[发明专利]一种实体关系识别方法、装置、设备及存储介质

说明书

本发明公开了一种实体关系识别方法、装置、设备及存储介质。该方法包括：通过提示学习模块，将输入的待识别文本数据转换为提示文本数据后，输入实体抽取模型输出数据实体集合和编码特征向量；实体抽取模型基于提示数据训练样本集迭代训练预训练实体抽取模型得到；通过图神经网络模块，基于数据实体集合和编码特征向量构建实体关系图，对实体关系图中的各节点进行分类得到实体类别；通过实体关系识别模块，对各实体类别进行关系分类输出所述待识别文本数据的实体关系，能够在少量标注数据样本的条件下得到较好的实体关系识别效果，减少实体抽取模型的训练对训练样本的数量需求、降低文本数据训练样本的标记成本，减少计算量和对设备的硬件要求。

技术领域

本发明涉及数据分析技术领域，尤其涉及一种实体关系识别方法、装置、设备及存储介质。

背景技术

电网的大量业务关键数据都是以文本类非结构化存储为主。

电网数据具有规模大、领域广和形式多样的特点，对于电网数据的实体关系识别最重要的步骤在于实体抽取。目前，基于模型训练的实体抽取方法仍然面临以下几方面的挑战：标注样本缺乏，人工标注，数据量级小，且成本高；标注训练样本一般只局限与某些领域，训练得到的模型泛化能力弱；数据样例不均衡，存在大量的关系实体对样例较少的情况。

发明内容

本发明提供了一种实体关系识别方法、装置、设备及存储介质，通过提示学习和图神经网络的实体关系识别方法，能够在少量标注数据样本的条件下得到较好的实体关系识别效果，从而减少实体抽取模型的训练对文本数据训练样本的数量需求、降低文本数据训练样本的标记成本，减少计算量和对设备的硬件要求。

根据本发明的一方面，提供了一种实体关系识别方法，包括：

通过提示学习模块，将输入的待识别文本数据转换为提示文本数据后，输入实体抽取模型输出数据实体集合和编码特征向量；所述实体抽取模型基于提示数据训练样本集迭代训练预训练实体抽取模型得到；

通过图神经网络模块，基于所述提示学习模块输出的数据实体集合和编码特征向量构建实体关系图，对所述实体关系图中的各节点进行分类得到实体类别；

通过实体关系识别模块，对所述图神经网络模块输出的各实体类别进行关系分类输出所述待识别文本数据的实体关系。

根据本发明的另一方面，提供了一种实体关系识别装置，包括：

提示学习模块，用于将输入的待识别文本数据转换为提示文本数据后，输入实体抽取模型输出数据实体集合和编码特征向量；所述实体抽取模型基于提示数据训练样本集迭代训练预训练实体抽取模型得到；

图神经网络模块，用于基于所述提示学习模块输出的数据实体集合和编码特征向量构建实体关系图，对所述实体关系图中的各节点进行分类得到实体类别；

实体关系识别模块，用于对所述图神经网络模块输出的各实体类别进行关系分类输出所述待识别文本数据的实体关系。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的实体关系识别方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的实体关系识别方法。