[发明专利]命名实体的识别方法和设备、以及计算机可读存储介质

权利要求书

1.一种命名实体的识别方法，其特征在于，包括：

获取待识别文本；

确定用于识别所述待识别文本中的命名实体的命名实体识别模型所应用的场景类型；

将所述待识别文本和所述场景类型输入所述命名实体识别模型；

获取所述命名实体识别模型的输出信息，以确定所述命名实体识别模型针对所述场景类型在所述待识别文本中识别出的命名实体。

2.如权利要求1所述的方法，其特征在于，

在将所述待识别文本和所述场景类型输入所述命名实体识别模型之前，所述方法还包括：

将所述待识别文本按照划分单位标注内容索引，其中，内容相同的所述划分单位通过相同的内容索引进行标注；

确定所述场景类型所对应的场景类型索引；针对每个所述划分单位标注所述场景类型索引；

相应的，所述将所述待识别文本和所述场景类型输入所述命名实体识别模型，包括：

将所述待识别文本中所有所述划分单位被标注的索引输入所述命名实体识别模型。

3.如权利要求2所述的方法，其特征在于，在将所述待识别文本中所有所述划分单位被标注的索引输入所述命名实体识别模型之后，所述命名实体识别模型的处理方法包括：

针对每个所述划分单位，分别将被标注的不同类型的索引转换为多维向量；

针对每个所述划分单位，按序拼接不同类型的索引转换后的多个多维向量；

将所述待识别文本中所有所述划分单位的拼接向量输入序列标注模型；

获取所述序列标注模型的输出结果，以得到所述待识别文本中的命名实体的标注信息。

4.如权利要求3所述的方法，其特征在于，所述序列标注模型为深度学习模型，所述深度学习模型包括：

一层或多层循环神经网络，每层所述循环神经网络利用神经网络计算单元按序对所述待识别文本中每个所述划分单位的拼接向量进行计算，以输出每个所述划分单位对应的计算结果向量；

条件随机场，用于接收向量序列，所述向量序列包括按序排列的多个所述计算结果向量，所述多个计算结果向量为所述一层或多层循环神经网络中最后一层所述循环神经网络针对所有所述划分单位的计算结果向量，以输出用于标识每个所述划分单位是否为命名实体的标注标签。

5.如权利要求1-4任一项所述的方法，其特征在于，在将所述待识别文本和所述场景类型输入所述命名实体识别模型之前，所述方法还包括：获取本轮会话对应的待识别的第一文本；检测所述第一文本中是否存在第一关键词，所述第一关键词用于指示所述第一文本与多轮会话场景相关；在所述第一文本中存在所述第一关键词的情况下，将所述第一文本中的所述第一关键词替换为第二关键词，得到待识别的第二文本；相应的，所述将所述待识别文本和所述场景类型输入所述命名实体识别模型，包括：至少根据所述第二关键词，利用所述命名实体识别模型在所述第二文本中识别命名实体，所述第二关键词与所述识别出的命名实体所对应的实体类别相关。

6.一种命名实体的识别方法，其特征在于，所述方法包括：

获取本轮会话对应的待识别的第一文本；

检测所述第一文本中是否存在第一关键词，所述第一关键词用于指示所述第一文本与多轮会话场景相关；

在所述第一文本中存在所述第一关键词的情况下，将所述第一文本中的所述第一关键词替换为第二关键词，得到待识别的第二文本；

至少根据所述第二关键词，利用命名实体识别模型在所述第二文本中识别命名实体，所述第二关键词与所述识别出的命名实体所对应的实体类别相关。

7.如权利要求6所述的方法，其特征在于，在检测所述第一文本中是否存在第一关键词之前，所述方法还包括：

获取所述本轮会话的前一轮会话对应的待识别的第三文本的意图分析结果，以得到所述第三文本的意图类型；

判断所述第三文本的意图类型是否为指定的意图类型；

相应的，如果所述第三文本的意图类型是所述指定的意图类型，则检测所述第一文本中是否存在第一关键词。