[发明专利]替换实体名称方法、装置、存储介质及电子装置

说明书

本发明提供了一种替换实体名称方法、装置、存储介质及电子装置，包括：获取待处理的文本语句；通过命名实体识别NER模型识别出所述文本语句中的目标实体名称，其中，所述NER模型是使用多组数据通过机器学习算法训练出的，所述多组数据中的每组数据均包括：文本语句；在预先建立好的实体分类模型中确定所述目标实体名称所属的目标类别；将所述文本语句中的所述目标实体名称替换成所述目标类别所对应的除所述目标实体名称之外的其他实体名称。通过本发明，解决了文本内容数据增强方法效率低的问题，进而达到了节省人力资源和时间的效果。

技术领域

本发明涉及通信领域，具体而言，涉及一种替换实体名称方法、装置、存储介质及电子装置。

背景技术

数据增强在图像处理领域比较常见，在图像领域一般可以通过旋转、翻转、缩放、噪声扰动以及颜色等方式来增加图像的数量。

自然处理领域数据增强的方法一般比较少见，由于在自然语言处理的过程中对文本内容做数据增强首先要满足的就是要保证对文本内容做增强后要能够起所表达的语义不会发生改变，所以处理起来不是很方便。

目前在实体识别任务上做的比较好的都是基于有监督的学习方法，而监督式的学习方法要求训练数据是被标注过的。人工标注是一件费时费力的工程。

因此，针对相关技术中，文本内容数据增强方法效率低的技术问题，尚不存在一种有效的解决方案。

发明内容

本发明实施例提供了一种替换实体名称方法、装置、存储介质及电子装置，以至少解决相关技术中文本内容数据增强方法效率低的问题。

根据本发明的一个实施例，提供了一种替换实体名称方法，包括：获取待处理的文本语句；通过命名实体识别NER模型识别出所述文本语句中的目标实体名称，其中，所述NER模型是使用多组数据通过机器学习算法训练出的，所述多组数据中的每组数据均包括：文本语句；在预先建立好的实体分类模型中确定所述目标实体名称所属的目标类别；将所述文本语句中的所述目标实体名称替换成所述目标类别所对应的除所述目标实体名称之外的其他实体名称。

可选地，在预先建立好的实体分类模型中确定所述目标实体名称所属的目标类别，包括：通过第一模型将所述目标实体名称转换为目标词向量，其中，所述第一模型是使用多组数据通过机器学习算法训练出的，所述多组数据中的每组数据均包括：词向量；通过聚类算法确定所述目标词向量所属的所述目标类别。

可选地，将所述文本语句中的所述目标实体名称替换成所述目标类别所对应的除所述目标实体名称之外的其他实体名称，包括：在所述目标类别所对应的第一实体名称数据库中随机挑选出预定数量的所述其他实体名称，将所述文本语句中的所述目标实体名称依次替换为所述其他实体名称；依次输出实体增强文本，其中，所述实体增强文本为将所述文本语句中的目标实体名称替换为所述其他实体名称后的文本。

可选地，所述第一模型为神经网络模型或word2vec模型。

可选地，所述聚类算法包括以下之一：K-MEANS算法、K-MEDOIDS、Clara算法。

根据本发明的另一个实施例，提供了一种替换实体名称的装置，包括：获取模块，用于获取待处理的文本语句；识别模块，用于通过命名实体识别NER模型识别出所述文本语句中的目标实体名称，其中，所述NER模型是使用多组数据通过机器学习算法训练出的，所述多组数据中的每组数据均包括：文本语句；确定模块，用于在预先建立好的实体分类模型中确定所述目标实体名称所属的目标类别；替换模块，用于将所述文本语句中的所述目标实体名称替换成所述目标类别所对应的除所述目标实体名称之外的其他实体名称。

可选地，所述确定模块包括：转换单元，用于通过第一模型将所述目标实体名称转换为目标词向量，其中，所述第一模型是使用多组数据通过机器学习算法训练出的，所述多组数据中的每组数据均包括：词向量；确定单元，用于通过聚类算法确定所述目标词向量所属的所述目标类别。