实体识别方法、装置、电子设备及可读存储介质.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CN113673245A(43)申请公布日2021.11.19(21)申请号202110802245.6(22)申请日2021.07.15(71)申请人北京三快在线科技有限公司地址100083北京市海淀区北四环西路9号2106-030(72)发明人黄江华胡炎根江会星武威(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人任亚娟(51)Int.Cl.G06F40/295(2020.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书12页附图4页(54)发明名称实体识别方法、装置、电子设备及可读存储介质(57)摘要本公开的实施例提供了一种实体识别方法、装置、电子设备及可读存储介质。所述方法包括：获取预先训练好的实体识别模型和所述实体识别模型的模型参数；调用矩阵运算库重写所述实体识别模型的模型结构，并将所述模型参数赋予重写的实体识别模型，生成目标实体识别模型；获取待识别语句；将所述待识别语句输入至所述目标实体识别模型；调用所述目标实体识别模型输出所述待识别语句中的目标实体词及所述目标实体词的实体类型。本公开的实施例可以在高负载的流量下确保NER服务高承载性，并提高了实体识别的效率和准确率。CN113673245ACN113673245A权利要求书1/2页1.一种实体识别方法，其特征在于，包括：获取预先训练好的实体识别模型和所述实体识别模型的模型参数；调用矩阵运算库重写所述实体识别模型的模型结构，并将所述模型参数赋予重写的实体识别模型，生成目标实体识别模型；获取待识别语句；将所述待识别语句输入至所述目标实体识别模型；调用所述目标实体识别模型输出所述待识别语句中的目标实体词及所述目标实体词的实体类型。2.根据权利要求1所述的方法，其特征在于，在所述获取预先训练好的实体识别模型和所述实体识别模型的模型参数之前，还包括：获取样本语句；对所述样本语句进行预处理，生成模型训练语句；基于所述模型训练语句对初始实体识别模型进行训练，得到所述实体识别模型。3.根据权利要求2所述的方法，其特征在于，所述对所述样本语句进行预处理，生成模型训练语句，包括：根据预设概率对所述样本语句中的实体词进行替换处理，生成所述模型训练语句。4.根据权利要求2所述的方法，其特征在于，所述初始实体识别模型包括：第一词向量获取层、第二词向量获取层、字向量获取层和转移概率获取层，所述模型训练语句包含训练语句中的实体词对应的至少两个实体类型，其中，所述基于所述模型训练语句对初始实体识别模型进行训练，得到所述实体识别模型，包括：将所述模型训练语句输入至所述初始实体识别模型；调用所述第一词向量获取层获取所述模型训练语句中按照从左向右的顺序整合的每个词的第一词向量；调用所述第二词向量获取层获取所述模型训练语句中按照从右向左的顺序整合的每个词的第二词向量；调用所述字向量获取层获取所述模型训练语句中每个字的字向量；调用所述概率转移矩阵获取层对所述第一词向量、所述第二词向量和所述字向量进行处理，获取每个字和每个词在所述实体类型的预测值，并根据所述预测值获取所述至少两个实体类型之间的转移概率；基于所述转移概率，计算得到所述初始实体识别模型的损失值；在所述损失值处于预设范围内的情况下，将训练后的初始实体识别模型作为所述实体识别模型。5.根据权利要求1所述的方法，其特征在于，所述调用所述目标实体识别模型输出所述待识别语句中的目标实体词及所述目标实体词的实体类型，包括：获取所述待识别语句中的每个字的目标字向量；获取所述待识别语句中的每个词的目标词向量；将所述目标字向量和所述目标词向量进行拼接处理，生成拼接向量；将所述拼接向量输入至所述目标实体识别模型中；2CN113673245A权利要求书2/2页调用所述目标实体识别模型对所述拼接向量进行处理，得到所述待识别语句中包含的目标实体词及所述目标实体词的实体类型。6.根据权利要求5所述的方法，其特征在于，所述获取所述待识别语句中的每个词的目标词向量，包括：获取所述待识别语句中按照从左向右的顺序整合的每个词的第一词向量；获取所述待识别语句中按照从右向左的顺序整合的每个词的第二词向量；将所述第一词向量和所述第二词向量作为所述目标词向量。7.一种实体识别装置，其特征在于，包括：实体识别模型获取模块，用于获取预先训练好的实体识别模型和所述实体识别模型的模型参数；目标实体识别模型生成模块，用于调用矩阵运算库重写所述实体识别模型的模型结构，并将所述模型参数赋予重写的实体识别模型，生成目标实体识别模型；待识别语句获取模块，用于获取待识别语句；待识别语句输入模块，用于将所述待识别语句输入至所述目标实体识别模型；实体类型获取模块，用于调用所述目