[发明专利]一种用于人物实体库的文本相似度实体消歧方法和系统

权利要求书

1.一种用于人物实体库的文本相似度实体消歧方法，其特征在于，所述方法包括如下步骤：

获取待消歧实体，根据待消歧实体从知识库中捞取候选实体；

对待消歧实体和候选实体的人物实体简历文本计算word2vec向量，用word2vec向量对计算余弦相似度分数，设置余弦相似度阈值，粗召回与待消歧实体余弦相似度分数大于所述余弦相似度阈值的候选实体；

采用Bi-LSTM模型计算待消歧实体和候选实体的文本相似度，分别采用Bi-LSTM模型对所述待消歧实体和候选实体分别进行特征提取，获取待消歧实体文本序列表征和候选实体的文本序列表征；

分别计算所述待消歧实体文本序列表征和候选实体的文本序列表征的特征向量，并将相同类型实体的文本序列表征和特征向量融合；

根据所述待消歧实体和候选实体的特征向量融合结果计算文本相似度。

2.根据权利要求1所述的一种用于人物实体库的文本相似度实体消歧方法，其特征在于，在获取消歧实体前，通过输入层对原始数据进行筛选处理，获取文章级别的筛选数据。

3.根据权利要求1所述的一种用于人物实体库的文本相似度实体消歧方法，其特征在于，获取筛选数据，并对所述筛选数据进行预处理，所述预处理包括：通过分词器将筛选数据文本进行分词，获取字词级别的语料信息。

4.根据权利要求3所述的一种用于人物实体库的文本相似度实体消歧方法，其特征在于，所述预处理还包括：将筛选的数据文本去除停用词和无意义虚词。

5.根据权利要求2所述的一种用于人物实体库的文本相似度实体消歧方法，其特征在于，所述输入层捞取与待消歧实体具有相同名称的候选实体，获取候选实体多个简历信息后将每个候选实体简历和待消歧实体简历构建多个句子对，用于Bi-LSTM模型训练。

6.根据权利要求5所述的一种用于人物实体库的文本相似度实体消歧方法，其特征在于，所述句子对包括候选实体简历句子和待消歧实体简历句子，所述候选实体简历句子候选实体简历中多个字词组成的token序列文本，所述待消歧实体简历句子为待消歧实体简历中多个字词组成的token序列文本。

7.根据权利要求6所述的一种用于人物实体库的文本相似度实体消歧方法，其特征在于，分别采用所述Bi-LSTM模型分别对候选实体简历的token序列文本和待消歧实体简历的token序列文本分别进行特征提取，用于获取第一候选实体简历文本序列表征A和第一待消歧实体简历文本序列表征B。

8.根据权利要求7所述的一种用于人物实体库的文本相似度实体消歧方法，其特征在于，对候选实体简历文本序列表征A和待消歧实体简历文本序列表征B分别进行计算softattention模式下的特征向量矩阵，并计算归一化后的soft attention权重。

9.根据权利要求8所述的一种用于人物实体库的文本相似度实体消歧方法，其特征在于，计算候选实体简历文本序列soft attention向量表征A₁和待消歧实体简历文本序列soft attention向量表征B₁，候选实体简历文本序列soft attention向量表征A₁和候选实体简历文本序列表征A进行融合，待消歧实体简历文本序列soft attention向量表征B₁和待消歧实体简历文本序列表征B进行融合，分别生成融合候选实体简历文本表征A₃和融合待消歧实体简历文本表征B₃，将所述融合候选实体简历文本表征A₃和融合待消歧实体简历文本表征B₃分别输入到Bi-LSTM模型中生成第二候选实体简历文本序列表征a和第二待消歧实体简历文本序列表征b。