[发明专利]一种实体识别方法、装置、设备以及存储介质

权利要求书

1.一种实体识别方法，其特征在于，包括：

获取目标文本信息；

将所述目标文本信息输入目标识别模型中的输入表示层，以生成目标向量序列，所述目标向量序列包括多个词向量，所述词向量基于至少两个文本维度表示所得；

将所述目标向量序列输入所述目标识别模型中的语义表示层，以得到标签预测序列，其中，所述标签预测序列为所述词向量与多个实体标签的归属概率集合，所述语义表示层包括多个并列的识别节点，所述识别节点之间相互关联，所述识别节点用于识别对应的所述词向量与多个所述实体标签的归属概率，所述实体标签基于不同类别的实体设定；

将所述标签预测序列输入所述目标识别模型中的条件鉴别层，以确定所述归属概率集合中的目标项，所述目标项用于指示所述目标文本信息中的所述实体。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标文本信息输入目标识别模型中的输入表示层，以生成目标向量序列，包括：

将所述目标文本信息输入目标识别模型中的输入表示层进行词嵌入处理，以得到词嵌入向量；

对所述目标文本信息进行字嵌入处理，以得到字嵌入向量；

基于所述词嵌入向量和所述字嵌入向量生成所述目标向量序列。

3.根据权利要求1所述的方法，其特征在于，所述语义表示层包括双向编码器和双向记忆网络模型，所述将所述目标向量序列输入所述目标识别模型中的语义表示层，以得到标签预测序列，包括：

将所述目标向量序列输入所述双向编码器，以得到第一语义表示；

将所述第一语义表示输入所述双向记忆网络模型，以得到目标语义表示；

基于所述目标语义表示与多个所述实体标签进行匹配，以得到所述标签预测序列。

4.根据权利要求3所述的方法，其特征在于，所述将所述第一语义表示输入所述双向记忆网络模型，以得到目标语义表示，包括：

将所述第一语义表示输入所述双向记忆网络模型进行基于第一次序的计算，以得到上位信息；

将所述第一语义表示输入所述双向记忆网络模型进行基于第二次序的计算，以得到下位信息；

基于所述上位信息和所述下位信息进行拼接，以得到所述目标语义表示。

5.根据权利要求1所述的方法，其特征在于，所述语义表示层包括所述双向编码器和所述双向记忆网络模型，所述将所述目标向量序列输入所述目标识别模型中的语义表示层，以得到标签预测序列，包括：

将所述目标向量序列输入所述双向编码器，以得到所述第一语义表示；

将所述目标向量序列输入所述双向记忆网络模型，以得到第二语义表示；

对所述第一语义表示和所述第二语义表示进行拼接，以得到目标语义表示；

基于所述目标语义表示与多个所述实体标签进行匹配，以得到所述标签预测序列。

6.根据权利要求3-5任一项所述的方法，其特征在于，所述方法还包括：

获取所述目标文本信息对应的文本大小；

基于所述文本大小确定所述目标向量序列输入所述双向编码器和所述双向记忆网络模型的方式。

7.根据权利要求3-5任一项所述的方法，其特征在于，所述方法还包括：

获取所述目标文本信息对应的预设实体集合；

确定所述预设实体集合中的目标类别；

基于所述目标类别对所述双向编码器进行训练，以使得所述双向编码器适配于所述目标文本信息。

8.根据权利要求1所述的方法，其特征在于，所述将所述标签预测序列输入所述目标识别模型中的条件鉴别层，以确定所述归属概率集合中的目标项，包括：

将所述标签预测序列输入所述目标识别模型中的条件鉴别层，以获取所述条件鉴别层中的约束条件，所述约束条件基于预设的全局信息设定；

基于所述约束条件对每个所述词向量对应的所述归属概率进行筛选，以确定所述归属概率集合中的所述目标项。