[发明专利]一种文本处理方法、装置、设备及存储介质

说明书

本申请实施例公开了一种文本处理方法、装置、设备及存储介质，该文本处理方法包括：获取待处理文本对应的实体词集，并从实体词集包括的一个或多个实体词中，选取任一实体词作为目标实体词；获取与目标实体词相关的一个或多个预测关系；采用每个预测关系分别联合目标实体词，从待处理文本中确定出目标实体词在不同预测关系下的关联实体词；其中，目标实体词在一个预测关系下对应一个关联实体词。采用本申请实施例，可以采用预测关系和目标实体词联合确定出目标实体词在预测关系下的关联实体词，有效提升实体关系抽取的准确率。

技术领域

本申请涉及计算机技术领域，尤其涉及人工智能技术领域，具体涉及一种文本处理方法、一种文本处理装置、一种文本处理设备以及一种计算机可读存储介质。

背景技术

实体关系抽取(Entity Relation Extraction，ERE)又可称为三元组抽取，是一种从非结构化的文本中抽取出结构化的三元组的技术；结构化的三元组一般包括两个实体词以及两个实体词之间的关系。其中，实体词为文本中具有特定意义的专有名词，例如疾病名称、手术名称、药物名称、解剖部位等；关系则是实体词之间的相互作用、相互影响的状态，例如实体词“新生儿肺炎”和实体词“B组链球菌”之间的关系是“病因”，即“新生儿肺炎”的病因是“B组链球菌”。

实体关系抽取的核心工作是对实体词以及实体词之间的关系进行抽取。目前存在的一种实体关系抽取方案为级联抽取方案，级联抽取方案对实体词和实体词之间的关系分别进行抽取，先抽取实体词，再对实体词之间的关系进行抽取。在采用级联抽取方案进行实体关系抽取的过程中，存在误差传递的问题，实体词抽取错误将导致实体词之间关系的抽取也出现错误。由此可见，现有的实体关系抽取方案不能较为准确地进行实体关系抽取，因此如何较为准确地进行实体关系抽取成为当前研究的热点话题。

发明内容

本申请实施例提供了一种文本处理方法、装置、设备及存储介质，可以采用预测关系和目标实体词联合确定出目标实体词在预测关系下的关联实体词，有效提升实体关系抽取的准确率。

一方面，本申请实施例提供一种文本处理方法，该文本处理方法包括：

获取待处理文本对应的实体词集，并从实体词集包括的一个或多个实体词中，选取任一实体词作为目标实体词；

获取与目标实体词相关的一个或多个预测关系；

采用每个预测关系分别联合目标实体词，从待处理文本中确定出目标实体词在不同预测关系下的关联实体词；其中，目标实体词在一个预测关系下对应一个关联实体词。

另一方面，本申请实施例提供一种文本处理装置，该文本处理装置包括：

获取单元，用于获取待处理文本对应的实体词集，并从实体词集包括的一个或多个实体词中，选取任一实体词作为目标实体词；

获取单元，还用于获取与目标实体词相关的一个或多个预测关系；

处理单元，用于采用每个预测关系分别联合目标实体词，从待处理文本中确定出目标实体词在不同预测关系下的关联实体词；其中，目标实体词在一个预测关系下对应一个关联实体词。

在一种实现方式中，待处理文本包括一个或多个字符；获取单元，用于获取待处理文本对应的实体词集时，具体用于执行如下步骤：

获取待处理文本包括的每个字符的特征向量；

根据每个字符的特征向量，确定为每个字符添加的位置标签，并根据位置标签确定相应字符所在位置是否为一个实体词的开始位置，以及确定相应字符所在位置是否为一个实体词的结束位置；

根据确定出的开始位置和结束位置，从待处理文本中确定出一个或多个开始字符，并从待处理文本中确定出一个或多个结束字符；

根据确定出的开始字符和结束字符，确定待处理文本对应的实体词集。