[发明专利]命名实体识别方法、装置、设备及计算机可读存储介质

权利要求书

1.一种命名实体识别方法，其特征在于，所述方法包括：

对初始word2vec模型中的嵌入层初始化后，将所述嵌入层的参数设置为不可训练状态，直至迭代到达预设时间后，对所述嵌入层的参数进行训练，得到目标word2vec模型；获取待识别文本的字符向量；通过目标word2vec模型获取所述待识别文本的词向量；采用注意力模型中的Soft-Attention动态地训练所述字符向量和所述词向量的权重，对所述词向量和所述字符向量进行数据加权变换，对数据加权变换后的词向量和数据加权变换后的字符向量进行求和，得到加权求和结果，所述Soft-Attention使用两层神经网络隐层学习attention的值；

将所述加权求和结果输入至目标双向长短期记忆LSTM模型中进行处理，得到文本特征序列；

将所述文本特征序列输入至目标条件随机场CRF模型中进行处理，得到所述待识别文本的命名实体识别结果。

2.根据权利要求1所述的方法，其特征在于，所述获取待识别文本的字符向量，包括：

将所述待识别文本输入至目标卷积神经网络CNN模型中，得到所述待识别文本的字符向量。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

获取数据集，将所述数据集划分为训练集、验证集和测试集，其中，所述数据集包括目标文本资源、已标注的目标命名实体及词向量；

根据所述训练集对初始双向LSTM模型及初始CRF模型进行训练，得到训练后的双向LSTM模型及CRF模型；

根据所述验证集对所述训练后的双向LSTM模型及CRF模型进行验证；

当验证通过后，采用所述测试集对所述训练后的双向LSTM模型及CRF模型进行测试，得到目标双向LSTM模型及目标CRF模型。

4.根据权利要求3所述的方法，其特征在于，所述获取数据集，包括：

获取初始文本资源，对所述初始文本资源进行预处理，得到语句序列；

对所述语句序列进行分词处理，得到至少一个词序列；

按照词频对所述词序列中的词进行排序，确定每个词对应的标签信息，得到多个词与标签信息的组合，将所述词与标签信息的组合作为目标文本资源。

5.根据权利要求4所述的方法，其特征在于，所述对所述初始文本资源进行预处理，得到语句序列，包括：

对所述初始文本资源进行词过滤及特殊字符过滤，得到语句序列。

6.一种命名实体识别装置，其特征在于，所述装置包括：预处理层、双向长短期记忆LSTM层和条件随机场CRF层；

所述预处理层，用于对初始word2vec模型中的嵌入层初始化后，将所述嵌入层的参数设置为不可训练状态，直至迭代到达预设时间后，对所述嵌入层的参数进行训练，得到目标word2vec模型；获取待识别文本的字符向量；通过目标word2vec模型获取所述待识别文本的词向量；采用注意力模型中的Soft-Attention动态地训练所述字符向量和所述词向量的权重，对所述词向量和所述字符向量进行数据加权变换，对数据加权变换后的词向量和数据加权变换后的字符向量进行求和，得到加权求和结果；将所述加权求和结果输入至所述双向LSTM层，所述Soft-Attention使用两层神经网络隐层学习attention的值；

所述双向LSTM层，用于对所述加权求和结果进行处理，得到文本特征序列，将所述文本特征序列输入至所述CRF层；

所述CRF层，用于对所述文本特征序列进行处理，得到所述待识别文本的命名实体识别结果。