[发明专利]书籍人物姓名识别模型的训练方法、电子设备及存储介质

说明书

本发明公开了一种书籍人物姓名识别模型的训练方法、电子设备及存储介质，其中，该方法包括：从书籍集合中提取书籍人物的姓名字典；针对姓名字典中的每个姓名，与书籍集合中每本书籍的所有语句作匹配，得到包含姓名的语句样本集合；针对语句样本集合中的每个语句样本，对该语句样本中的每个字进行序列标注，得到每个字的序列标记；对该语句样本中的每个字进行特征提取，得到每个字的特征；其中特征包含n‑gram通用特征以及停用词特征；根据语句样本集合中的每个语句样本的每个字的序列标记以及每个字的特征，训练得到书籍人物姓名识别模型。利用该方案训练得到的书籍人物姓名识别模型能够准确地对书籍人物姓名进行识别，有效地提高了识别准确率。

技术领域

本发明涉及信息处理技术领域，具体涉及一种书籍人物姓名识别模型的训练方法、电子设备及存储介质。

背景技术

人们在利用互联网技术进行书籍搜索的过程中，有些用户可能不记得书籍的名称，而只记得书籍人物的姓名，那么在这种情况下，用户会将书籍人物的姓名作为搜索关键词进行搜索，那么从书籍中准确地识别出书籍人物的姓名是基于书籍人物的姓名提供搜索服务的基础和前提。然而，现有的命名实体识别技术并没有充分考虑书籍人物的姓名的特征，那么利用现有的命名实体识别技术去识别书籍人物的姓名，存在着识别准确率较低的问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的书籍人物姓名识别模型的训练方法、电子设备及存储介质。

根据本发明的一个方面，提供了一种书籍人物姓名识别模型的训练方法，该方法包括：

从书籍集合中提取书籍人物的姓名字典；

针对姓名字典中的每个姓名，与书籍集合中每本书籍的所有语句作匹配，得到包含姓名的语句样本集合；

针对语句样本集合中的每个语句样本，对该语句样本中的每个字进行序列标注，得到每个字的序列标记；对该语句样本中的每个字进行特征提取，得到每个字的特征；其中特征包含n-gram通用特征以及停用词特征；

根据语句样本集合中的每个语句样本的每个字的序列标记以及每个字的特征，训练得到书籍人物姓名识别模型。

根据本发明的另一方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；

存储器用于存放至少一可执行指令，可执行指令使处理器执行以下操作：

从书籍集合中提取书籍人物的姓名字典；

针对姓名字典中的每个姓名，与书籍集合中每本书籍的所有语句作匹配，得到包含姓名的语句样本集合；

针对语句样本集合中的每个语句样本，对该语句样本中的每个字进行序列标注，得到每个字的序列标记；对该语句样本中的每个字进行特征提取，得到每个字的特征；其中特征包含n-gram通用特征以及停用词特征；

根据语句样本集合中的每个语句样本的每个字的序列标记以及每个字的特征，训练得到书籍人物姓名识别模型。

根据本发明的又一方面，提供了一种存储介质，存储介质中存储有至少一可执行指令，可执行指令使处理器执行以下操作：

从书籍集合中提取书籍人物的姓名字典；

针对姓名字典中的每个姓名，与书籍集合中每本书籍的所有语句作匹配，得到包含姓名的语句样本集合；

针对语句样本集合中的每个语句样本，对该语句样本中的每个字进行序列标注，得到每个字的序列标记；对该语句样本中的每个字进行特征提取，得到每个字的特征；其中特征包含n-gram通用特征以及停用词特征；

根据语句样本集合中的每个语句样本的每个字的序列标记以及每个字的特征，训练得到书籍人物姓名识别模型。