[发明专利]实体识别方法、装置、电子设备及存储介质

说明书

本申请提供的一种实体识别方法、装置、电子设备及存储介质，通过获取待识别实体的工业文件数据；确定所述工业文件数据对应的上下文的动态语义向量；确定所述工业文件数据对应的上下文的动态语义向量对应地权重值；基于所述动态语义向量对应地权重值和动态语义向量确定融合有上下文特征信息的文本特征向量；基于所述文本特征向量确定所述待识别识别的实体信息，能够提升实体识别的准确性。

技术领域

本申请涉及自然语言处理技术领域，特别地涉及一种实体识别方法、装置、电子设备及存储介质。

背景技术

命名实体识别是信息抽取以及自然语言处理领域的一项基本且重要的任务。近几年来，随着人工智能的发展，在我们的日常生活中得到了广泛的应用。通常人们会从一段新闻或者文字中获取自己需要的且重要的信息，所以这个时候，命名实体识别技术就显得十分重要，他能帮助我们很快的从文本中检索出我们需要的关键信息。命名实体识别能自动识别出人名、组织机构名、地名、时间等等实体信息。命名实体识别对于文本语义知识获取非常重要，而命名实体识别是事件或者关系抽取等技术的基石，对于非结构化的信息提取有重要意义作用。

目前，中文命名实体识别效果相对于英文来说，效果并不是很好，因为中文识别的相比英文有一定难度，相关技术中，主要是基于规则和统计的方法，这些方法主要用语言学家手工设定的词法、句法和语义规则模板，效果不是很理想。

发明内容

针对上述问题，本申请提供一种实体识别方法、装置、电子设备及存储介质，通过获取待识别实体的工业文件数据；确定所述工业文件数据对应的上下文的动态语义向量；确定所述工业文件数据对应的上下文的动态语义向量对应地权重值；基于所述动态语义向量对应地权重值和动态语义向量确定融合有上下文特征信息的文本特征向量；基于所述文本特征向量确定所述待识别识别的实体信息，能够提升实体识别的准确性。

本申请实施例提供一种实体识别方法，包括：

获取待识别实体的工业文件数据；

确定所述工业文件数据对应的上下文的动态语义向量；

确定所述工业文件数据对应的上下文的动态语义向量对应地权重值；

基于所述动态语义向量对应地权重值和动态语义向量确定融合有上下文特征信息的文本特征向量；

基于所述文本特征向量确定所述待识别识别的实体信息。

在一些实施例中，所述确定所述工业文件数据对应的上下文的动态语义向量，包括：

将所述工业文件数据输入至预先训练好的ELMO模型，确定所述工业文件数据对应的上下文的动态语义向量。

在一些实施例中，所述ELMO模型用于对所述工业文件数据进行语义编码得到语义编码信息，并基于所述语义编码信息确定所述工业文件数据对应的上下文的动态语义向量。

在一些实施例中，所述确定所述工业文件数据对应的上下文的动态语义向量对应地权重值，包括：

将所述工业文件数据对应的上下文的动态语义向量输入至预先训练好的SENet模型中，确定所述工业文件数据对应的上下文的动态语义向量对应地权重值。

在一些实施例中，所述基于所述动态语义向量对应的权重值和所述动态语义向量确定融合有上下文特征信息的文本特征向量，包括：

将所述动态语义向量对应的权重值和所述动态语义向量输入至预先训练好的BiLSTM中，确定融合有上下文特征信息的文本特征向量。

在一些实施例中，所述基于所述文本特征向量确定所述待识别识别的实体信息，包括：

将所述文本特征向量输入至预先训练好的条件随机场模型确定所述待识别实体的实体信息。