文本关系提取方法。
CN202310699728.7A 2023-06-13 2023-06-13 基于对比学习的文本关系提取方法、装置、设备及介质 Pending CN116739001A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310699728.7A CN116739001A (zh) 2023-06-13 2023-06-13 基于对比学习的文本关系提取方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310699728.7A CN116739001A (zh) 2023-06-13 2023-06-13 基于对比学习的文本关系提取方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN116739001A true CN116739001A (zh) 2023-09-12

Family

ID=87907570

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310699728.7A Pending CN116739001A (zh) 2023-06-13 2023-06-13 基于对比学习的文本关系提取方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116739001A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118013478A (zh) * 2024-04-09 2024-05-10 江西曼荼罗软件有限公司 一种文本数据溯源方法、***、存储介质及设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118013478A (zh) * 2024-04-09 2024-05-10 江西曼荼罗软件有限公司 一种文本数据溯源方法、***、存储介质及设备

Similar Documents

Publication Publication Date Title
CN112380343B (zh) 问题解析方法、装置、电子设备及存储介质
CN113378970B (zh) 语句相似性检测方法、装置、电子设备及存储介质
CN112988963A (zh) 基于多流程节点的用户意图预测方法、装置、设备及介质
CN115238670B (zh) 信息文本抽取方法、装置、设备及存储介质
CN113268615A (zh) 资源标签生成方法、装置、电子设备及存储介质
CN116578704A (zh) 文本情感分类方法、装置、设备及计算机可读介质
CN116450829A (zh) 医疗文本分类方法、装置、设备及介质
CN116739001A (zh) 基于对比学习的文本关系提取方法、装置、设备及介质
CN114840684A (zh) 基于医疗实体的图谱构建方法、装置、设备及存储介质
CN113344125B (zh) 长文本匹配识别方法、装置、电子设备及存储介质
CN114662477A (zh) 基于中医对话的停用词表生成方法、装置及存储介质
CN116468025A (zh) 电子病历结构化方法、装置、电子设备及存储介质
CN112632260A (zh) 智能问答方法、装置、电子设备及计算机可读存储介质
CN116741358A (zh) 问诊挂号推荐方法、装置、设备及存储介质
CN114943306A (zh) 意图分类方法、装置、设备及存储介质
CN115510188A (zh) 文本关键词关联方法、装置、设备及存储介质
CN113515591B (zh) 文本不良信息识别方法、装置、电子设备及存储介质
CN114677526A (zh) 图像分类方法、装置、设备及介质
CN114595321A (zh) 问题标注方法、装置、电子设备及存储介质
CN113723114A (zh) 基于多意图识别的语义分析方法、装置、设备及存储介质
CN113361274B (zh) 基于标签向量的意图识别方法、装置、电子设备及介质
CN111680513B (zh) 特征信息的识别方法、装置及计算机可读存储介质
CN115098688B (zh) 多标签分类模型训练方法、装置、电子设备及存储介质
CN115525730B (zh) 基于页面赋权的网页内容提取方法、装置及电子设备
CN116579349A (zh) 文本语义分段方法、装置、设备及存储介质

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