文本信息抽取方法、装置、设备、存储介质以及程序产品.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115080742A(43)申请公布日2022.09.20(21)申请号202210732269.3(22)申请日2022.06.24(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人孙建东史亚冰蒋烨柴春光(74)专利代理机构中科专利商标代理有限责任公司11021专利代理师周祺(51)Int.Cl.G06F16/35(2019.01)G06F16/31(2019.01)权利要求书4页说明书14页附图7页(54)发明名称文本信息抽取方法、装置、设备、存储介质以及程序产品(57)摘要本公开提供了一种文本信息抽取方法、装置、设备、存储介质以及程序产品，涉及数据处理技术领域，尤其涉及知识图谱、自然语言处理等人工智能技术领域。具体实现方案为：利用树结构表征输入文本，得到文本树结构，文本树结构包括从根节点到每一个叶节点的至少一个树结构路径；根据目标关系，从至少一个树结构路径中确定与目标关系对应的目标路径；以及根据目标路径，确定与目标关系相关的目标主体和目标客体，得到与目标主体、目标关系以及目标客体相关联的文本信息三元组。CN115080742ACN115080742A权利要求书1/4页1.一种文本信息抽取方法，包括：利用树结构表征输入文本，得到文本树结构，所述文本树结构包括从根节点到每一个叶节点的至少一个树结构路径；根据目标关系，从所述至少一个树结构路径中确定与所述目标关系对应的目标路径；以及根据所述目标路径，确定与所述目标关系相关的目标主体和目标客体，得到与目标主体、目标关系以及目标客体相关联的文本信息三元组。2.根据权利要求1所述的方法，其中，所述根据所述目标路径，确定与所述目标关系相关的目标主体和目标客体，得到与目标主体、目标关系以及目标客体相关联的文本信息三元组包括：对所述目标路径的每一个目标节点进行实体识别，得到实体识别结果，其中，所述实体识别结果表征所述目标节点对应的部分文本与实体属性的相关性；对所述目标路径的每一个目标节点进行关系识别，得到关系识别结果，其中，所述关系识别结果表征所述目标节点对应的部分文本与所述目标关系的相关性；以及根据所述实体识别结果和所述关系识别结果，确定所述文本信息三元组。3.根据权利要求2所述的方法，其中，所述对所述目标路径的每一个目标节点进行实体识别，得到实体识别结果包括：对所述目标路径进行编码，得到目标路径向量；以及对所述目标路径向量进行解码，得到所述目标路径的每一个所述目标节点的实体识别结果矩阵，其中，所述实体识别结果矩阵的第一维度表征词单元向量，所述词单元向量是所述目标节点对应的部分文本的词单元经过编码得到的向量表征形式，所述词单元是对所述目标节点对应的部分文本经过分词得到的，所述实体识别结果矩阵的第二维度表征实体属性槽位，所述实体识别结果矩阵的元素表征元素索引对应的所述词单元是否为对应所述实体属性槽位的槽位值的初始位和终止位，所述实体属性槽位的数量和类别中的至少一个可自定义。4.根据权利要求3所述的方法，其中，所述对所述目标路径的每一个目标节点进行关系识别，得到关系识别结果包括：对所述目标路径向量进行解码，得到所述目标路径的目标节点的关系识别结果矩阵，其中，所述关系识别结果矩阵的第一维度表征所述词单元向量，所述关系识别结果矩阵的第二维度表征关系类别，所述关系识别结果矩阵的元素表征元素索引对应的所述词单元所属的所述实体属性槽位是否对应与所述关系类别相关的实体类别，所述实体类别包括主体和客体，所述关系类别是根据所述目标关系确定的。5.根据权利要求4所述的方法，其中，所述根据所述实体识别结果和所述关系识别结果，确定所述文本信息三元组包括：根据每一个候选实体属性槽位与实体关联槽位之间的距离，从多个所述候选实体属性槽位中确定目标属性槽位，其中，多个所述候选实体属性槽位对应相同的所述实体属性，多个所述候选实体属性槽位对应所述关系类别的主体和所述客体中的一个，所述实体关联槽位与所述关系类别的所述主体和所述客体中的另一个对应；根据所述实体属性槽位的槽位值以及所述关系识别结果矩阵，确定所述目标主体和所2CN115080742A权利要求书2/4页述目标客体，其中，所述实体属性槽位包括所述目标属性槽位和所述实体关联槽位；以及根据所述目标主体、所述目标客体以及所述目标关系，确定所述文本信息三元组。6.根据权利要求5所述的方法，其中，所述根据每一个候选实体属性槽位与所述实体关联槽位之间的距离，从所述候选实体属性槽位中确定目标属性槽位包括：根据节点距离和文本距离，从所述候选实体属性槽位中确定目标属性槽位，其中，所述节点距离表征所述候选实体属性槽位对应的所述目标节点与所述实体关联槽位对应的所述目标节点之