[发明专利]基于双曲空间表示和标签文本互动的细粒度实体识别方法

说明书

本发明涉及细粒度实体识别技术领域，尤其涉及一种基于双曲空间表示和标签文本互动的细粒度实体识别方法。包括步骤：S1、基于数据集中已标注的实体和上下文，并对实体和上下文进行交互，得到实体‑上下文表示；S2、在双曲空间下，基于数据集中的标签，并结合预先训练的图卷积神经网络模型，得到词级标签关系矩阵；S3、将实体‑上下文表示和词级标签关系矩阵输入预先训练的基于双曲空间的标签文本互动机制模型，输出实体最终的标签分类结果。解决了现有技术中共现关系含噪、双曲空间文本标签映射匹配差的技术问题。

技术领域

本发明涉及细粒度实体识别技术领域，尤其涉及一种基于双曲空间表示和标签文本互动的细粒度实体识别方法。

背景技术

命名实体识别一直以来都是信息抽取、问答系统、机器翻译等自然语言处理领域中重要的研究任务的基础。其目的是识别出文本中表示命名实体的成分并进行分类。

细粒度实体识别与一般的实体识别相比，不仅包含简单的标签分类(例如人名、地名)，还按照实体粒度不同进行更加细致、更加复杂的识别分类(例如职业、公司)。对于其它的自然语言处理任务，细粒度命名实体识别往往蕴含更多信息，可以提供宝贵的先验知识信息，更加有效地为下游任务提供更多的知识，比如关系抽取、事件抽取、指代消解和问答系统。

细粒度实体识别可以提供更加精细化、层次性、不同粒度的实体信息，更适应于实际复杂场景的应用。一般通过标签的层级关系来体现出实体的层次、粒度，如何通过建模的方法来表示更好的标签的层级关系是研究的重点。现有方法中，有为了获取适用于更加开放、实际应用的标签层级关系，采用基于标签共现信息的图神经网络的方法；也有使用双曲空间来获取标签层级关系的方法。

但是基于标签本身的共现信息会含有一定噪音，共现关系只能体现部分相关性；双曲空间方法只对于精细粒度的实体更有效果，对于粗粒度的实体表现不足，在标签和文本的对应上固定的映射方法导致标签预测数量固定，获得标签的层次关系和对于文本模型更好的建模表示两个工作往往是分割独立的，在标签关系的构建过程中缺失文本信息的指导，通常是独自构建完再去和文本做简单的交互，忽略了文本与标签之间的关系。

发明内容

(一)要解决的技术问题

鉴于现有技术的上述缺点、不足，本发明提供一种基于双曲空间表示和标签文本互动的细粒度实体识别方法，其解决了现有技术中共现关系含噪、双曲空间文本标签映射匹配差的技术问题。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

本发明实施例提供一种基于双曲空间表示和标签文本互动的细粒度实体识别方法，包括以下步骤：

S1、基于数据集中的实体和上下文，对实体和上下文进行交互，得到实体-上下文表示；

S2、在双曲空间下，基于数据集中对实体进行标注的标签，结合预先训练的图卷积神经网络模型，得到与标签对应的词级标签关系矩阵；

预先训练的图卷积神经网络模型是基于训练集中的标签和对应的标签关联矩阵，进行训练得到的模型；

S3、将实体-上下文表示和词级标签关系矩阵输入预先训练的基于双曲空间的标签文本互动机制模型，输出实体最终的标签分类结果；

预先训练的基于双曲空间的标签文本互动机制模型是基于训练集中实体-上下文表示、词级标签关系矩阵和对应的标签分类结果，进行训练得到的模型。

本发明实施例提出的基于双曲空间表示和标签文本互动的细粒度实体识别方法，基于标签文本互动机制，并利用细粒度实体识别任务中数据具有层次性的特性，在双曲空间这样天然契合的空间中加强这种层级关系，使得标签和文本的匹配效果更好。

可选地，步骤S1包括：