[发明专利]命名实体识别方法及装置

说明书

本发明提供了一种命名实体识别方法及装置，所述方法包括：将待识别语料进行词向量转换，生成预设维度的第一词向量；将所述待识别语料进行多特征向量转换，生成第一多特征向量；将所述预设维度的第一词向量与所述第一多特征向量拼接，生成第一多特征拼接向量；根据所述多特征拼接向量以及预置多特征命名实体识别模型确定所述待识别语料的至少一个命名实体的标签。提高命名实体的识别准确度。

技术领域

本发明实施例涉及信息技术领域，尤其涉及一种命名实体识别方法及装置。

背景技术

在信息技术领域，命名实体识别(Named Entity Recognition，简称 NER)指的是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。

现有技术中，如在餐饮领域中，需要对用户评价和用户查询中的实体进行识别。实际环境中会不断的有新菜品出现，并且文本口语化的现象也会导致许多菜品的缩写(如麻小)出现，识别新实体的能力应该作为模型重要的指标之一。而现在主流的神经网络模型(如CNN+CRF，Bi-LSTM+CRF 等)对于新实体的边界的标签不准确，对新实体的识别效果有待提高。

发明内容

本发明提供一种命名实体识别方法及装置，以解决现有技术中的上述问题。

根据本发明的第一方面，提供了一种命名实体识别方法，所述方法包括：

将待识别语料进行词向量转换，生成预设维度的第一词向量；

将所述待识别语料进行多特征向量转换，生成第一多特征向量；

将所述预设维度的第一词向量与所述第一多特征向量拼接，生成第一多特征拼接向量；

根据所述多特征拼接向量以及预置多特征命名实体识别模型确定所述待识别语料的至少一个命名实体的标签。

根据本发明的第一方面，提供了一种多特征命名实体识别模型训练方法，所述方法包括：

通过预置的命名实体训练语料获得实体标注语料；

将所述实体标注语料进行词向量转换，生成预设维度的第二词向量；

将所述实体标注语料进行多特征向量转换，生成第二多特征向量；

将所述第二多特征向量与所述预设维度的第二词向量拼接，生成第二多特征拼接向量；

基于所述第二多特征拼接向量对预设神经网络算法进行训练，得到多特征命名实体识别模型，用于标注待识别语料中的命名实体。

根据本发明的第三方面，提供了一种命名实体识别装置，所述装置包括：

第一词向量生成模块，用于将待识别语料进行词向量转换，生成预设维度的第一词向量；

第一多特征向量生成模块，用于将所述待识别语料进行多特征向量转换，生成第一多特征向量；

第一多特征拼接向量生成模块，用于将所述预设维度的第一词向量与所述第一多特征向量拼接，生成第一多特征拼接向量；

命名实体标签获得模块，用于根据所述多特征拼接向量以及预置多特征命名实体识别模型确定所述待识别语料的至少一个命名实体的标签。

根据本发明的第四方面，提供了一种多特征命名实体识别模型训练装置，所述装置包括：

实体标注语料获得模块，用于通过预置的命名实体训练语料获得实体标注语料；

第二词向量生成模块，用于将所述实体标注语料进行词向量转换，生成预设维度的第二词向量；

第二多特征向量生成模块，用于将所述实体标注语料进行多特征向量转换，生成第二多特征向量；