[发明专利]文本指定信息的主体确定方法、装置及计算机存储介质

说明书

一种文本指定信息的主体确定方法，包括对目标文本进行分词；对每个分词进行词性标注得到每个分词的词性标注结果；根据每个分词的词性标注结果确定至少一个候选主体；分别根据所确定的每个候选主体对所述目标文本划分，得到每个候选主体各自对应的样本；获取每条样本的向量V，并输入预先训练好的第一神经网络，以确定是否存在具有所述指定信息的样本；当确定存在具有所述指定信息的样本时，则所述样本对应的候选主体为存在所述指定信息的主体。本申请能够减少人工标注并且降低成本。

技术领域

本文涉及计算机技术，尤指一种文本指定信息的主体确定方法、装置及存储介质。

背景技术

负面信息主体判定任务是网络舆情监控工作中的一项常见应用。其目的在于给定待分析文本，判定该文本中是否包含负面信息，如果包含负面信息同时给出该负面信息所涉及主体的名称(或者在原文中的位置)。

现有统计学习方法耗费大量成本在人工特征构建上，这不但耗时费力，并且会导致模型在已被编码的特征以外的新模式上缺少泛化能力。

现有统计学习使用深度神经网络的方法通过对主体识别和负面判定进行联合学习避免了人工特征构建的繁琐过程，然而该方法需要大量精确的序列标注样本，例如：使用序列标注，该方法需要在标注阶段对待分析文本的每一个字符进行人工标注，例如附图2中的：“广州开发区ABXY集团有限公司为其想了一个颇具广州特色的名字”对应的标注为“B II I I I I I I I I I I I I O O O O O O O O O O O O O O O”，此阶段标注量等于输入文本的字符串总长度。

发明内容

本申请提供了一种文本指定信息的主体确定方法、装置及存储介质，能够达到减少人工标注并且降低成本的目标。

本申请提供一种文本指定信息的主体确定方法，包括：对目标文本进行分词；对每个分词进行词性标注得到每个分词的词性标注结果；根据每个分词的词性标注结果确定至少一个候选主体；分别根据所确定的每个候选主体对所述目标文本划分，得到每个候选主体各自对应的样本；获取每条样本的向量V，并输入预先训练好的第一神经网络，以确定是否存在具有所述指定信息的样本；当确定存在具有所述指定信息的样本时，则所述样本对应的候选主体为存在所述指定信息的主体。

在一个示例性实施例中，上述获取每条样本的向量V包括：对每一条所得到的样本分别进行如下操作：根据该样本的候选主体的位置进行拆分得到第一子句A和第二子句B；其中所述第一子句A的长度为从该样本的开始位置到所述候选主体开始的位置；所述第二子句B的长度为从所述候选主体开始的位置到该样本结束的位置；对所述第一子句A和第二子句B中对应所述目标文本的每个分词进行向量化，分别获得所述第一子句A的实值矩阵MA和第二子句B实值矩阵MB；将第一子句A的实值矩阵MA和第二子句的实值矩阵MB输入第二神经网络对所述第一子句A和第二子句B进行编码，获取该样本的向量V。

在一个示例性实施例中，上述将第一子句A的实值矩阵MA和第二子句的实值矩阵MB输入第二神经网络对所述第一子句A和第二子句B进行编码，获取该样本的向量V，包括：将第一子句A的实值矩阵MA和第二子句实值矩阵MB输入预先训练好的第二神经网络，对所述第一子句A和第二子句B进行编码，获得第一子句A的编码向量为VA和第二子句B的编码向量VB；将所获得的向量VA和VB进行拼接，得到该样本的向量V。

在一个示例性实施例中，上述对所述第一子句A和第二子句B进行编码包括：对所述第一子句A从前向后编码和第二子句B从后向前编码。

在一个示例性实施例中，上述方法还包括：统计存在所述指定信息的样本所对应的主体并进行合并输出。

在一个示例性实施例中，上述根据每个分词的词性标注结果确定至少一个候选主体，包括：当所述分词的词性标注结果为专有名词或者与专有名词组成的词组时，则确定为候选主体。