[发明专利]一种信息识别方法及装置

权利要求书

1.一种信息识别方法，包括：

获取待识别的多个目标文本信息；其中，所述目标文本信息为针对历史事件所产生的文本信息文档；

确定每个所述目标文本信息对应的文本分词关系图谱；其中，所述文本分词关系图谱包括：文本分词节点和分词节点连接边；

将所述文本分词关系图谱输入至预先训练好的神经网络模型，得到所述目标文本信息之间的信息关联程度；其中，所述神经网络模型用于对所述文本分词关系图谱执行本图谱内上下文特征信息更新以及跨图谱节点特征信息更新并基于更新后的文本分词关系图谱得到所述信息关联程度，所述信息关联程度用于表征至少两个所述目标文本信息为针对同一历史事件所产生的文本信息文档的概率。

2.根据权利要求1所述的方法，其中，在将所述文本分词关系图谱输入至预先训练好的神经网络模型，得到所述目标文本信息之间的信息关联程度之后，还包括：

基于所述信息关联程度，确定与同一历史事件关联的至少两个所述目标文本信息；

按照所述目标文本信息对应的历史事件标识，对所述多个目标文本信息进行去重处理，得到去重处理后的目标文本信息。

3.根据权利要求1所述的方法，其中，所述将所述文本分词关系图谱输入至预先训练好的神经网络模型，得到所述目标文本信息之间的信息关联程度，包括：

针对所述多个目标文本信息中的每个待识别文本组合，将该待识别文本组合对应的所述文本分词关系图谱输入至预先训练好的神经网络模型；

针对每个所述文本分词关系图谱，利用所述神经网络模型并基于本图谱节点特征信息和跨图谱节点特征信息，更新所述文本分词关系图谱中各文本分词节点的特征信息，得到更新后的文本分词关系图谱；以及，

基于所述待识别文本组合对应的各更新后的所述文本分词关系图谱，确定所述待识别文本组合中包含的目标文本信息之间的信息关联程度。

4.根据权利要求3所述的方法，其中，所述利用所述神经网络模型并基于本图谱节点特征信息和跨图谱节点特征信息，更新所述文本分词关系图谱中各文本分词节点的特征信息，得到更新后的文本分词关系图谱，包括：

利用所述神经网络模型中的图神经网络，基于待更新文本分词节点的相邻分词节点的特征信息和边特征信息，更新所述待更新文本分词节点的特征信息，得到初始更新后的文本分词关系图谱；

将所述待识别文本组合中各初始更新后的所述文本分词关系图谱输入至所述神经网络模型中的跨图注意力网络；

利用所述跨图注意力网络，基于待更新文本分词节点的跨图谱分词节点的特征信息，更新所述待更新文本分词节点的特征信息，得到最终更新后的文本分词关系图谱。

5.根据权利要求3所述的方法，其中，所述基于所述待识别文本组合对应的各更新后的所述文本分词关系图谱，确定所述待识别文本组合中包含的目标文本信息之间的信息关联程度，包括：

针对每个更新后的所述文本分词关系图谱，对该文本分词关系图谱中各更新后的节点特征向量进行向量汇总处理，得到该文本分词关系图谱对应的预设维度的汇总特征向量；

将所述待识别文本组合对应的各所述汇总特征向量进行串接处理，得到该待识别文本组合对应的综合特征向量；

将所述综合特征向量输入至所述神经网络模型中的全连接网络，得到所述待识别文本组合中包含的目标文本信息之间的信息关联程度。

6.根据权利要求3所述的方法，其中，所述针对所述多个目标文本信息中的每个待识别文本组合，将该待识别文本组合对应的所述文本分词关系图谱输入至预先训练好的神经网络模型，包括：

利用文本相似度匹配方式，在所述多个目标文本信息中确定两两所述目标文本信息之间的文本相似度；

若所述文本相似度大于预设相似度阈值，则将两个所述目标文本信息确定为待识别文本组合；

针对每个所述待识别文本组合，将该待识别文本组合对应的所述文本分词关系图谱输入至预先训练好的神经网络模型。