[发明专利]一种信息抽取方法、装置、设备及存储介质

说明书

本申请提出一种信息抽取方法、装置、设备及存储介质，该方法包括：从预设的知识库中选出与待抽取文本相似的实体，作为候选实体；根据所述待抽取文本中的各个文本段以及各个候选实体，确定所述待抽取文本中的各个文本段的融合特征；其中，所述待抽取文本中的文本段，由所述待抽取文本中的单个字符或者两个以上连续字符组成，所述融合特征包括文本段特征和候选实体特征；根据所述待抽取文本中的各个文本段的融合特征，确定所述待抽取文本中的各个实体，以及实体间的关系。采用上述方法能够同步地从文本中提取实体并确定实体关系，并且其信息提取准确度更高。

技术领域

本申请涉及自然语言处理技术领域，尤其涉及一种信息抽取方法、装置、设备及存储介质。

背景技术

信息抽取是从自然语言文本中抽取有用信息的主要手段，其中，实体和实体关系抽取，是信息抽取中最受关注的业务领域。

常规的信息抽取方法通常是先从文本中抽取实体，然后再分析实体间的关系，从而确定实体关系。该处理过程较繁琐，需要两步处理才能确定实体及实体间关系。而且，上述常规的信息抽取方法，完全是依赖待抽取文本自身的内容进行实体识别及实体关系确定，对实体和实体关系的识别准确度不高。

发明内容

基于上述技术现状，本申请实施例提出一种信息抽取方法，该方法能够一次性地从待抽取文本中抽取出实体并确定实体关系，并且其信息抽取准确度更高。

为了达到上述目的，本申请具体提出如下技术方案：

一种信息抽取方法，包括：

从预设的知识库中选出与待抽取文本相似的实体，作为候选实体；

根据所述待抽取文本中的各个文本段以及各个候选实体，确定所述待抽取文本中的各个文本段的融合特征；其中，所述待抽取文本中的文本段，由所述待抽取文本中的单个字符或者两个以上连续字符组成，所述融合特征包括文本段特征和候选实体特征；

根据所述待抽取文本中的各个文本段的融合特征，确定所述待抽取文本中的各个实体，以及实体间的关系。

可选的，所述从预设的知识库中选出与待抽取文本相似的实体，作为候选实体，包括：

通过将待抽取文本与预设的知识库进行匹配，从预设的知识库中选出与所述待抽取文本相似的知识三元组；

从选出的知识三元组中确定出与所述待抽取文本相似的实体，作为候选实体。

可选的，所述方法还包括：

利用与所述待抽取文本相关的信息，对所述待抽取文本进行信息扩充。

可选的，根据所述待抽取文本中的各个文本段以及各个候选实体，确定所述待抽取文本中的各个文本段的融合特征，包括：

分别确定所述待抽取文本中的各个文本段的向量编码，以及各个候选实体的向量编码；

根据各个文本段的向量编码，以及各个候选实体的向量编码，确定各个候选实体与各个文本段的相似度；

根据各个文本段的向量编码、各个候选实体的向量编码，以及各个候选实体与各个文本段的相似度，确定各个文本段的融合特征。

可选的，在分别确定所述待抽取文本中的各个文本段的向量编码后，所述方法还包括：

根据所述待抽取文本中的各个文本段的向量编码，从各个文本段中，滤除非实体文本段。

可选的，根据各个文本段的向量编码，以及各个候选实体的向量编码，确定各个候选实体与各个文本段的相似度，包括：

对于每个文本段，分别利用该文本段的向量编码以及各个候选实体的向量编码，确定该文本段与各个候选实体的相似度；