[发明专利]一种数据抽取方法、装置、存储介质及设备

权利要求书

1.一种数据抽取方法，其特征在于，包括：

基于人工为携带有实体及实体间关系信息的非结构化第一组文档中的字符添加的标签，获取包括两个实体以及实体间关系的人工标注三元组；

依据预设模型从携带有实体及实体间关系信息的非结构化第二组文档中识别出的包括两个实体以及实体间关系的三元组，确定包括两个实体以及实体间关系的自动标注三元组；其中，所述预设模型为预设的与所述第二组文档的类型适配的能从所述非结构化第二组文档的字符中识别出包括两个实体以及实体间关系的三元组的模型，所述模型使用训练数据训练得到，所述训练数据包括基于对所述非结构化第一组文档进行人工标注得到的所述人工标注三元组以及所述携带有实体及实体间关系信息的非结构化第一组文档；

将所述人工标注三元组和依据所述预设模型从非结构化第二组文档的字符中识别出的三元组确定的自动标注三元组，作为从文档中抽取的知识数据；

其中，依据预设模型从携带有实体及实体间关系信息的非结构化第二组文档中识别出的包括两个实体以及实体间关系的三元组，确定包括两个实体以及实体间关系的自动标注三元组，包括以下至少一种方式：

第一种方式，将所述预设模型从所述第二组文档中识别出的所述三元组，作为所述自动标注三元组；

第二种方式，标注目标三元组，所述目标三元组为以下至少一项：所述预设模型从所述第二组文档中识别出的三元组中，存在矛盾的三元组；所述预设模型从所述第二组文档中识别出的三元组中，与所述人工标注三元组存在矛盾的三元组；缺项三元组；获取人工对于所述目标三元组的校正结果，作为所述自动标注三元组；

第三种方式，将所述预设模型从所述第二组文档中识别出的三元组中除所述目标三元组外的三元组，以及对所述目标三元组校正后的三元组，作为自动标注三元组。

2.根据权利要求1所述的方法，其特征在于，获取所述人工为第一组文档中的字符添加的标签的过程包括：

基于人工选取所述第一组文档中的字符的操作，显示待选实体标签的列表，所述待选实体标签依据所述第一组文档和所述第二组文档所属的领域的业务需求确定；

将人工从所述待选实体标签的列表中选择的标签，作为被选取字符的实体标签，得到标注的字符；

基于人工选取所述标注的字符的操作，显示实体标签间的待选关系的列表，所述实体标签间的待选关系依据所述第一组文档和所述第二组文档所属的领域的业务需求确定；

将人工从所述待选关系的列表中选择的关系，作为被选取的所述标注的字符的关系标签。

3.根据权利要求1所述的方法，其特征在于，所述训练数据还包括以下至少一项：

所述人工标注三元组中的元素在所述第一组文档中的位置、所述人工标注三元组中的元素在所述第一组文档中的组间距离、所述人工标注三元组中的元素在所述第一组文档中的组间语法关系。

4.根据权利要求1所述的方法，其特征在于，使用所述目标三元组的校正结果和所述第二组文档，重新训练所述模型。

5.根据权利要求1所述的方法，其特征在于，所述第一组文档的类型与所述第二组文档的类型相同；

所述与所述第二组文档的类型适配的模型的确定过程包括：

将在训练过程中，从所述第一组文档中识别出的三元组的准确率最高的模型，作为与所述第二组文档的类型适配的模型。