[发明专利]行业文本增量方法、相关装置及计算机程序产品

权利要求书

1.一种行业文本增量方法，包括：

获取目标行业领域下存量低于预设第一数量级的原始行业文本；其中，行业文本指用于描述相应行业领域下的专属对象的文本内容；

利用远监督方法对所述原始行业文本进行样本增量处理，得到存量大于预设第二数量级的增量后行业文本；其中，所述预设第二数量级不小于所述预设第一数量级；

其中，所述利用远监督方法对所述原始行业文本进行样本增量处理，得到存量大于预设第二数量级的增量后行业文本，包括：

利用远监督方法对所述原始行业文本进行首次样本增量处理，得到初次增量行业文本；

采用主宾替换法和/或回译法分别对所述原始行业文本和所述初次增量行业文本进行样本增量处理，得到二次增量行业文本；其中，所述主宾替换法指在保持由主谓宾三元组中谓语所提供的主宾关系下将原始的主语和宾语替换为新的主语和宾语；

去除所述初次增量行业文本和所述二次增量行业文本中的内容错误文本、逻辑错误文本以及重复文本，得到存量大于所述预设第二数量级的增量后行业文本；

还包括：响应于去除所述内容错误文本、逻辑错误文本以及重复文本后得到的实际行业文本的数量级仍小于所述预设第二数量级，利用所述远监督方法、所述主宾替换法和/或所述回译法继续对所述实际行业文本进行样本增量处理，直至得到存量大于所述预设第二数量级的增量后行业文本。

2.根据权利要求1所述的方法，其中，所述利用远监督方法对所述原始行业文本进行样本增量处理，包括：

从所述目标行业领域的原始行业文本中提取出初始主谓宾三元组；

在非所述目标行业领域的其它行业文本和公开语料库中，将存在所述初始主谓宾三元组中的主语和谓语的文本确定为目标文本；

将所述目标文本作为所述原始行业文本经远监督后的增量行业文本。

3.根据权利要求1-2任一项所述的方法，还包括：

基于所述增量后行业文本训练得到语言模型；

利用训练后的语言模型从实际行业文本中抽取出主谓宾三元组。

4.根据权利要求3所述的方法，其中，所述利用训练后的语言模型从实际行业文本中抽取出主谓宾三元组，包括：

将待处理行业文本输入训练后的语言模型，得到输出的包含上下文语境特征的文本向量；

利用预设的多指针模型从所述文本向量中抽取出的第一结果；其中，所述多指针模型表征文本向量与其中存在的多层嵌套关系的关系对的起止位置的对应关系；

利用预设的预测子模型从所述文本向量中预测出第二结果；其中，所述预测子模型用于根据已标注有的标签类别预测所述待处理行业文本中包含的谓语类别数、主谓宾三元组数以及实体类型中的至少一项；

基于预设的模型加权系数对所述第一结果和第二结果进行加权，并从加权后得到的综合结果中提取出所述主谓宾三元组。

5.根据权利要求4所述的方法，还包括：

根据提取出的主谓宾三元组构建所述目标行业领域的知识图谱。

6.根据权利要求5所述的方法，还包括：

响应于接收到知识查询请求，根据所述知识查询请求确定所属的实际行业领域；

调用所述实际行业领域的知识图谱查询并反馈所述知识查询请求对应的目标知识。