[发明专利]用于输出信息的方法和装置

说明书

本公开的实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：从待处理的网页文本中解析出至少一个句子；对于至少一个句子中的句子，通过文本分析确定出从该句子中抽取实体所需的信息，其中，实体包括主体和客体；对于至少一个句子中的句子，基于预先训练的关系判别模型，根据从该句子中抽取实体所需的信息确定出该句子的有效的主体客体对集合；对于至少一个句子中的句子的主体客体对集合中的主体客体对，基于预先训练的序列标注模型从该句子中确定出该主体客体对之间的关系，得到至少一组主体‑关系‑客体并输出。该实施方式能够在开放网页的自由文本挖掘源中抽取实体之间的相关语义关系。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术

实体关系数据，也被称作SPO三元组数据，是指实体对(主体S-客体O)与他们之间的关系(P)构成的三元组。实体关系是知识图谱的关键组成部分，从知识图谱构建角度来看，实体关系挖掘可以丰富图谱中的关系知识，构建实体之间的关联关系；从产品应用角度，实体关系一方面可以直接满足用户对于知识类的搜索需求，例如搜索“XX妻子”时，可以通过实体关系数据直接给出答案，另外一方面还可以基于实体关系为用户推荐关联的知识，为用户提供信息扩展的阅读体验。

实体关系挖掘在业界主要通过以下两种方式来进行：

(1)限定schema(模式)下的限定关系挖掘。即在有限的给定P以及P相关的S和O实体分类的情况下，对每个P分别建模或者进行指定数量的多分类建模挖掘其相关的SPO数据。例如，人物(S类型)和人物(O类型)之间的父子关系(P)。

(2)对属性/关系(key)-属性值(Value)类型的知识进行关系挖掘。即将文本中的实体以及与该实体相关的以key-value形式表示的关系信息抽取整理成三元组形式的数数据。例如，将「刘XX，身高：173cm」抽取得到三元组(刘XX，身高，173cm)。

上述两种方案的问题和不足非常明显：

方案(1)主要有两点不足：一是圈定的P-schema完全依赖于专家对schema的定义，既有很高的人力成本，能定义的集合也非常有限，通常来说只能覆盖主流的、热门的关系；二是所有识别结果都基于人工预先定义的schema，所以无法发现新的P。

方案(2)主要有两点不足：一是对于输入数据的表达形式有较强依赖性，可以处理的文本类型有限，只能处理有key-value类型表示的数据/文本；二是现实生活中只有有限的、较为热门的知识才会被整理，并以key-value类型体现的，而更多的知识则隐藏在自然语言句子中，通过这种方式获取到的知识有限。

发明内容

本公开的实施例提出了用于输出信息的方法和装置。

第一方面，本公开的实施例提供了一种用于输出信息的方法，包括：从待处理的网页文本中解析出至少一个句子；对于至少一个句子中的句子，通过文本分析确定出从该句子中抽取实体所需的信息，其中，实体包括主体和客体；对于至少一个句子中的句子，基于预先训练的关系判别模型，根据从该句子中抽取实体所需的信息确定出该句子的有效的主体客体对集合；对于至少一个句子中的句子的主体客体对集合中的主体客体对，基于预先训练的序列标注模型从该句子中确定出该主体客体对之间的关系，得到至少一组主体-关系-客体并输出。

在一些实施例中，从待处理的网页文本中解析出至少一个句子，包括：根据标点、预定分隔符对输入的网页文本进行切分，将篇章粒度的文本处理成句子粒度的文本；根据句子在网页文本中的位置、句子长度、以及黑名单词表对句子进行过滤。