[发明专利]实体关系抽取的方法及装置

说明书

本发明实施例公开了一种实体关系抽取的方法，包括：确定给定文本的目标实体关系词，给定文本包括与预定实体相关的信息；识别给定文本中的除预定实体之外的实体，并存储形成实体库；基于预定特征根据给定文本所包含的实体库中的实体所在的句子来构建句子中的实体的特征向量；从特征向量中筛选出目标特征向量，目标特征向量指示了目标特征向量对应的实体所在的句子记录了目标特征向量对应的实体与预设实体之间存在目标实体关系；抽取与目标特征向量对应的实体。本发明实施例公开了一种实体关系抽取的方法及装置，能够避免泛化出错误的模式及引入错误的实体关系，能提高抽取实体关系的准确率和工作效率。

技术领域

本发明涉及文本处理领域，尤其涉及一种实体关系抽取的方法及装置。

背景技术

随着互联网的迅猛发展，越来越多的信息以电子文本的形式用于人们的生活中，如何帮助人们在电子文本信息源中迅速找到真正需要的信息成为要解决的主要问题，由此产生了信息抽取的方法。信息抽取的主要功能是从文本中抽取出特定的事实信息，称之为实体。在一些信息抽取的应用场景中，尤其是金融领域，为了满足人们的需求，不仅要识别文本中的实体，还要确定这些实体之间的关系，即实体关系抽取，实体关系抽取对信息抽取技术的研究与应用都有重要的意义。当前实体关系抽取通常采用基于机器学习的方法，例如Bootstrapping，它首先构造实体关系的模式，例如A和B模式，A、B为两个实体，并从文本中抽取符合构造的模式的实体，然后根据新抽取的实体来对原构造的模式进行泛化，再使用泛化后的模式对文本进行新一轮抽取，如此循环操作，直到抽取的关系满足要求为止。现有技术的方法中，在对原构造的模式进行泛化时，很容易泛化出错误的模式，例如，原构造的模式为A和B，泛化出的模式为C与D、E或F，而E或F属于泛化出的错误模式，根据这些错误的模式进行实体关系抽取，就会引入错误的实体关系，循环操作可能使错误的模式延续和扩大化，从而降低抽取实体关系的准确率，降低工作效率。

发明内容

本发明实施例提供一种实体关系抽取的方法及装置，能够提高抽取实体关系的准确率，提高工作效率。

第一方面，本发明实施例提供一种实体关系抽取的方法，包括：

确定给定文本的目标实体关系词，给定文本包括与预定实体相关的信息，目标实体关系词表示除预定实体之外的实体与预定实体之间为目标实体关系的词；

识别给定文本中的除预定实体之外的实体，并存储形成实体库；

基于预定特征根据给定文本所包含的实体库中的实体所在的句子来构建句子中的实体的特征向量，预定特征包括如下特征中的至少一者：各个实体所在句子的特征、各个实体与各个实体所在句子中的各词之间的关系特征和各个实体的特征；

从特征向量中筛选出目标特征向量，目标特征向量指示了目标特征向量对应的实体所在的句子记录了目标特征向量对应的实体与预设实体之间存在目标实体关系；

抽取与目标特征向量对应的实体。

第二方面，本发明实施例提供一种实体关系抽取的装置，包括：

确定单元，用于确定给定文本的目标实体关系词，给定文本包括与预定实体相关的信息，目标实体关系词表示除预定实体之外的实体与预定实体之间为目标实体关系的词；

识别单元，用于识别给定文本中的除预定实体之外的实体，并存储形成实体库；

构建单元，用于基于预定特征根据给定文本所包含的实体库中的实体所在的句子来构建句子中的实体的特征向量，预定特征包括如下特征中的至少一者：实体所在句子的特征、实体与实体所在句子中的各词之间的关系特征和各个实体的特征；

筛选单元，用于从特征向量中筛选出目标特征向量，目标特征向量指示了目标特征向量对应的实体所在的句子记录了目标特征向量对应的实体与预设实体之间存在目标实体关系；