[发明专利]一种中文实体提取方法及装置

权利要求书

1.一种中文实体提取方法，其特征在于，包括：

基于标点符号，切分目标源语句，得到子句；

对所述子句中的字进行向量化处理，得到字向量；

根据所述字向量及层级的双向长短期记忆网络BiLSTM，确定由长短期记忆网络LSTM得到每个字分别对应的各个标签的概率矩阵；其中，所述层级的双向长短期记忆网络BiLSTM包括第一双向长短期记忆网络BiLSTM和第二双向长短期记忆网络BiLSTM；

将所述概率矩阵输入条件随机场模型CRF，得到每个字分别对应的各个标签中概率最大的标签；

提取由所述概率最大的标签对应的字组成的中文实体；

其中，所述根据所述字向量及层级的双向长短期记忆网络BiLSTM，确定由长短期记忆网络LSTM得到每个字分别对应的各个标签的概率矩阵；其中，所述层级的双向长短期记忆网络BiLSTM包括第一双向长短期记忆网络BiLSTM和第二双向长短期记忆网络BiLSTM，包括：

将所述字向量输入所述第一双向长短期记忆网络BiLSTM，得到子句语义向量；

将所述子句语义向量输入所述第二双向长短期记忆网络BiLSTM，得到目标源语句语义向量；

将所述子句语义向量和所述目标源语句语义向量输入所述长短期记忆网络LSTM中，得到每个字分别对应的各个标签的概率矩阵。

2.根据权利要求1所述的中文实体提取方法，其特征在于，所述基于标点符号，切分目标源语句，得到子句，包括：

基于标点符号，切分目标源语句，得到子句；

在每个所述子句的最后一个字后加上特殊标记；

其中，所述特殊标记代表一个子句终止。

3.根据权利要求1所述的中文实体提取方法，其特征在于，所述对所述子句中的字进行向量化处理，得到字向量，包括：

利用Word2vec的Skip-gram模型，对所述子句中的字进行向量化处理，得到字向量。

4.一种中文实体提取装置，其特征在于，包括：切分模块、向量化处理模块、确定模块、得到模块和提取模块；

所述切分模块，用于基于标点符号，切分目标源语句，得到子句；

所述向量化处理模块，用于对所述子句中的字进行向量化处理，得到字向量；

所述确定模块，用于根据所述字向量及层级的双向长短期记忆网络BiLSTM，确定由长短期记忆网络LSTM得到每个字分别对应的各个标签的概率矩阵；其中，所述层级的双向长短期记忆网络BiLSTM包括第一双向长短期记忆网络BiLSTM和第二双向长短期记忆网络BiLSTM；

所述得到模块，用于将所述概率矩阵输入条件随机场模型CRF，得到每个字分别对应的各个标签中概率最大的标签；

所述提取模块，用于提取由所述概率最大的标签对应的字组成的中文实体；

其中，所述确定模块，具体用于：

将所述字向量输入所述第一双向长短期记忆网络BiLSTM，得到子句语义向量；

将所述子句语义向量输入所述第二双向长短期记忆网络BiLSTM，得到目标源语句语义向量；

将所述子句语义向量和所述目标源语句语义向量输入所述长短期记忆网络LSTM中，得到每个字分别对应的各个标签的概率矩阵。

5.根据权利要求4所述的中文实体提取装置，其特征在于，所述切分模块，具体用于：

基于标点符号，切分目标源语句，得到子句；

在每个所述子句的最后一个字后加上特殊标记；

其中，所述特殊标记代表一个子句终止。

6.根据权利要求4所述的中文实体提取装置，其特征在于，所述向量化处理模块，具体用于：

利用Word2vec的Skip-gram模型，对所述子句中的字进行向量化处理，得到字向量。

7.一种电子设备，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至3任一所述的中文实体提取方法。

8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3任一所述的中文实体提取方法。