[发明专利]一种机构名实体识别方法

摘要

本发明公开了一种机构名实体识别方法，该方法首先通过无监督方法构建领域词词库的领域字符字向量，再在领域字向量中引入通用标记语料的上下文知识获得最终使用的字向量矩阵。使用最终使用的字向量矩阵训练分词模型来划分领域待识别语料。接着，分析通用标记语料的N‑Gram特征获得拓扑关系矩阵。通过拓扑关系矩阵来构建语料的拓扑关系并训练用于机构名实体识别的GCN模型。最终实现对于特定领域的机构名实体识别。本发明方法解决了在特定领域的机构名识别场景下，领域标记语料不足、识别准确率低以及对于领域专有名词识别能力较弱的问题。

主权项

1.一种机构名实体识别方法，其特征在于，该方法包括以下步骤：步骤1：将目标领域中的专有名词作为领域词构成领域词词库，为领域词中出现的每个字符分配与其对应的字向量。步骤2：将领域词词库中的字符进行数字编码，每个数字编码分别对应该字符的字向量序号，并使用数字编码来编码领域词词库中的每一个词。步骤3：对步骤2中产生的词编码进行one‑hot编码后，用无监督方法进行字向量训练，得到以每个字符的领域字向量为行元素的矩阵，记为领域信息矩阵。步骤4：在步骤3训练出的领域字向量基础上加入通用标记语料N的上下文信息，得到最终使用的字向量矩阵。步骤5：使用步骤4产生的最终使用的字向量矩阵以及通用标记语料N训练分词模型。步骤6：统计通用标记语料N的N‑Gram特征，在N‑Gram特征大于设定阈值的词对之间建立拓扑连接，权重为N‑Gram特征值，生成拓扑关系矩阵。步骤7：根据拓扑关系矩阵分析通用标记语料N，生成词和词之间的拓扑关系。通过查询拓扑关系矩阵相应词对出现的频次，若其大于预期值S则认为它们之间存在拓扑关系，否则无拓扑关系。步骤8：将通用标记语料N和步骤7中产生的拓扑关系作为GCN模型的输入，训练机构名实体识别模型。步骤9：在预测时，首先将待预测语料送入步骤5中所产生的分词模型，获得分词结果后，再根据步骤6中获得的拓扑关系矩阵分析其拓扑关系，最后将分词结果和拓扑关系作为步骤8获得的机构名实体识别模型的输入，来获得最终的机构名实体识别结果。