[发明专利]一种模型生成方法、实体识别方法、装置及存储介质

权利要求书

1.一种模型生成方法，其特征在于，所述方法包括：

将识别语句中的每个单词输入预设的神经网络模型，以获得每个单词的类别标签对应的预测概率：

根据每个类别标签对应的预测概率计算标签所有路径得分、真实路径得分以及最佳路径得分；

根据所述识别语句的长度及类别标签的数量、所有路径得分的数值选取预设数量的多个目标路径得分，其中，每一所述目标路径得分大于所述所有路径得分中未被选取的路径得分；

根据标签真实路径得分、所有路径得分、最佳路径得分以及目标路径得分，通过预先构建的损失函数计算对应的训练损失；

根据所述训练损失对所述神经网络模型的各个参数进行迭代更新，以得到实体识别模型。

2.根据权利要求1所述方法，其特征在于，所述预先构建的损失函数Loss为：

其中，β为超参，取值为0-1；S_r表示为标签真实路径得分；S_j表示为从j到n的所有路径得分；S_b表示为最佳路径得分；S_k表示为目标路径得分，k为选取的目标路径得分个数。

3.根据权利要求1所述方法，其特征在于，所述根据每个标签对应的预测概率计算标签所有路径得分、真实路径得分以及最佳路径得分，包括：

通过维比特算法根据每个标签对应的预测概率计算标签所有路径得分、真实路径得分以及最佳路径得分。

4.根据权利要求1所述方法，其特征在于，所述预设的神经网络模型包括BERT-BiLSTM模型。

5.一种实体识别方法，其特征在于，所述方法包括：

将待实体识别的语句中的每个单词输入实体识别模型，所述实体识别模型为所述权利要求1-4中任一项生成的所述实体识别模型；

获得所述实体识别模型的识别结果，所述识别结果包括待实体识别的语句中每个单词的预测标签。

6.一种模型生成装置，其特征在于，所述装置包括：

输入模块，用于将识别语句中的每个单词输入预设的神经网络模型，以获得每个单词的类别标签对应的预测概率；

计算模块，用于根据每个标签对应的预测概率计算标签所有路径得分、真实路径得分以及最佳路径得分；

选取模块，用于根据所述识别语句的长度及类别标签的数量、所有路径得分的数值选取预设数量的多个目标路径得分，其中，每一所述目标路径得分大于所述所有路径得分中未被选取的路径得分；

所述计算模块，还用于根据标签真实路径得分、所有路径得分、最佳路径得分以及目标路径得分，通过预先构建的损失函数计算对应的训练损失；

迭代更新模块，用于根据所述训练损失对所述神经网络模型的各个参数进行迭代更新，以得到实体识别模型。

7.根据权利要求6所述装置，其特征在于，所述预先构建的损失函数Loss为：

其中，β为超参，取值为0-1；S_r表示为标签真实路径得分；S_j表示为从j到n的所有路径得分；S_b表示为最佳路径得分；S_k表示为目标路径得分，k为选取的目标路径得分个数。

8.一种实体识别装置，其特征在于，所述装置包括：

输入模块，用于将待实体识别的语句中的每个单词输入实体识别模型，所述实体识别模型为所述权利要求1-4中任一项生成的所述实体识别模型；

获得模块，用于获得所述实体识别模型的识别结果，所述识别结果包括待实体识别的语句中每个单词的预测标签。

9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法。