信息抽取方法、装置、电子设备及存储介质.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CN113627201A(43)申请公布日2021.11.09(21)申请号202111180788.5(22)申请日2021.10.11(71)申请人北京达佳互联信息技术有限公司地址100085北京市海淀区上地西路6号1幢1层101D1-7(72)发明人唐波(74)专利代理机构广州三环专利商标代理有限公司44202代理人郝传鑫贾允(51)Int.Cl.G06F40/58(2020.01)G06F16/35(2019.01)G06F40/30(2020.01)G06K9/62(2006.01)权利要求书4页说明书14页附图9页(54)发明名称信息抽取方法、装置、电子设备及存储介质(57)摘要本公开涉及一种信息抽取方法、装置、电子设备及存储介质，所述方法包括：对多个对象的原生评价信息进行语种转换，得到与每条原生评价信息对应的目标评价信息；对所述原生评价信息和所述目标评价信息进行语义单元拆分，得到多个原生语义单元和多个目标语义单元；构建语义单元匹配组；其中每个所述语义单元匹配组中包括一个目标语义单元，以及与所述目标语义单元具有相同语义的多个原生语义单元；所述多个原生语义单元对应不同的语种；基于对所述多个目标语义单元的语义聚类结果，以及所述语义单元匹配组，得到与所述多个对象对应的多语种属性描述信息。本公开能够提高多语言本地化表达的效果以及多语言表达的准确性。CN113627201ACN113627201A权利要求书1/4页1.一种信息抽取方法，其特征在于，包括：对多个对象的原生评价信息进行语种转换，得到与每条原生评价信息对应的目标评价信息；其中，所述多个对象的原生评价信息中包括多语种的原生评价信息；对所述原生评价信息和所述目标评价信息进行语义单元拆分，得到多个原生语义单元和多个目标语义单元；构建语义单元匹配组；其中每个所述语义单元匹配组中包括一个目标语义单元，以及与所述目标语义单元具有相同语义的多个原生语义单元；所述多个原生语义单元对应不同的语种；基于对所述多个目标语义单元的语义聚类结果，以及所述语义单元匹配组，得到与所述多个对象对应的多语种属性描述信息。2.根据权利要求1所述的一种信息抽取方法，其特征在于，所述方法还包括：生成与所述多个目标语义单元对应的语义向量；对所述与所述多个目标语义单元对应的语义向量进行语义聚类，得到多个目标类；基于每个所述目标类中的语义向量，以及所述语义单元匹配组，从所述多个目标语义单元中确定出多个聚类语义单元。3.根据权利要求2所述的一种信息抽取方法，其特征在于，所述基于对所述多个目标语义单元的语义聚类结果，以及所述语义单元匹配组，得到与所述多个对象对应的多语种属性描述信息包括：基于所述语义单元匹配组，确定与每项所述聚类语义单元相匹配的多个原生语义单元；将每项所述聚类语义单元，以及与所述聚类语义单元相匹配的多个原生语义单元确定为与所述多个对象对应的多语种属性描述信息。4.根据权利要求2所述的一种信息抽取方法，其特征在于，所述生成与所述多个目标语义单元对应的语义向量包括：基于每个所述目标语义单元中每个词语的词向量，得到所述目标语义单元包含的词向量；对所述目标语义单元包含的词向量取平均值，得到所述目标语义单元对应的所述语义向量；基于各目标语义单元对应的所述语义向量，得到与所述多个目标语义单元对应的语义向量。5.根据权利要求2所述的一种信息抽取方法，其特征在于，所述基于每个所述目标类中的语义向量，以及所述语义单元匹配组，从所述多个目标语义单元中确定出多个聚类语义单元包括：确定每个所述目标类的中心语义向量；基于每个所述目标类中的各语义向量与所述中心语义向量的距离，确定每个所述目标类的候选语义向量；根据每个所述目标类的候选语义向量对应的目标语义单元，得到多个候选语义单元；基于所述语义单元匹配组，确定与每个候选语义单元相匹配的原生语义单元的数量；基于与每个候选语义单元相匹配的原生语义单元的数量，从所述候选语义单元中确定2CN113627201A权利要求书2/4页出所述聚类语义单元。6.根据权利要求2所述的一种信息抽取方法，其特征在于，所述方法还包括：在确定每个对象的属性描述信息时，遍历每个所述聚类语义单元，基于每个所述聚类语义单元执行以下操作：在所述对象的原生评价信息中查找当前聚类语义单元；若所述对象的原生评价信息中包含所述当前聚类语义单元时，将所述当前聚类语义单元确定为所述对象的属性描述信息。7.根据权利要求6所述的一种信息抽取方法，其特征在于，所述方法还包括：对于所述对象的每项属性描述信息，确定所述属性描述信息的情感值；将所述对象的原生评价信息中，包含所述属性描述信息且与所述属性描述信息的情感值一致的原生评价信息确定为与所述属性描述信息相匹