[发明专利]实体关系抽取方法及装置

说明书

本发明实施例提供一种实体关系抽取方法及装置，属于自然语言处理技术领域。包括：将实例输入至分类模型中，输出实例中实体对的语义关系，分类模型为树形结构，分类模型中最底层的每一叶子节点均包含一种已知的语义关系；树形结构是由最底层的叶子节点进行从下至上聚类后所确定的，树形结构为至少三层；分类模型中除最底层的叶子节点之外的节点均对应一个分类器。由于树形结构为至少三层，从而分类模型中包含两个以上的分类器。相较于通过一个分类器同时区分成不同的语义关系，通过两个以上的分类器可更容易区分语义相近的语义关系。另外，由于实例中实体对的语义关系是按照树形结构进行逐层分类所确定的，从而也可更容易区分语义相近的语义关系。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种实体关系抽取方法及装置。

背景技术

随着互联网的快速发展，非结构化文本信息呈爆炸式的增长趋势，海量的数据为用户提供了一个取之不尽的信息源，但也使得信息抽取任务面临着严重的挑战。在相关技术中，主要使用的是基于远程监督的实体关系抽取方式。具体地，将关系抽取任务建模成一个单节点分类任务，也即利用一个分类器来区分语义关系。由于是通过一个分类器同时区分成千上万种语义关系，从而语义相近的实例在区分语义关系时容易被混淆，从而导致实例的实体关系抽取结果不准确。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的实体关系抽取方法及装置。

根据本发明实施例的第一方面，提供了一种实体关系抽取方法，包括：

将实例输入至分类模型中，输出实例中实体对的语义关系，分类模型为树形结构，分类模型中最底层的每一叶子节点均包含一种已知的语义关系；树形结构是由最底层的叶子节点进行从下至上聚类后所确定的，树形结构为至少三层；分类模型中除最底层的叶子节点之外的节点均对应一个分类器，分类模型中每一分类器均是基于已标注语义关系的样本实例进行训练后得到的。

根据本发明实施例的第二方面，提供了一种实体关系抽取装置，包括：

输出模块，用于将实例输入至分类模型中，输出实例中实体对的语义关系，分类模型为树形结构，分类模型中最底层的每一叶子节点均包含一种已知的语义关系；树形结构是由最底层的叶子节点进行从下至上聚类后所确定的，树形结构为至少三层；分类模型中除最底层的叶子节点之外的节点均对应一个分类器，分类模型中每一分类器均是基于已标注语义关系的样本实例进行训练后得到的。

根据本发明实施例的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与处理器通信连接的至少一个存储器，其中：

存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的实体关系抽取方法。

根据本发明的第四方面，提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的实体关系抽取方法。

本发明实施例提供的实体关系抽取方法及装置，通过根据语义关系之间的相似性，对语义关系进行从下至上的聚类，以得到树形结构的分类模型。将实例输入至分类模型中，可输出实例中实体对的语义关系。由于树形结构为至少三层，从而分类模型中至少包含两个以上的分类器。相较于通过一个分类器同时区分成不同的语义关系，通过两个以上的分类器可以更容易区分语义相近的语义关系。另外，由于实例中实体对的语义关系是按照树形结构进行逐层分类所确定的，从而也可以更容易区分语义相近的语义关系。

应当理解的是，以上的一般描述和后文的细节描述是示例性和解释性的，并不能限制本发明实施例。

附图说明