[发明专利]实体的上下位关系的挖掘方法和装置、电子设备

说明书

本公开提供了一种实体的上下位关系的挖掘方法，该方法包括：确定获取到的待挖掘实体集合的原子词，确定待挖掘实体集合中各个待挖掘实体的分词信息，确定待挖掘实体集合中各个待挖掘实体的类型信息，根据原子词、分词信息、类型信息和预设的分类模型确定待挖掘实体集合中各个待挖掘实体的上下位关系，其中，分类模型中的样本实体包括原子词、分词信息和类型信息。本公开还提供了一种实体的上下位关系的挖掘装置、电子设备和计算机可读介质。

技术领域

本公开实施例涉及计算机技术领域，特别涉及实体的上下位关系的挖掘方法和装置、电子设备和计算机可读介质。

背景技术

目前相同实体类别的实体之间存在同义、无关系和上下位关系三种关联关系。

在现有技术中，对相同实体类别的实体之间的上下位关系的挖掘主要通过人为的方式实现。如，对于疾病的实体类别的实体的上下位关系进行挖掘时，由医生对每个实体进行标注，得到实体之间的上下位关系。

发明内容

本公开实施例提供一种实体的上下位关系的挖掘方法和装置、电子设备和计算机可读介质。

第一方面，本公开实施例提供了一种实体的上下位关系的挖掘方法，包括：

确定获取到的待挖掘实体集合的原子词，所述原子词为所述待挖掘实体集合的实体类别中具有意图的最小粒度的实体名称；

确定所述待挖掘实体集合中各个待挖掘实体的分词信息；

确定所述待挖掘实体集合中各个待挖掘实体的类型信息；

根据所述原子词、所述分词信息、所述类型信息和预设的分类模型确定所述待挖掘实体集合中各个待挖掘实体的上下位关系，其中，所述分类模型中的样本实体包括原子词、分词信息和类型信息。

在一些实施例中，所述确定获取到的待挖掘实体集合的原子词，包括：

分别确定所述待挖掘实体集合中各个待挖掘实体的词序列，所述词序列包括至少一个词，每个词包括待挖掘实体的实体名称中的至少两个字；

根据各个待挖掘实体的词序列确定所述原字词。

在一些实施例中，所述根据各个待挖掘实体的词序列确定所述原字词，包括：

响应于至少两个待挖掘实体的词序列中包含相同的词，则从所述相同的词中选取字数最少的词作为所述原字词。

在一些实施例中，在所述分别确定所述待挖掘实体集合中各个待挖掘实体的词序列之后，还包括：

将不能被解析得到在所述待挖掘实体集合的实体类别中包括意图的词从所述词序列中删除；

以及所述根据各个待挖掘实体的词序列确定所述原字词，包括：

从已删除不能被解析得到在所述待挖掘实体集合的实体类别中包括意图的词的词序列中确定所述原字词。

在一些实施例中，所述根据所述原子词、所述分词信息、所述类型信息和预设的分类模型确定所述待挖掘实体集合中各个待挖掘实体的上下位关系，包括：

对所述原子词、所述分词信息和所述类型信息分别进行向量转换处理；

根据所述分类模型以及，经过向量转换处理的所述原子词、所述分词信息和所述类型信息确定所述待挖掘实体集合中各个待挖掘实体的上下位关系。

第二方面，本公开实施例还提供了一种实体的上下位关系的挖掘装置，包括：

原子词确定模块，用于确定获取到的待挖掘实体集合的原子词，所述原子词为所述待挖掘实体集合的实体类别中具有意图的最小粒度的实体名称；

分词信息确定模块，用于确定所述待挖掘实体集合中各个待挖掘实体的分词信息；