[发明专利]目标词语的检测方法、装置、电子设备及存储介质

权利要求书

1.一种目标词语的检测方法，其特征在于，所述方法包括：

获取待检测的原始言论数据；

通过预先训练的特征提取模型对所述原始言论数据进行实体特征提取，得到文本实体特征；

根据所述文本实体特征对预设的知识图谱进行知识抽取，得到实体三元组；

通过预先训练的目标词语检测模型对所述原始言论数据进行特征抽取，得到目标文本特征向量，并通过所述目标词语检测模型对所述文本实体特征进行特征抽取，得到目标实体特征向量；

通过所述目标词语检测模型对所述实体三元组进行特征抽取，得到目标属性特征向量；

通过所述目标词语检测模型对所述目标文本特征向量、所述目标属性特征向量、所述目标实体特征向量进行加权计算，得到目标言论表征向量；

通过所述目标词语检测模型对所述目标言论表征向量进行目标词语检测，得到目标词语数据；

所述特征提取模型包括第一嵌入层、Bi-LSTM层以及CRF层，所述通过预先训练的特征提取模型对所述原始言论数据进行实体特征提取，得到文本实体特征的步骤，包括：

通过所述第一嵌入层对所述原始言论数据进行词嵌入处理，得到文本词向量；

通过所述Bi-LSTM层的预设函数、预设特征类别标签以及所述文本词向量进行标签概率计算，得到每一预设特征类别标签的预测概率值；

根据所述CRF层的预设约束因子和所述预测概率值进行特征提取，得到所述文本实体特征；

所述目标词语检测模型包括第二嵌入层、第三嵌入层、第一GRU层以及第二GRU层，所述通过预先训练的目标词语检测模型对所述原始言论数据进行特征抽取，得到目标文本特征向量，并通过所述目标词语检测模型对所述文本实体特征进行特征抽取，得到目标实体特征向量的步骤，包括：

通过所述第二嵌入层对所述原始言论数据进行编码处理，得到初始文本特征向量；

通过所述第三嵌入层对所述文本实体特征进行编码处理，得到初始实体特征向量；

通过所述第一GRU层对所述初始文本特征向量进行特征抽取，得到所述目标文本特征向量；

通过所述第二GRU层对所述初始实体特征向量进行特征抽取，得到所述目标实体特征向量。

2.根据权利要求1所述的目标词语的检测方法，其特征在于，所述根据所述文本实体特征对预设的知识图谱进行知识抽取，得到实体三元组的步骤，包括：

根据所述文本实体特征，遍历所述知识图谱的每一知识节点，得到与所述文本实体特征对应的候选属性特征；

根据所述知识图谱的特征连接路径，对所述候选属性特征进行筛选处理，得到目标属性特征；

对所述目标属性特征和所述文本实体特征进行拼接处理，得到所述实体三元组。

3.根据权利要求1所述的目标词语的检测方法，其特征在于，所述目标词语检测模型包括第四嵌入层和图卷积网络层，所述通过所述目标词语检测模型对所述实体三元组进行特征抽取，得到目标属性特征向量的步骤，包括：

通过所述第四嵌入层对所述实体三元组进行编码处理，得到初始属性特征向量；

通过所述图卷积网络层对所述初始属性特征向量进行图卷积处理，得到所述目标属性特征向量。

4.根据权利要求3所述的目标词语的检测方法，其特征在于，所述目标词语检测模型包括第一注意力机制层、第二注意力机制层以及第三注意力机制层，所述通过所述目标词语检测模型对所述目标文本特征向量、所述目标属性特征向量、所述目标实体特征向量进行加权计算，得到目标言论表征向量的步骤，包括：

通过所述第一注意力机制层和预设的第一权重比例对所述目标文本特征向量、所述目标实体特征向量进行加权计算，得到第一表征向量；

通过所述第二注意力机制层和预设的第二权重比例对所述目标实体特征向量、所述目标属性特征向量进行加权计算，得到第二表征向量；

通过所述第三注意力机制层和预设的第三权重比例对所述第一表征向量、所述第二表征向量进行加权计算，得到所述目标言论表征向量。