[发明专利]实体识别的方法和装置、电子设备和存储介质

说明书

本申请提供了一种实体识别的方法和装置、电子设备和存储介质，其中，该方法包括：获取待识别的目标文本数据；将目标文本数据输入目标模型内，得到目标文本数据属于的目标实体类别，其中，目标模型用于得到文本数据的标注信息，并根据标注信息识别出目标实体类别，目标模型是通过对第三模型进行第三模型参数调整后，得到的最终模型，第三模型为沿用第二模型内的第二模型参数，对训练集进行预训练的模型，第二模型为对第一模型进行预设次数的迭代训练后得到的模型，预设次数是利用第四模型对训练集进行处理得到的。通过本申请，解决了相关技术中存在的人工标注的成本高、时效低、数据漏标和标错的问题。

技术领域

本申请涉及数据处理领域，尤其涉及一种实体识别的方法和装置、电子设备和存储介质。

背景技术

命名实体识别(Named Entity Recognition，NER)是从文本中检测出真实实体并将其分类为预定类型(例如：地点、人、物、组织)的任务。它是知识抽取中的核心任务，对于各种下游应用，例如搜索引擎、问答系统和对话系统等应用来说都是很重要的一个基础任务。

传统的NER方法主要训练序列标注模型，例如基于手动设计特征的隐马尔可夫模型和条件随机场。随着深度神经网络的发展，深度学习模型能够利用深度神经网络自动提取有效的特征，减轻设计手动设计特征的负担，因此针对NER任务的深度学习模型也被提出并表现出很强的性能。但是，大多数深度学习方法依赖于大量标注的训练数据，由于NER任务需要字符(token)级别的标签，在基于序列标注的NER模型中，一个token往往只能被标注为一种实体，无法解决实体嵌套的情况；采用深度学习的NER中，往往需要大量的标注数据，这对于一些缺乏大量标注数据的领域NER任务来说，面临的是人工标注的高成本、低时效和引入认为错误的困境；一些采用远程监督方式的NER模型，利用已有的知识库或者领域词典进行数据标注，会因为知识库覆盖范围有限，造成数据的漏标。

因此，相关技术中存在人工标注的成本高、时效低、数据漏标和标错的问题。

发明内容

本申请提供了一种实体识别的方法和装置、电子设备和存储介质，以至少解决相关技术中存在人工标注的成本高、时效低、数据漏标和标错的问题。

根据本申请实施例的一个方面，提供了一种实体识别的方法，该方法包括：

获取待识别的目标文本数据；

将所述目标文本数据输入目标模型内，得到所述目标文本数据属于的目标实体类别，其中，所述目标模型用于得到所述文本数据的标注信息，并根据所述标注信息识别出所述目标实体类别，所述目标模型是通过对第三模型进行第三模型参数调整后，得到的最终模型，所述第三模型为沿用第二模型内的第二模型参数，对训练集进行预训练的模型，所述第二模型为对第一模型进行预设次数的迭代训练后得到的模型，所述预设次数是利用第四模型对所述训练集进行处理得到的。

根据本申请实施例的另一个方面，还提供了一种实体识别的装置，该装置包括：

第一获取单元，用于获取待识别的目标文本数据；

第一输入单元，用于将所述目标文本数据输入目标模型内，得到所述目标文本数据属于的目标实体类别，其中，所述目标模型用于得到所述文本数据的标注信息，并根据所述标注信息识别出所述目标实体类别，所述目标模型是通过对第三模型进行第三模型参数调整后，得到的最终模型，所述第三模型为沿用第二模型内的第二模型参数，对训练集进行预训练的模型，所述第二模型为对第一模型进行预设次数的迭代训练后得到的模型，所述预设次数是利用第四模型对所述训练集进行处理得到的。

可选地，该装置还包括：

第二获取单元，用于在所述获取待识别的目标文本数据之前，获取训练文本数据；

拼接单元，用于按照预设方案对所述训练文本数据内的字符进行片段式拼接，生成多个片段序列；