[发明专利]一种实体关系抽取方法和设备

权利要求书

1.一种实体关系抽取的方法，其特征在于，包括：

获取包含预设关系的实体对数据集；其中，所述实体对数据集中包含有多个实体对；

从医疗领域的专业数据中抽取包含所述实体对的句子；

基于初始BERT模型从所述句子中筛选出用于表征所述关系的句子模板；

基于所述句子模板与所述实体对数据集对所述初始BERT模型进行调整，以通过调整后的BERT模型对待抽取关系的实体对数据集进行关系抽取。

2.如权利要求1所述的一种实体关系抽取的方法，其特征在于，所述医疗领域的专业数据包括病历数据。

3.如权利要求1所述的一种实体关系抽取的方法，其特征在于，各所述实体对中的实体之间存在预设关系；

所述“从医疗领域的专业数据中抽取包含所述实体对的句子”包括：

从医疗领域的专业数据中抽取长度为预设长度，且包含的所述实体对中实体的间隔为预设间隔值的句子。

4.如权利要求1所述的一种实体关系抽取的方法，其特征在于，所述“基于初始BERT模型从所述句子中筛选出用于表征所述关系的句子模板”包括：

基于所述句子生成初始句子模板，其中，基于所述初始句子模板构建的句子中超过预设比例满足所述关系；

通过BERT模型对各所述初始句子模板进行可用性评分；

根据所述可用性评分对所述初始句子模板进行筛选，以选出用于表征所述关系的句子模板。

5.如权利要求4所述的一种实体关系抽取的方法，其特征在于，所述“通过BERT模型对各所述初始句子模板进行可用性评分”，包括：

针对各所述初始句子模板，基于所述初始句子模板与所述实体对数据集中的各实体构建带有空格的句子；

基于BERT模型对所述句子中的空格进行预测，得到预测结果；

基于所述预测结果确定所述初始句子模板的评分。

6.如权利要求4或5所述的一种实体关系抽取的方法，其特征在于，所述可用性评分是基于以下公式来确定的：

其中，所述score(φ_i)为句子模板φ_i的可用性评分；

在s_j∈S_ij时为1，在时为0；

在t_j∈T_ij时为1，在时为0；

T_ij与S_ij分别为句子φ_i(s_j,_)和句子φ_i(_,t_j)的top-k个预测；。

s_j与t_j为一对实体对中的实体。

7.如权利要求1所述的一种实体关系抽取的方法，其特征在于，所述“基于所述句子模板与所述实体对数据集对所述初始BERT模型进行调整”，包括：

将筛选后得到的所述句子模板汇总成为句子模板集；

基于所述实体对数据集在所述句子模板集上构建正例句子；

基于所述实体对数据集中部分实体对、以及反实体对数据集在所述句子模板集上构建反例句子；所述反实体对数据集与所述实体对数据集的实体相同，且实体对中的实体顺序相反；

基于所述正例句子与所述反例句子对所述BERT模型进行调整，以便通过调整后的BERT模型。

8.如权利要求7所述的一种实体关系抽取的方法，其特征在于，还包括：

判断指定实体对是否满足给定关系时，通过调整后的BERT模型对构建的多个待预测句子进行预测；所述待预测句子是基于所述指定实体对与所述句子模板集构建生成的；

若得到的预测结果的平均值大于设定阈值时，确定所述指定实体对满足给定关系。