[发明专利]一种实体关系抽取方法和设备

说明书

本发明提出了一种实体关系抽取的方法和设备，该方法包括：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。通过本方案，从医疗领域的专业数据中抽取数据，且基于抽取得到的句子筛选出用于表征关系的句子模板，提升了数据标注与特征匹配的工作效率，且可以适应医疗领域的各种数据，不需要依赖大量的人力，节约了成本。

技术领域

本发明涉及数据关系抽取技术领域，特别涉及一种实体关系抽取方法和设备。

背景技术

目前，针对疾病与症状、疾病与手术等医疗实体，需要对实体间的关系进行抽取，而现有的抽取方法存在两种：一种是基于规则抽取的方法，另一种则是基于监督学习的方法来进行的，其中基于规则抽取的方法是使用预先制定的规则，从文本中抽取相应实体或判断实体间是否符合对应关系，而监督学习的方法则是在标注大量数据后训练分类器判断实体间是否存在对应关系。目前的这两种方案均存在一些问题：

使用规则的方法依赖制定规则的质量，前期需要大量的人力投入，且人工制定的规则不一定能覆盖所有的关系种类，召回率较差。而使用监督学习的方法需要大量的标注数据，成本较高，耗时耗力，且如果需要抽取新的关系，需要再进行数据的标注，灵活性较差。

由此，现在需要一种更好的方法，以解决实体关系抽取中所遇到的问题。

发明内容

针对现有技术中的缺陷，本发明提出了一种实体关系抽取的方法和设备，通过本方案，从医疗领域的专业数据中抽取数据，且基于抽取得到的句子筛选出用于表征关系的句子模板，提升了数据标注与特征匹配的工作效率，且可以适应医疗领域的各种数据，不需要依赖大量的人力，节约了成本。

具体的，本发明提出了以下具体的实施例：

本发明实施例提出了一种实体关系抽取的方法，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。。

在一个具体的实施例中，所述医疗领域的专业数据包括病历数据。

在一个具体的实施例中，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。

在一个具体的实施例中，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。

在一个具体的实施例中，

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：