[发明专利]基于多图协作语义网络的实体识别方法、系统和存储介质

权利要求书

1.一种基于多图协作语义网络的实体识别方法，其特征在于，包括以下步骤：

获取原始数据，所述原始数据包括若干个中文句子；

提取所述原始数据的特征数据，所述特征数据包括词典特征数据和词性特征数据；

根据所述原始数据和所述特征数据构建多图矩阵；

将所述原始数据和所述特征数据进行合并，得到合并数据；

将所述合并数据和所述多图矩阵融合后进行协作训练，得到特征融合结果；

对所述特征融合结果进行解码，得到所述原始数据的中文命名实体识别结果。

2.根据权利要求1所述的一种基于多图协作语义网络的实体识别方法，其特征在于，所述提取所述原始数据的特征数据，包括：

采用词典工具对所述原始数据进行词特征数据匹配，得到词典特征数据；

采用词性解析工具对所述原始数据进行词性解析，得到词性特征数据。

3.根据权利要求1所述的一种基于多图协作语义网络的实体识别方法，其特征在于，在所述提取所述原始数据的特征数据后，所述方法还包括以下步骤：

将所述词典特征数据输入嵌入层，得到词典特征向量；

将所述词性特征数据输入嵌入层，得到词性特征向量；

将所述原始数据输入嵌入层，得到上下文信息向量。

4.根据权利要求3所述的一种基于多图协作语义网络的实体识别方法，其特征在于，所述根据所述原始数据和所述特征数据构建多图矩阵，包括：

融合所述词典特征向量和所述上下文信息向量，生成边界图；

融合所述词性特征向量和所述上下文信息向量，分别生成关系图和包含图。

5.根据权利要求4所述的一种基于多图协作语义网络的实体识别方法，其特征在于，所述关系图包括单个次之间的依存关系和词语之间的依存关系。

6.根据权利要求4所述的一种基于多图协作语义网络的实体识别方法，其特征在于，所述将所述合并数据和所述多图矩阵融合后进行协作训练，包括：

将第一合并数据与所述边界图的融合结果输入第一图注意网络进行图卷积处理，所述第一合并数据包括所述词典特征向量和所述上下文信息向量的合并数据；

将第二合并数据和所述关系图的融合结果输入到第二图注意网络进行图卷积处理，所述第二合并数据包括词性特征向量和所述上下文信息向量的合并数据；

将所述第二合并数据和所述包含图的融合结果输入到第三图注意网络进行图卷积处理。

7.根据权利要求6所述的一种基于多图协作语义网络的实体识别方法，其特征在于，所述将所述合并数据和所述多图矩阵融合后进行协作训练，还包括：

将所述边界图、所述关系图、所述包含图与所述原始数据的上下文信息输入融合层进行参数学习；

通过多图融合进行协作训练。

8.一种基于多图协作语义网络的实体识别系统，其特征在于，包括：

获取模块，用于获取原始数据，所述原始数据包括若干个中文句子；

提取模块，用于提取所述原始数据的特征数据，所述特征数据包括词典特征数据和词性特征数据；

构建模块，用于根据所述原始数据和所述特征数据构建多图矩阵；

合并模块，用于将所述原始数据和所述特征数据进行合并，得到合并数据；

协作训练模块，用于将所述合并数据和所述多图矩阵融合后进行协作训练，得到特征融合结果；

解码模块，用于对所述特征融合结果进行解码，得到所述原始数据的中文命名实体识别结果。

9.一种基于多图协作语义网络的实体识别系统，其特征在于，包括：

至少一个存储器，用于存储程序；

至少一个处理器，用于加载所述程序以执行如权利要求1-7任一项所述的基于多图协作语义网络的实体识别方法。

10.一种存储介质，其特征在于，其中存储有计算机可执行的程序，所述计算机可执行的程序被处理器执行时用于实现如权利要求1-7任一项所述的基于多图协作语义网络的实体识别方法。