[发明专利]一种命名实体识别方法和装置

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：

获取待识别命名实体的文本信息；

提取所述文本信息的词向量、字符向量和手工特征，并组成向量矩阵；

通过预设的双向长短期记忆网络BiLSTM-条件随机场CRF模型对所述文本信息的向量矩阵进行命名实体识别；并获得识别结果；

其中，所述预设的BiLSTM-CRF模型是通过自编码器将手工特征加入到初始BiLSTM-CRF模型进行训练获得的；所述手工特征包括：词性、词形和词库。

2.根据权利要求1所述的方法，其特征在于，所述组成向量矩阵，包括：

手工特征中的各特征以独热编码的方式，与词向量、字符向量拼接为一个向量矩阵。

3.根据权利要求1所述的方法，其特征在于，获得预设的BiLSTM-CRF模型，包括：

在训练初始BiLSTM-CRF模型时，将通过BiLSTM获得的特征向量分别输入自编码器和CRF，基于模型损失函数计算交叉熵，并利用反向传播算法和梯度下降算法更新训练初始BiLSTM-CRF模型的参数，获得预设的BiLSTM-CRF模型；

其中，模型损失函数为所有自编码器使用的损失函数和CRF使用的损失函数的加权和；所述手工特征中的每种特征对应一个自编码器。

4.根据权利要求1-3任一项所述的方法，其特征在于，

所述词性和词形通过开源工具生成；

所述词库根据建立的词库，或已存在的词库生成。

5.一种命名实体识别装置，其特征在于，所述装置包括：获取单元、提取单元、建立单元和识别单元；

所述获取单元，用于获取待识别命名实体的文本信息；

所述提取单元，用于提取所述获取单元获取的文本信息的词向量、字符向量和手工特征，并组成向量矩阵；

所述建立单元，用于建立预设的双向长短期记忆网络BiLSTM-条件随机场CRF模型；其中，所述预设的BiLSTM-CRF模型是通过自编码器将手工特征加入到初始BiLSTM-CRF模型进行训练获得的；所述手工特征包括：词性、词形和词库；

所述识别单元，用于通过所述建立单元建立的预设的BiLSTM-CRF模型对所述提取单元获取的文本信息的向量矩阵进行命名实体识别；并获得识别结果。

6.根据权利要求5所述的装置，其特征在于，

所述提取单元，具体用于组成向量矩阵时，将手工特征中的各特征以独热编码的方式，与词向量、字符向量拼接为一个向量矩阵。

7.根据权利要求5所述的装置，其特征在于，

所述建立单元，具体用于获得预设的BiLSTM-CRF模型包括：在训练初始BiLSTM-CRF模型时，将通过BiLSTM获得的特征向量分别输入自编码器和CRF，基于模型损失函数计算交叉熵，并利用反向传播算法和梯度下降算法更新训练初始BiLSTM-CRF模型的参数，获得预设的BiLSTM-CRF模型；其中，模型损失函数为所有自编码器使用的损失函数和CRF使用的损失函数的加权和；所述手工特征中的每种特征对应一个自编码器。

8.根据权利要求5-7任一项所述的装置，其特征在于，

所述词性和词形通过开源工具生成；

所述词库根据建立的词库，或已存在的词库生成。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-4任一项所述的方法。