[发明专利]嵌套实体识别方法、装置、计算机设备及存储介质

权利要求书

1.一种嵌套实体识别方法，其特征在于，包括：

获取待识别的目标语句；

根据预设的编码规则对所述目标语句进行编码处理，生成所述目标语句的序列向量；

将所述序列向量输入至预设的实体识别模型中，其中，所述实体识别模型为预先训练至收敛状态，用于识别文字信息中实体词语指针的神经网络模型；

读取所述实体识别模型输出的多个实体词语指针，并基于预设的至少两个分类类别，计算各分类类别与各实体词语指针之间的置信度；

根据所述置信度确定所述各分类类别对应的实体词语指针，并生成所述各分类类别的分类结果。

2.根据权利要求1所述的嵌套实体识别方法，其特征在于，所述获取待识别的目标语句包括：

采集目标用户的用户信息、商品信息和/或用户行为信息；

将所述用户信息、商品信息和/或用户行为信息通过文字信息进行描述生成所述目标语句。

3.根据权利要求1所述的嵌套实体识别方法，其特征在于，所述序列向量包括词语向量，所述根据预设的编码规则对所述目标语句进行编码处理，生成所述目标语句的序列向量包括：

根据所述目标语句，确定所述目标语句的多个语句变量；

根据各语句变量生成所述目标语句对应的语句矩阵，并将所述各语句变量以二进制的方式嵌入至所述语句矩阵中，生成所述目标语句的词语向量。

4.根据权利要求3所述的嵌套实体识别方法，其特征在于，所述序列向量包括位置向量，所述根据预设的编码规则对所述目标语句进行编码处理，生成所述目标语句的序列向量包括：

获取所述各语句变量的位置信息，其中，所述位置信息包括所述各语句变量之间的相对位置信息；

根据预设的旋转式位置编码对所述位置信息进行编码，生成所述各语句变量对应的绝对位置信息，其中，所述各语句变量的绝对位置信息通过所述位置信息进行表达；

基于所述绝对位置信息，生成所述目标语句的位置向量。

5.根据权利要求1所述的嵌套实体识别方法，其特征在于，所述读取所述实体识别模型输出的多个实体词语指针，并基于预设的至少两个分类类别，计算各分类类别与各实体词语指针之间的置信度包括：

提取预设的至少两个分类类别；

根据所述实体识别模型的损失函数，计算所述各分类类别与所述多个实体词语指针之间的特征距离；

基于预设的sigmoid函数和所述特征距离，计算所述各分类类别与各实体词语指针之间的置信度。

6.根据权利要求1所述的嵌套实体识别方法，其特征在于，所述根据所述置信度确定所述各分类类别对应的实体词语指针，并生成所述各分类类别的分类结果包括：

将所述各分类类别中对应置信度最大的实体词语指针，确定为对应分类类别的实体词语指针；

在所述目标语句中提取与所述实体词语指针对应的实体词语；

根据所述实体词语生成所述各分类类别的分类结果。

7.根据权利要求1-6任意一项所述的嵌套实体识别方法，其特征在于，所述实体识别模型还包括损失函数，所述损失函数的特征描述为：

其中，所述Pα表示所述目标语句的中类型为α的实体词语指针集合，Qα表示所述目标语句非实体词语或者类型非α的实体的词语指针集合，切i≤j的组合。

8.一种嵌套实体识别装置，其特征在于，所述嵌套实体识别装置包括：

获取模块，用于获取待识别的目标语句；

处理模块，用于根据预设的编码规则对所述目标语句进行编码处理，生成所述目标语句的序列向量；

分类模块，用于将所述序列向量输入至预设的实体识别模型中，其中，所述实体识别模型为预先训练至收敛状态，用于识别文字信息中实体词语的神经网络模型；

计算模块，用于读取所述实体识别模型输出的多个实体词语指针，并基于预设的至少两个分类类别，计算各分类类别与各实体词语指针之间的置信度；

执行模块，用于根据所述置信度确定所述各分类类别对应的实体词语指针，并生成所述各分类类别的分类结果。