[发明专利]基于多层模型的实体识别方法、装置、设备及存储介质

说明书

本申请涉及大数据、区块链和人工智能技术领域，提供一种基于多层模型的实体识别方法、装置、设备及存储介质，该方法包括：获取语句信息，并基于词语识别模型对语句信息进行分词处理，得到多个分词信息；通过句法分析模型，提取每个分词信息的句法关系；基于命名实体识别模型，根据每个分词信息的句法关系，确定语句信息中的实体信息。本申请可应用于智慧医疗领域，极大提高了实体识别的准确性。

技术领域

本申请涉及自然语言处理的技术领域，尤其涉及一种基于多层模型的实体识别方法、装置、设备及存储介质。

背景技术

命名实体识别(NER)是自然语言处理中的关键技术，通常使用命名实体识别模型来提取语句中的主要实体。但目前的命名实体识别模型的训练周期长，训练样本大，还需要对大量的训练样本进行标注，产生了极高的标注成本。同时，虽然现有的命名实体识别模型使用了大量的训练样本进行训练，但目前的命名实体识别模型仍不能对一些生僻或者口语化的文本进行精确地识别与提取。例如，即便是训练了海量语料的命名实体识别模型，在遇到如“上3年8月份”、“二零一九年一月到三月”等时间类实体时也容易出现错误识别的情况。因此，如何有效地提高实体识别的准确性成为了亟需解决的问题。

发明内容

本申请的主要目的在于提供一种基于多层模型的实体识别方法、装置、设备及存储介质，旨在通过大数据和人工智能相关技术手段实现提高实体识别的准确性的功能，可应用于智慧城市的智慧医疗领域，从而推动智慧城市的建设。

第一方面，本申请提供一种基于多层模型的实体识别方法，所述多层模型包括词语识别模型、句法分析模型和命名实体识别模型，所述方法包括：

获取语句信息，并基于所述词语识别模型对所述语句信息进行分词处理，得到多个分词信息；

通过所述句法分析模型，提取每个所述分词信息的句法关系；

基于所述命名实体识别模型，根据每个所述分词信息的句法关系，确定所述语句信息中的实体信息。

第二方面，本申请还提供一种基于多层模型的实体识别装置，所述多层模型包括词语识别模型、句法分析模型和命名实体识别模型，所述装置包括：

分词模块，用于获取语句信息，并基于所述词语识别模型对所述语句信息进行分词处理，得到多个分词信息；

句法分析模块，通过所述句法分析模型，提取每个所述分词信息的句法关系；

实体识别模块，基于所述命名实体识别模型，根据每个所述分词信息的句法关系，确定所述语句信息中的实体信息。

第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上所述的基于多层模型的实体识别方法的步骤。

第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上所述的基于多层模型的实体识别方法的步骤。

本申请提供一种基于多层模型的实体识别方法、装置、设备及存储介质，本申请基于词语识别模型对获取的语句信息进行分词处理，得到多个分词信息，再通过句法分析模型，提取每个分词信息的句法关系，然后基于命名实体识别模型，根据每个分词信息的句法关系，确定语句信息中的实体信息。通过多层模型可以极大地提高命名实体识别的准确性，只需利用小样本对命名实体识别模型进行机器学习即可准确地提取出语句信息中的实体信息，解决了当前实体识别时精确度不理想、应对口语化表达效果不好的现实问题。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。