[发明专利]嵌套命名实体识别模型的训练方法、装置、设备和介质

权利要求书

1.一种嵌套命名实体识别模型的训练方法，其特征在于，包括：

获取标注好的数据集，所述数据集包括：文字样本和所述文字样本对应的实体标签；

根据所述数据集确定第一数据集，所述第一数据集包括：文字样本、所述文字样本对应的实体标签和实体标签边界对应的位置坐标表示；

根据所述第一数据集确定实体词边界预测结果；

根据所述实体词边界预测结果确定实体类型预测结果；

根据所述第一数据集、所述实体词边界预测结果和所述实体类型预测结果计算实体词边界预测损失和实体类型预测损失；

根据所述实体词实体词边界预测损失和所述实体类型预测损失调整模型参数得到嵌套命名实体识别模型。

2.根据权利要求1所述的一种嵌套命名实体识别模型的训练方法，其特征在于，所述根据所述第一数据集确定实体词边界预测结果，包括：

根据所述第一数据集确定所述第一数据集对应的字向量；

将第一数据集对应的字向量中每个字向量分别输入全连接层和softmax函数得到实体词边界预测结果。

3.根据权利要求1所述的一种嵌套命名实体识别模型的训练方法，其特征在于，所述根据所述实体词边界预测结果确定实体类型预测结果，包括：

根据所述实体词边界预测结果中实体词开始位置和实体词结束位置确定实体区间；

将所述实体区间输入全连接层和softmax函数得到实体类型预测结果。

4.根据权利要求1所述的一种嵌套命名实体识别模型的训练方法，其特征在于，所述根据所述数据集确定第一数据集，包括：

将所述数据集中文字样本对应的实体词标签替换为只标注实体词开始的标签和实体词结束的标签；

根据所述只标注实体词开始的标签和实体词结束的标签确定实体词标签边界对应的位置坐标表示；

所述数据集和实体词标签边界对应的位置坐标表示组成了第一数据集。

5.根据权利要求2所述的一种嵌套命名实体识别模型的训练方法，其特征在于，所述根据所述第一数据集确定所述第一数据集对应的字向量，包括：

将所述第一数据集中的文字样本输入到预训练BERT模型中；

通过前向计算得到文字样本中每个字对应的字向量。

6.根据权利要求1所述的一种嵌套命名实体识别模型的训练方法，其特征在于，所述根据所述第一数据集、所述实体词边界预测结果和所述实体类型预测结果计算实体词实体词边界预测损失和实体类型预测损失，包括：

根据所述第一数据集和所述实体词边界预测结果计算得到实体词实体词边界预测损失；

根据所述第一数据集和所述实体类型预测结果计算得到实体类型预测损失。

7.根据权利要求1所述的一种嵌套命名实体识别模型的训练方法，其特征在于，根据所述实体词边界预测损失和所述实体类型预测损失调整模型参数得到嵌套命名实体识别模型，包括：

根据所述实体词边界预测损失和所述实体类型预测损失求和后的损失调整模型参数得到嵌套命名实体识别模型。

8.一种嵌套命名实体识别模型的训练装置，其特征在于，包括：

获取模块：用于获取标注好的数据集，所述数据集包括：文字样本和所述文字样本对应的实体标签；

第一确定模块：用于根据所述数据集确定第一数据集，所述第一数据集包括：文字样本、所述文字样本对应的实体标签和实体标签边界对应的位置坐标表示；

第二确定模块：用于根据所述第一数据集确定实体词边界预测结果；

第三确定模块：用于根据所述实体词边界预测结果确定实体类型预测结果；

计算模块：用于根据所述第一数据集、所述实体词边界预测结果和所述实体类型预测结果计算实体词边界预测损失和实体类型预测损失；

调整模块：用于根据所述实体词实体词边界预测损失和所述实体类型预测损失调整模型参数得到嵌套命名实体识别模型。