[发明专利]目标词语的检测方法、装置、电子设备及存储介质

说明书

本申请提供了一种目标词语的检测方法、装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取待检测的原始言论数据；通过预设的特征提取模型对原始言论数据进行实体特征提取，得到文本实体特征；根据文本实体特征对预设知识图谱进行知识抽取，得到实体三元组；通过预设的目标词语检测模型对原始言论数据、文本实体特征、实体三元组进行特征抽取，得到目标文本特征向量、目标实体特征向量、目标属性特征向量；通过目标词语检测模型对目标文本特征向量、目标属性特征向量、目标实体特征向量进行加权计算，得到目标言论表征向量，并对目标言论表征向量进行目标词语检测，得到目标词语数据。本申请能够提高检测目标词语的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种目标词语的检测方法、装置、电子设备及存储介质。

背景技术

目前，检测目标词语的方法大多数是基于人工构建的特征来对言论中的目标词语进行检测，而人工构建特征往往需要技术人员具有较强的业务知识和领域知识，这会使得基于人工构建的特征具有一定的局限性，影响目标词语的检测准确性，因此，如何提高检测目标词语的准确性，成为了亟待解决的技术问题。

发明内容

本申请实施例的主要目的在于提出一种目标词语的检测方法、装置、电子设备及存储介质，旨在提高检测目标词语的准确性。

为实现上述目的，本申请实施例的第一方面提出了一种目标词语的检测方法，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。

在一些实施例，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。

在一些实施例，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。