[发明专利]信息识别方法、装置、电子设备及存储介质

权利要求书

1.一种信息识别方法，包括：

对文本进行特征提取，得到包含第一事件主体和第一事件主体类别的第一特征向量；

使用预训练模型对所述文本进行特征提取，得到包含第二事件主体和第二事件主体类别的第二特征向量；

利用全连接神经网络依据所述第一特征向量和所述第二特征向量得到针对所述文本的第一命名实体识别结果。

2.根据权利要求1所述的方法，其中，所述使用预训练模型对所述文本进行特征提取，得到包含第二事件主体和第二事件主体类别的第二特征向量，包括：

将所述文本划分为训练数据和验证数据；

使用所述预训练模型对所述训练数据和所述验证数据进行特征提取，得到包含第二事件主体和第二事件主体类别的第二特征向量。

3.根据权利要求2所述的方法，其中，所述预训练模型包括第一预训练模型和第二预训练模型，所述方法还包括：

获取使用所述第一预训练模型得到的第一命名实体识别结果；

获取使用所述第二预训练模型得到的第二命名实体识别结果；

将所述使用所述第一预训练模型得到的第一命名实体识别结果与所述使用所述第二预训练模型得到的第二命名实体识别结果进行融合，得到针对所述文本的第三命名实体识别结果。

4.权利要求1至3中任一项所述的方法，其中，所述利用全连接神经网络依据所述第一特征向量和所述第二特征向量得到针对所述文本的第一命名实体识别结果，包括：

对所述第一特征向量和所述第二特征向量进行加和，得到加和后的特征向量；

利用所述全连接神经网络对加和后的特征向量进行分类，得到针对所述文本的第一命名实体识别结果。

5.权利要求1至3中任一项所述的方法，其中，所述对文本进行特征提取，得到包含第一事件主体和第一事件主体类别的第一特征向量，包括：

对所述文本进行标注，以提取所述第一事件主体和所述第一事件主体类别；

将所述第一事件主体和所述第一事件主体类别表示为包含第一事件主体和第一事件主体类别的第一特征向量。

6.根据权利要求5所述的方法，其中，至少基于以下方法对所述文本进行标注：BIOES标注法或BIO标注法。

7.根据权利要求3所述的方法，其中，所述将所述使用所述第一预训练模型得到的第一命名实体识别结果与所述使用所述第二预训练模型得到的第二命名实体识别结果进行融合，得到针对所述文本的第三命名实体识别结果，包括：

确定使用所述第一预训练模型得到的第一命名实体识别结果的第一权值以及使用所述第二预训练模型得到的第二命名实体识别结果的第二权值；

基于所述第一权值、所述第二权值、使用所述第一预训练模型得到的第一命名实体识别结果以及使用所述第二预训练模型得到的第二命名实体识别结果，得到针对所述文本的第三命名实体识别结果。

8.根据权利要求7所述的方法，其中，根据F1值，确定所述第一权值和所述第二权值，其中，所述F1值用于表征所述第一预训练模型和所述第二预训练模型输出结果的精确度；

所述F1值满足如下关系：

式中，P表示准确率，R表示召回率。

9.权利要求3所述的方法，其中，所述第一预训练模型和所述第二预训练模型中的每一个包括Roberta-wwm模型、Chinese-BERT-wwm模型、ERNIE模型、NEZHA模型、ALBERT模型或XLNet模型。

10.一种信息识别装置，包括：

第一提取模块，用于对文本进行特征提取，得到包含第一事件主体和第一事件主体类别的第一特征向量；

第二提取模块，用于使用预训练模型对所述文本进行特征提取，得到包含第二事件主体和第二事件主体类别的第二特征向量；

识别模块，用于利用全连接神经网络依据所述第一特征向量和所述第二特征向量得到针对所述文本的第一命名实体识别结果。