[发明专利]人名识别方法及相关装置

权利要求书

1.一种人名识别方法，其特征在于，所述方法包括：

获取输入文本的分词文本和分字文本；

获取所述分词文本中每个词组的词向量，以及获取所述分字文本中的每个字的字向量；

根据所述每个词组的词向量和所述每个字的字向量，采用预设的人名确定模型，其中，所述预设的人名确定模型包括至N个标注模型和评分网络，N为正整数，确定出所述输入文本中的第一目标人名，具体包括：

根据所述每个词组的词向量和所述每个字的字向量，采用所述N个标注模型对所述输入文本进行标注，得到与所述N个标注模型中的每个标注模型相对应的目标人名标注结果，所述目标人名标注结果为所述分字文本中的每个字的人名标注结果；

将所述输入文本按照所述目标人名标注结果进行PER替换，确定出与所述N个标注模型中的每个标注模型相对应的文本，得到N个参考文本；

根据所述评分网络中的M个子评分模型，确定出与目标参考文本相对应的M个参考结果，所述目标参考文本为所述N个参考文本中的任一个；

将所述M个参考结果进行拼接，得到目标结果；

根据所述评分网络中的全连接层，确定出所述目标结果对应的评分值；

根据所述参考文本对应的概率值和所述目标结果对应的评分值，确定出所述目标参考文本的参考评分值，所述目标参考文本的参考评分值可以通过以下公式得到：

其中，为所述目标参考文本的参考评分值，s(c_i)为目标结果对应的评分值，α为调节因子，p(c_i)目标参考文本对应的概率值，α可以通过经验值或历史数据设定；

重复执行上述确定目标参考文本的参考评分值的方法，直至确定出所述N个参考文本中每个参考文本的参考评分值；

获取目标文本，所述目标文本为所述N个参考文本中参考评分值最高的文本；

将所述目标文本中的人名确定为所述第一目标人名。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过目标函数训练得到所述评分网络；其中，所述目标函数为：

其中，θ为神经网络的参数集合，D为训练集，γ为正则化因子，y_i、c_i为训练集中的元素，s(c_i)为参考评分值。

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：

通过校正字典获取所述输入文本的第二目标人名；

根据所述第一目标人名和所述第二目标人名，确定出所述输入文本中的人名。