[发明专利]一种领域词抽取方法、装置、终端及计算机可读存储介质

权利要求书

1.一种领域词抽取方法，其特征在于，包括：

将目标文本输入已训练的领域词抽取模型，抽取所述目标文本中所有的原始领域词；

将所有所述原始领域词输入已训练的领域词分类模型，获得每个所述原始领域词对应的分类结果；

根据所述分类结果，按照预设关联规则将所述原始领域词关联到标准层级关系表中的标准领域词，并输出所述标准领域词。

2.根据权利要求1所述的领域词抽取方法，其特征在于，所述将目标文本输入已训练的领域词抽取模型，抽取所述目标文本中所有的原始领域词，包括：

将目标文本输入已训练的领域词抽取模型，得到与所述目标文本对应的向量序列，所述向量序列中的每个向量与所述目标文本中的每个单词一一对应；

利用全连接层对每个向量进行分类，输出分类结果序列，所述分类结果序列中包括与每个单词一一对应的标签，所述标签包括：领域词起始位置、领域词非起始位置以及非领域词；

以标签为领域词起始位置对应的单词和领域词非起始位置对应的单词抽取为原始领域词。

3.根据权利要求1或2所述的领域词抽取方法，其特征在于，将所有所述原始领域词输入已训练的领域词分类模型，获得每个所述原始领域词对应的分类结果，包括：

将所有所述原始领域词输入已训练的领域词分类模型；

按照所述领域词分类模型中的分类模型特征，对所有所述原始领域词进行分类，类别包括：已知领域词、新领域词、全新领域词以及噪音。

4.根据权利要求3所述的领域词抽取方法，其特征在于，根据所述分类结果，按照预设关联规则将所述领域词关联到标准层级关系表中的标准领域词，并输出所述标准领域词，包括：

当所述原始领域词的类别为噪音时，将所述原始领域词删除；

当所述原始领域词的类别为已知领域词时，按照第一预设关联规则将所述原始领域词关联到所述标准层级关系表中的标准领域词，并输出所述标准领域词；

当所述原始领域词的类别为新领域词或全新领域词时，按照第二预设关联规则将所述原始领域词关联至标准层级关系表中的标准领域词，并输出所述标准领域词；

其中，所述标准层级关系表中包括：标准领域词以及标准领域词之间的层级关系。

5.根据权利要求4所述的领域词抽取方法，其特征在于，所述第一预设关联规则为根据语义和字形关联；所述第二预设关联规则为根据层级匹配公式、字形和语义关联；

所述层级匹配公式为

其中，所述I和J均为领域词，所述∑_k∈(I∩J)I表示I和J同时出现的次数，所述∑_k∈II表示I出现的次数，所述∑_k∈JI表示J出现的次数；

当所述RC(i,j)大于预设阈值时，I为J的一个子类。

6.根据权利要求2所述的领域词抽取方法，其特征在于，所述领域词抽取模型和所述领域词分类模型的训练步骤包括：

获取第一训练数据集，对初始领域词抽取模型进行训练，得到第一训练领域词；

对所述第一训练领域词进行标注，并根据标注的所述第一训练领域词构建初始层级关系表；

根据标注的所述第一训练领域词，按照分类模型特征对所述初始领域词分类模型进行训练；

获取第二训练数据集，将所述第二训练数据集输入所述初始领域词抽取模型，得到所述第二训练数据集中的所有第二训练领域词；

将所有所述第二训练领域词进行分类处理，类别包括：已知领域词、新领域词、全新领域词以及噪音；

根据所述第二训练领域词的类别，按照分类模型特征训练所述初始领域词分类模型。