[发明专利]用于抽取信息的方法、装置和设备

说明书

本申请公开了用于抽取信息的方法、装置和设备。用于抽取信息的方法的一具体实施方式包括：获取已标注的语料库，已标注的语料库包括多条样本语句以及与各样本语句对应的已标注信息集合；基于已标注的语料库中的样本语句和各样本语句对应的已标注信息集合构造输入序列和输出序列；利用深度学习方法训练得出由输入序列生成输出序列的信息抽取模型；将待处理语句输入信息抽取模型，以抽取出待处理语句所包含的知识信息集合；已标注信息集合包括将从对应的样本语句中抽取出的以下至少一种知识按照预设规则规范化后的信息：基于动词或介词的知识、基于名词属性的知识、实体的描述知识以及实体与概念的关系知识。该实施方式实现了信息的有效、准确抽取。

技术领域

本申请实施例涉及计算机技术领域，具体涉及自然语言数据处理领域，尤其涉及用于抽取信息的方法、装置和设备。

背景技术

自然语言处理，是对人们日常使用的语言进行处理，以实现与计算机之间的有效通信的技术，它是人工智能领域的一个重要研究方向。

自然语言处理中，往往需要借助知识库来对文本语言进行理解，知识库可以提供丰富的实体知识信息，包括实体的属性信息、实体间的关系信息等。因此，如何从自然语言中提取出有效的知识信息以构造知识库，成为学术界和工业界的研究探索的热点问题。

由于自然语言灵活多变，自动化的信息抽取具有一定的难度。尤其对于不限定领域、类别实体的开放信息抽取，需要从海量、冗余、含有噪声的不规范文本中抽取出开放类别的实体、实体关系等知识。目前学术界与工业界所采用的方案大都是基于规则的方法。其中一种基于规则的方法是对语句进行语法分析生成语法分析树，在语法分析树上施加规则来提取相关的信息。例如根据句子语法中主语、谓词和宾语的位置规则来提取对应的信息。另一种基于规则的方法是采用人工标定的规则来自动生成一些样本，利用生成的样本来训练提取器，从而实现信息提取。这些规则通常由专家来设定，针对不同类型的信息的抽取，规则的形式一般是不相同的。因此，在抽取多种类型的信息的开放信息抽取场景中，需要设定大量的规则。

发明内容

本申请实施例提供了用于抽取信息的方法、装置和设备。

第一方面，本申请实施例提供了一种用于抽取信息的方法，包括：获取已标注的语料库，已标注的语料库包括多条样本语句以及与各样本语句对应的已标注信息集合；分别基于已标注的语料库中的样本语句和各样本语句对应的已标注信息集合构造输入序列以及对应的输出序列；利用深度学习方法训练得出由输入序列生成输出序列的信息抽取模型；将待处理语句输入已生成的信息抽取模型，以抽取出待处理语句所包含的知识信息集合；其中，已标注信息集合包括将从对应的样本语句中抽取出的以下至少一种知识按照预设规则规范化后的信息：基于动词或介词的知识、基于名词属性的知识、实体的描述知识以及实体与概念的关系知识。

在一些实施例中，上述利用深度学习方法训练得出由输入序列生成输出序列的信息抽取模型，包括：对输入序列中的各对象和输出序列中的各已标注信息进行向量化处理；构建信息抽取模型的神经网络，信息抽取模型的神经网络包括编码器和解码器；利用编码器将向量化处理后的输入序列映射为输入隐状态序列，利用解码器将输出序列映射为输出隐状态序列；利用解码器对输入隐状态序列进行解码，得到预测状态序列；根据预测状态序列与输出隐状态序列的差异调整神经网络的参数。

在一些实施例中，上述利用解码器对输入隐状态序列进行解码，得到预测状态序列，包括：对于待生成的预测状态序列中的目标位置，获取解码器的隐藏层在解码得出目标位置的上一个位置的预测状态后的状态，作为解码器的当前隐状态；基于当前隐状态计算输入隐状态序列中各输入隐状态与待生成的预测状态序列中目标位置的预测状态之间的匹配度；基于匹配度计算各输入隐状态对目标位置的预测状态的注意力权重；对各输入隐状态按照注意力权重进行加权求和得到上下文向量；基于上下文向量、输出隐状态序列中目标位置的上一个位置的输出隐状态、以及解码器的隐藏层在解码目标位置的预测状态时的状态，计算出目标位置的预测状态的概率分布；根据概率分布，确定出目标位置的预测状态。