文本实体生成方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113836928A(43)申请公布日2021.12.24(21)申请号202111139770.0G06N3/08(2006.01)(22)申请日2021.09.28(71)申请人平安科技（深圳）有限公司地址518033广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼(72)发明人于凤英王健宗(74)专利代理机构北京市京大律师事务所11321代理人姚维(51)Int.Cl.G06F40/295(2020.01)G06F40/289(2020.01)G06F40/30(2020.01)G06N3/04(2006.01)权利要求书2页说明书10页附图4页(54)发明名称文本实体生成方法、装置、设备及存储介质(57)摘要本发明涉及人工智能领域，公开了一种文本实体生成方法、装置、设备及存储介质，用于提高文本实体生成的准确率。所述文本实体生成方法包括：基于预置的语料库对目标新闻文本进行矩阵转换，得到文本矩阵；提取文本矩阵中的特征元素，并基于预置的参数矩阵对特征元素进行特征编码处理，得到目标特征矩阵；对文本矩阵和目标特征矩阵进行注意力编码，得到编码向量；通过预置的图神经网络模型中的编码器对编码向量进行词嵌入处理，得到隐藏状态向量；通过预置的图神经网络模型中的解码器对隐藏状态向量进行实体识别，得到目标文本实体。此外，本发明还涉及区块链技术，目标文本实体可存储于区块链节点中。CN113836928ACN113836928A权利要求书1/2页1.一种文本实体生成方法，其特征在于，所述文本实体生成方法包括：获取待处理的目标新闻文本；基于预置的语料库对所述目标新闻文本进行矩阵转换，得到文本矩阵；提取所述文本矩阵中的特征元素，并基于预置的参数矩阵对所述特征元素进行特征编码处理，得到目标特征矩阵；对所述文本矩阵和所述目标特征矩阵进行注意力编码，得到编码向量；通过预置的图神经网络模型中的编码器对所述编码向量进行词嵌入处理，得到隐藏状态向量；通过预置的图神经网络模型中的解码器对所述隐藏状态向量进行实体识别，得到目标文本实体。2.根据权利要求1所述的文本实体生成方法，其特征在于，在所述获取待处理的目标新闻文本之前，还包括：获取待处理的样本文本，并对所述样本文本进行预处理，得到样本文本矩阵；基于预置的训练模型和预设规则对所述样本文本矩阵进行文本实体生成，得到样本实体；基于所述样本实体对所述训练模型进行参数调整，直至所述训练模型收敛，得到图神经网络模型。3.根据权利要求1所述的文本实体生成方法，其特征在于，所述基于预置的语料库对所述目标新闻文本进行矩阵转换，得到文本矩阵，包括：基于预置的语料库对所述目标新闻文本进行字符特征提取，得到多个字符特征；通过预置的图注意力层对所述多个字符特征进行矩阵映射，得到文本矩阵。4.根据权利要求1所述的文本实体生成方法，其特征在于，所述提取所述文本矩阵中的特征元素，并基于预置的参数矩阵对所述特征元素进行特征编码处理，得到目标特征矩阵，包括：通过预置的得分函数计算所述文本矩阵对应的得分矩阵；对所述得分矩阵进行特征提取，得到特征元素；对所述特征元素和预置的参数矩阵进行注意力头编码，得到目标特征矩阵。5.根据权利要求1所述的文本实体生成方法，其特征在于，所述对所述文本矩阵和所述目标特征矩阵进行注意力编码，得到编码向量，包括：对所述文本矩阵和所述目标特征矩阵进行相似度计算，得到目标相似度；基于所述目标相似度对所述文本矩阵进行编码运算，得到编码向量。6.根据权利要求1所述的文本实体生成方法，其特征在于，所述通过预置的图神经网络模型中的编码器对所述编码向量进行词嵌入处理，得到隐藏状态向量，包括：通过预置图神经网络模型中的编码器对所述编码向量进行分词运算，得到多个词向量；对所述多个词向量进行语义特征提取，得到每个词向量对应的特征值，并基于每个词向量对应的特征值生成隐藏状态向量。7.根据权利要求1‑6中任一项所述的文本实体生成方法，其特征在于，所述通过预置的图神经网络模型中的解码器对所述隐藏状态向量进行实体识别，得到目标文本实体，包括：2CN113836928A权利要求书2/2页通过预置图神经网络模型中的解码器对所述隐藏状态向量进行序列评分，得到预测标签序列；对所述预测标签序列进行实体预测，得到目标文本实体。8.一种文本实体生成装置，其特征在于，所述文本实体生成装置包括：获取模块，用于获取待处理的目标新闻文本；转换模块，用于基于预置的语料库对所述目标新闻文本进行矩阵转换，得到文本矩阵；特征编码模块，用于提取所述文本矩阵中的特征元素，并基于预置的参数矩阵对所述特征元素进行特征编码处理，得到目标特征矩阵；注意力编码模块，用于对所述文本矩阵和所述目标特征