[发明专利]一种识别方法、装置、设备及存储介质

说明书

本发明公开了一种识别方法、装置、设备及存储介质。该方法包括：获取待识别序列，其中，所述待识别序列包括：待识别句子和待识别句子中的字符对应的词性信息；通过查找词向量表，得到与所述待识别序列对应的待识别向量；将所述待识别向量输入目标命名实体识别模型，得到所述待识别向量对应的第一类别概率，通过本发明的技术方案，能够降低模型的复杂度，提升模型的预测速度。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种识别方法、装置、设备及存储介质。

背景技术

方案一、对于命名实体识别任务，传统方案大多以中文句子序列作为模型的输入，然后通过字符embedding对序列进行表示，通过网络模型进行特征提取，最后通过softmax和CRF网络层获得最终的序列标签预测结果。在一种快速命名实体识别方法中，作者在特征提取过程中选择了CNNs-self-attention模型，引入了字符的上下文表示以及全局的上下文表示。

方案二、采用对抗学习来丰富除了字符表示以外的特征。模型分为两部分：对抗学习部分和多任务学习部分。其中，对抗学习利用了三种类型的数：NER(命名实体识别)数据、CWS(中文分词)数据和POS(词性标注)数据通过词嵌入后分别作为共享bi-LSTM的输入，通过梯度反转来进行对抗学习。多任务学习部分NER(命名实体识别)数据通过词嵌入经过私有的bi-LSTM结构，再通过多头注意力层，经过softmax和CRF层进行训练；CWS(中文分词)数据和POS(词性标注)数据采用one-hot编码各自经过自己私有的特征提取层进行训练。同时共享bi-LSTM的特征也都输出到多任务学习的私有部分，形成对抗模型。

方案一缺点如下：

仅仅通过CNNs-self-attention模型未能充分利用单词词性信息，不能很好的确定预测结果的边界；特征提取不充分；模型效果欠佳。

方案二缺点如下：

虽然该方案引入了分词信息，但是引入方式简单暴力，是一种间接结合，这样信息损失较多，使得预测结果不准确；另外模型太多臃肿，包含的结构太多，增加了训练和预测的资源消耗；特征提取过程使用的是bi-LSTM，不能充分学习到双向的语义信息。

发明内容

本发明实施例提供一种识别方法、装置、设备及存储介质，以实现能够解决中文NER通常采用基于字符的embedding方式作为模型输入，未能充分利用单词词性信息，而增加引入单词词性信息能够更好的界定预测的边界，提高模型预测效果，当前的中文NER模型预测过程速度慢、内存占用大。目前主要的中文命名实体识别模型的特征提取部分选择了bi-LSTM结构，但bi-LSTM不能充分提取到字符左右的信息，仅仅是双向信息的叠加，未能充分利用字符的局部特征等问题，降低了模型的复杂度，提升了模型的预测速度。

第一方面，本发明实施例提供了一种识别方法，包括：

获取待识别序列，其中，所述待识别序列包括：待识别句子和待识别句子中的字符对应的词性信息；

通过查找词向量表，得到与所述待识别序列对应的待识别向量；

将所述待识别向量输入目标命名实体识别模型，得到所述待识别向量对应的第一类别概率。

第二方面，本发明实施例还提供了一种识别装置，该装置包括：

序列获取模块，用于获取待识别序列，其中，所述待识别序列包括：待识别句子和待识别句子中的字符对应的词性信息；

查找模块，用于通过查找词向量表，得到与所述待识别序列对应的待识别向量；

确定模块，用于将所述待识别向量输入目标命名实体识别模型，得到所述待识别向量对应的第一类别概率。