[发明专利]核心实体抽取方法、装置以及电子设备

说明书

本公开公开了核心实体抽取方法、装置以及电子设备，涉及知识图谱、深度学习技术领域。具体实现方案为：获取输入文本；根据所述输入文本，获取核心实体候选集，其中，所述核心实体候选集包括由生成器生成的第一核心实体候选集，以及与所述输入文本的语义相关的第二核心实体候选集；将所述核心实体候选集输入至预先获取的判别器，获得所述输入文本的核心实体。由于核心实体候选集根据生成器和对输入文本进行语义解析获取，可以确保核心实体候选集对核心实体的覆盖率，从而提高获取的输入文本的核心实体的召回率。

技术领域

本公开涉及计算机领域中的知识图谱、深度学习技术领域。具体地，提供了一种核心实体抽取方法、装置以及电子设备。

背景技术

核心实体是指明确文本资源所主要描述的实体或能反映文章核心主题的实体。核心实体抽取技术目前普遍采用如下三种方案来解决：

基于无监督学习的关键词提取技术。这种方法适用于面对大规模无标注语料时的方案调研；

基于有监督学习的端到端（End2End）核心实体抽取技术。这种方案使用在拥有海量训练数据的场景下，源文本直接输入端到端模型中，经词向量（Word2Vec）将文字映射至低维向量空间后，进入编码器提取高维语义和词法特征，最后经过解码器输出文本的最佳标签序列路径，得到核心实体。

基于有监督学习的管道（Pipeline）核心实体抽取技术，这种方案适用在训练数据有限的离线任务场景中。

发明内容

本公开提供了一种核心实体抽取方法、判别器训练方法、装置以及电子设备。

根据本公开的第一方面，提供了一种核心实体抽取方法，包括：

获取输入文本；

根据所述输入文本，获取核心实体候选集，其中，所述核心实体候选集包括由生成器生成的第一核心实体候选集，以及与所述输入文本的语义相关的第二核心实体候选集；

将所述核心实体候选集输入至预先获取的判别器，获得所述输入文本的核心实体。

根据本公开的第二方面，提供了一种判别器训练方法，包括：

获取训练样本，所述训练样本包括训练文本的核心嵌套实体和所述训练文本的非核心嵌套实体；

根据所述训练样本对初始的判别器进行训练，得到新的判别器，所述新的判别器的输入包括输入文本的第一核心实体候选集和第二核心实体候选集，所述新的判别器的输出包括所述输入文本的核心实体，其中，所述第一核心实体候选集由生成器生成，所述第二核心实体候选集与所述输入文本的语义相关。

根据本公开的第三方面，提供了一种核心实体抽取装置，包括：

第一获取模块，用于获取输入文本；

第二获取模块，用于根据所述输入文本，获取核心实体候选集，其中，所述核心实体候选集包括由生成器生成的第一核心实体候选集，以及与所述输入文本的语义相关的第二核心实体候选集；

第三获取模块，用于将所述核心实体候选集输入至预先获取的判别器，获得所述输入文本的核心实体。

根据本公开的第四方面，提供了一种判别器训练装置，包括：

获取模块，用于获取训练样本，所述训练样本包括训练文本的核心嵌套实体和所述训练文本的非核心嵌套实体；

训练模块，用于根据所述训练样本对初始的判别器进行训练，得到新的判别器，所述新的判别器的输入包括输入文本的第一核心实体候选集和第二核心实体候选集，所述新的判别器的输出包括所述输入文本的核心实体，其中，所述第一核心实体候选集由生成器生成，所述第二核心实体候选集与所述输入文本的语义相关。

根据本公开的第五方面，提供了一种电子设备，包括：