实体消歧方法、装置、设备及计算机可读存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115965024A(43)申请公布日2023.04.14(21)申请号202211669180.3(22)申请日2022.12.23(71)申请人北京大学地址100871北京市海淀区颐和园路5号(72)发明人赵文张博涵温立强王宇(74)专利代理机构北京路浩知识产权代理有限公司11002专利代理师贺爱琳(51)Int.Cl.G06F40/295(2020.01)G06F40/30(2020.01)G06F16/33(2019.01)G06F16/335(2019.01)G06F16/35(2019.01)G06N3/044(2023.01)权利要求书2页说明书7页附图2页(54)发明名称实体消歧方法、装置、设备及计算机可读存储介质(57)摘要本发明提供一种实体消歧方法、装置、设备及计算机可读存储介质，该方法包括：从自然语言文本中抽取命名实体；构建知识库中的候选实体与所述命名实体之间的实体链接；对各所述候选实体进行评分排序；基于排序结果确定各所述候选实体中的知识库实体，以消除所述命名实体的歧义。本发明提高了实体消歧的准确性，以及对语句进行语义理解的准确性。CN115965024ACN115965024A权利要求书1/2页1.一种实体消歧方法，其特征在于，包括：从自然语言文本中抽取命名实体；构建知识库中的候选实体与所述命名实体之间的实体链接；对各所述候选实体进行评分排序；基于排序结果确定各所述候选实体中的知识库实体，以消除所述命名实体的歧义。2.根据权利要求1所述的实体消歧方法，其特征在于，所述从自然语言文本中抽取命名实体包括：通过来自变换器的双向编码器表征量BERT模型和自然语言文本，提取字词级输入特征向量，将所述字词级输入特征向量映射到知识库；从所述知识库中提取字词级信息特征向量匹配的外部知识，将所述字词级信息特征向量和所述外部知识的结合作为所述BERT模型的输出；通过循环神经网络和条件随机场的组合模型从所述BERT模型的输出中抽取文本上下文信息；基于所述文本上下文信息和逻辑回归分类器，得到命名实体序列。3.根据权利要求2所述的实体消歧方法，其特征在于，所述从自然语言文本中抽取命名实体之后包括：基于所述命名实体的起始位置和终止位置，确定数据元信息；根据所述命名实体序列和所述数据元信息从知识库中抽取候选实体。4.根据权利要求3所述的实体消歧方法，其特征在于，所述根据所述命名实体序列和所述数据元信息从知识库中抽取候选实体包括：根据循环神经网络和注意力机制从知识库中抽取候选实体。5.根据权利要求2所述的实体消歧方法，其特征在于，所述基于排序结果确定各所述候选实体中的知识库实体包括：通过所述循环神经网络与所述逻辑回归分类器结合的神经网络模型，从各所述候选实体中选择与所述命名实体适配的知识库实体。6.根据权利要求1所述的实体消歧方法，其特征在于，所述从自然语言文本中抽取命名实体之前包括：基于预定义的知识概念模板对预设数据库进行爬取，得到知识库。7.一种实体消歧装置，其特征在于，包括：命名实体抽取模块，用于从自然语言文本中抽取命名实体；实体链接构建模块，用于构建知识库中的候选实体与所述命名实体之间的实体链接；候选实体评分模块，用于对各所述候选实体进行评分排序；实体消歧模块，用于基于排序结果确定各所述候选实体中的知识库实体，以消除所述命名实体的歧义。8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述实体消歧方法。9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述实体消歧方法。2CN115965024A权利要求书2/2页10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述实体消歧方法。3CN115965024A说明书1/7页实体消歧方法、装置、设备及计算机可读存储介质技术领域[0001]本发明涉及信息处理技术领域，尤其涉及一种实体消歧方法、装置、设备及计算机可读存储介质。背景技术[0002]在当前的大数据时代，海量的文本都亟待挖掘。在自然语言处理领域，通过挖掘文本中蕴藏的语义信息，让机器可以学习到文本的语义知识，进而理解文本内容。在此过程中，识别文本中的实体(如人名、地名及组织结构等)并对实体进行消歧，以消除文本句子中的歧义，这是让机器理解文本内容的重要步骤。[0003]现有的对语句进行语义理解的方法主要是基于知识图谱的语义理解，包括三个主要步骤：1、识别出语句中的目标实体；2、在预设知识图谱中获取解释该目标实体的多个候选语义实体；3、从上