[发明专利]一种基于深度学习的歌曲文本命名实体识别方法

权利要求书

1.一种基于深度学习的歌曲文本命名实体识别方法，其特征在于，具体操作步骤如下：

步骤1，使用爬虫框架Scrapy对音乐领域中的歌者信息进行提取，生成歌者词典并用MySQL进行存储；

步骤2，获取歌者信息的相关语料，并将其分为歌者训练集及歌者测试集，其中歌者训练集是用来训练生成歌者信息识别模型，歌者测试集用来更新歌者词典；

步骤3，对步骤2中歌者训练集中的歌者信息依据现有的歌者词典进行基于匹配的词性标注；

步骤4，使用Bi-LSTM-CRF算法对步骤3中带标注的歌者训练集进行训练，生成歌者信息识别模型，该模型可以实现对音乐领域中的歌者信息进行提取；

步骤5，对步骤4中生成的歌者信息识别模型输入关于测试集或音乐领域中的语料信息，识别模型将实现对语料中的歌者信息进行提取；

步骤6，对步骤5中识别模型提取的歌手、歌曲、专辑等信息按序分类整合，实现对数据的融合，得到歌者信息识别的初步结果；

步骤7，对步骤6中得到的歌者信息识别的初步结果信息保存到文件1.txt中；

步骤8，获取步骤7中的文件1.txt，将文件中的歌者信息与歌者词典中的歌者信息进行比较，检测判断是否出现歌者词典中未记载的歌者信息，如果出现未记载的信息，则保存成为3.txt；若识别出的信息在歌者词典中存在，则保存成为2.txt；

步骤9，对步骤8中3.txt文件中的未记载信息进行自动化检验判断，获取正确的歌者信息并将其存储到4.txt文件中；

步骤10，对步骤8中识别出的且歌者词典中存在的信息2.txt与步骤9中歌者词典中不存在但是正确的歌者信息4.txt进行数据的融合，形成在步骤5输入语料中含有歌者相关信息的文本文件5.txt，并将其作为输出结果显示出来；

步骤11，对步骤9中4.txt文件中的歌者信息使用DICDIFF算法对歌者词典进行更新；

步骤12，定期重复步骤3、4，重新训练模型，提高歌者信息识别准确率。

2.根据权利要求1所述的基于一种深度学习的歌曲文本命名实体识别方法，其特征在于，步骤1中构建歌者词典采用树形结构对歌者信息进行保存，并采用hash编码对保存的树形节点进行映射形成信息索引，最后将带有索引的树形的歌者词典保存到数据库中。

3.根据权利要求1所述的基于一种深度学习的歌曲文本命名实体识别方法，其特征在于，步骤3中采用基于深度学习的方法建立歌者信息进行识别模型，具体步骤如下：

步骤3.1，对步骤2中歌者训练集中的语料以句号进行划分；

步骤3.2，从歌者词典中查找歌者信息，对步骤3.1的每一句语料中的歌手姓名、歌曲、专辑等歌者信息进行提取；

步骤3.3，对步骤3.2中提取的歌者信息进行特征化标注，其余非歌者信息标注为“O”；

步骤3.4，将训练集中对文本标注的信息进行存储并形成一个新的文本1.txt；

步骤3.5，使用深度学习中的Bi-LSTM-CRF算法，导入步骤3.4中标注好的文本1.txt进行模型训练；

步骤3.6，生成能够在音乐领域中对歌者信息进行识别的模型。

4.根据权利要求1所述的基于一种深度学习的歌曲文本命名实体识别方法，其特征在于，步骤8中能够对歌者信息是否存在于歌者词典中进行主动分类，具体步骤如下：

步骤8.1，将步骤7中的文本1.txt中的每一项信息歌者信息通过hash映射在本地歌者词典库中进行查找；

步骤8.2，根据步骤8.1中信息的查找结果进行分类，若在歌者词典中存在相关信息则将其保存到文本2.txt中；若在词典中不存在则将其保存到文本3.txt中。