[发明专利]文本实体提取方法及装置

说明书

本发明公开了一种文本实体提取方法及装置，属于文本提取领域。该方法包括：确定目标文本中包含的候选文本实体；对候选文本实体进行组合，生成目标文本对应的候选分词组合，各个候选分词组合中包含的候选文本实体不同；计算各个候选分词组合对应的组合概率，组合概率指目标文本采用所述候选分词组合时语法成立的概率；根据组合概率确定目标文本对应的目标分词组合；根据目标分词组合从目标文本中提取文本实体。本发明实施例中文本实体的提取不依赖预设模板，缩短了前期配置所耗费时间；同时，相较于模板匹配，采用概率计算的方式确定目标分词组合的速度更快，能够避免因未查找到匹配的模板而导致文本实体提取失败的问题。

技术领域

本发明实施例涉及文本提取领域，特别涉及一种文本实体提取方法及装置。

背景技术

随着人机交互技术的不断发展，越来越多的智能设备开始具备自然语言认知功能。在使用这类智能设备时，用户只需要发起自然语言指令，智能设备即能够对自然语言指令进行认知分析，并根据分析结果执行相应操作，其中，认知分析技术的核心在于如何从自然语言指令中提取特定的文本实体。比如，当接收到的自然语言指令指示播放歌曲时，智能设备需要通过认知分析技术从该自然语言指令中提取出诸如歌手名和/或歌曲名的文本实体。

在文本提取领域，从自然语言指令中提取出文本实体通常基于模板匹配实现。采用模板匹配的方式提取自然语言指令中的文本实体时，智能设备将获取到的自然语言指令与大量预设模板进行匹配，并根据匹配到的预设模板从自然语言指令中提取相应的文本实体。比如，智能设备获取到的自然语言指令为“我想听歌手A的歌曲B”，并查找到匹配的预设模板“我想听[歌手]的[歌曲]”，从而根据该模板提取到文本实体“歌手A”和“歌曲B”。

然而，由于自然语言指令的不确定性，为了达到较好的认知效果，开发人员需要预先设置大量的模板，导致在进行模板匹配时需要花费大量时间；并且，在未查找到完全匹配的模板时，智能设备将无法从自然语言指令中提取到相应文本实体。

发明内容

为了解决开发人员需要预先设置大量的模板，导致在进行模板匹配时需要花费大量时间；且在未查找到完全匹配的模板时，智能设备将无法从自然语言指令中提取到相应文本实体的问题，本发明实施例提供了一种文本实体提取方法及装置。所述技术方案如下：

根据本发明实施例的第一方面，提供了一种文本实体提取方法，该方法包括：

确定目标文本中包含的候选文本实体；

对候选文本实体进行组合，生成目标文本对应的候选分词组合，各个候选分词组合中包含的候选文本实体不同；

计算各个候选分词组合对应的组合概率，组合概率指目标文本采用候选分词组合时语法成立的概率；

根据组合概率确定目标文本对应的目标分词组合；

根据目标分词组合从目标文本中提取文本实体。

根据本发明实施例的第二方面，提供了一种文本实体提取装置，该装置包括：

第一确定模块，用于确定目标文本中包含的候选文本实体；

生成模块，用于对候选文本实体进行组合，生成目标文本对应的候选分词组合，各个候选分词组合中包含的候选文本实体不同；

计算模块，用于计算各个候选分词组合对应的组合概率，组合概率指目标文本采用候选分词组合时语法成立的概率；

第二确定模块，用于根据组合概率确定目标文本对应的目标分词组合；

提取模块，用于根据目标分词组合从目标文本中提取文本实体。