[发明专利]命名实体识别方法、装置、终端设备及存储介质

说明书

本申请适用于计算机技术领域，提供了命名实体识别方法，包括：获取待识别文本，并将待识别文本转换为n×k维的第一矩阵；对第一矩阵进行多层卷积层卷积，其中对所述多层卷积层中卷积核的通道数为m的最后一层卷积层进行4次卷积操作，得到4个并行的n×m维的第二矩阵；对4个第二矩阵中的3个第二矩阵进行注意力权重自适应后得到n×m维的第三矩阵，将第三矩阵与剩余的1个第二矩阵进行矩阵加法，输出n×m维的第四矩阵；对第四矩阵进行分类，输出待识别文本对应的实体标注；根据实体标注，输出待识别文本对应的命名实体。通过在卷积层中引入注意力机制，有效降低数据冗余，减少模型参数量，加快命名实体识别模型的识别速度。

技术领域

本申请属于计算机技术领域，尤其涉及命名实体识别方法、装置、终端设备及存储介质。

背景技术

命名实体识别是从一段自然语言文本中识别出具有特点意义的实体的过程。目前，命名实体识别模型主要分为传统深度学习模型以及语言模型，传统深度学习模型主要以循环神经网络为主，该类模型的速度受限于其循环特性而导致识别速度慢。而语言模型是一种经过多任务训练的综合语言模型，但该类模型的参数量较大也导致识别速度慢。

申请内容

本申请实施例提供了命名实体识别方法、装置、终端设备及存储介质，可以解决现有命名实体识别模型识别速度慢的问题。

第一方面，本申请实施例提供了一种命名实体识别方法，包括：

获取待识别文本，并将所述待识别文本转换为n×k维的第一矩阵，其中所述n为所述待识别文本的字符数，所述k为预设的所述待识别文本对应的字向量维度；

对所述第一矩阵进行多层卷积层卷积，其中对所述多层卷积层中卷积核的通道数为m的最后一层卷积层进行4次卷积操作，得到4个并行的n×m维的第二矩阵；

对4个所述第二矩阵中的3个所述第二矩阵进行注意力权重自适应后得到 n×m维的第三矩阵，将所述第三矩阵与剩余的1个所述第二矩阵进行矩阵加法，输出n×m维的第四矩阵；

对所述第四矩阵进行分类，输出所述第四矩阵对应的多个实体标注的概率，并根据多个所述概率确定所述待识别文本对应的实体标注；

根据所述待识别文本对应的实体标注，输出所述待识别文本对应的命名实体。

本申请实施例将待识别文本转换为第一矩阵后，在卷积层中对第一矩阵进行多层卷积得到4个并行的第二矩阵，并在卷积层中引入注意力机制，根据4 个第二矩阵得到特征集中的第四矩阵，从而通过采用注意力机制代替池化过程，使得待识别文本的特征集中，并且具备池化过程有效降低数据冗余，减少模型参数量的特点，加快命名实体识别模型的识别速度。

第二方面，本申请实施例提供了一种命名实体识别装置，包括：

获取模块，用于获取待识别文本，并将所述待识别文本转换为n×k维的第一矩阵，其中所述n为所述待识别文本的字符数，所述k为预设的所述待识别文本对应的字向量维度；

卷积模块，用于对所述第一矩阵进行多层卷积，其中对所述多层卷积层中卷积核的通道数为m的最后一层卷积层进行4次卷积操作，得到4个并行的n ×m维的第二矩阵；

注意力模块，用于对4个所述第二矩阵中的3个所述第二矩阵进行注意力权重自适应后得到n×m维的第三矩阵，将所述第三矩阵与剩余的1个所述第二矩阵进行矩阵加法，输出n×m维的第四矩阵；

分类模块，用于对所述第四矩阵进行分类，输出所述第四矩阵对应的多个实体标注的概率，并根据多个所述概率确定所述待识别文本对应的实体标注；

输出模块，用于根据所述待识别文本对应的实体标注，输出所述待识别文本对应的命名实体。