[发明专利]标注方法、关系抽取方法、存储介质和运算装置

权利要求书

1.一种标注方法，其特征在于，包括：

步骤S1、确定待标注文本、多个正确种子和多个错误种子，所述待标注文本中的每个句子均已由标签标示出一个第一实体和一个第二实体，所述正确种子和所述错误种子均是由第一实体和第二实体构成的实体对；

步骤S2、根据所述正确种子遍历所述待标注文本中每一个句子以匹配出第一模板；

步骤S3、根据所述第一模板遍历所述待标注文本中每一个句子以匹配出种子；

步骤S4、根据已有第一模板、已有的正确种子和已有的错误种子评价匹配出的种子，其中，评价合格的种子作为正确种子；

步骤S5、用步骤S4中得到的正确种子替换步骤S2中的正确种子重复执行步骤S2-S4设定次数后停止或至评价合格的正确种子的数量达到设定阈值后停止；

步骤S6、输出匹配出的正确种子及该正确种子中第一实体和第二实体之间的分类关系。

2.根据权利要求1所述的标注方法，其特征在于，所述根据所述正确种子遍历所述待标注文本中每一个句子以匹配出第一模板包括：

将所述待标注文本中的句子中出现所述正确种子的句子进行聚类；

根据同一类句子和对应的正确种子得到第一模板，所述第一模板包括该同一类句子中出现在对应的正确种子之前的字段的字符向量化表达、出现在对应的正确种子中第一实体与第二实体之间的字段的字符向量化表达、出现在对应的正确种子之后的字段的字符向量化表达。

3.根据权利要求2所述的标注方法，其特征在于，所述根据所述第一模板遍历所述待标注文本中每一个句子以匹配出种子包括：

根据所述待标注文本中的句子得到第二模板，所述第二模板包括该句子中出现在该句子中第一实体和第二实体二者之前的字段的字符向量化表达、出现在该句子中第一实体和第二实体二者之间的字段的字符向量化表达、出现在该句子中第一实体和第二实体二者之后的字段的字符向量化表达；

比较所述第一模板与所述第二模板的相似度；

在所述第一模板与所述第二模板的相似度大于设定阈值的情况下，该第二模板所在句子中的第一实体和第二实体作为匹配出的种子。

4.根据权利要求3所述的标注方法，其特征在于，所述第一模板与所述第二模板的相似度由如下Match函数确定：

Match(P1,P2)＝α*Cosine(p,q)+β*Euclidean(p,q)+γ*Tanimoto(p,q)，其中，

第一模板记为P1，第二模板记为P2，p为第一模板P1中出现在对应的正确种子之前的字段的字符向量化表达、出现在对应的正确种子中第一实体与第二实体之间的字段的字符向量化表达、出现在对应的正确种子之后的字段的字符向量化表达组成的列表，q为第二模板P2中出现在对应句子中第一实体和第二实体二者之前的字段的字符向量化表达、出现在对应句子中第一实体和第二实体二者之间的字段的字符向量化表达、出现在对应句子中第一实体和第二实体二者之后的字段的字符向量化表达组成的列表，α、β与γ均为大于0的比例系数。

5.根据权利要求4所述的标注方法，其特征在于，在步骤S5中，按照如下公式评价新的种子的正确性：

其中，待评价的种子记为T，P＝{Pi}是产生种子T的所有第一模板,Ci是由第一模板Pi匹配出种子T时种子T所在句子中第一实体和第二实体之前的字段的字符向量化表达、该句子中第一实体与第二实体之间的字段的字符向量化表达、该句子中第一实体与第二实体之后的字段的字符向量化表达组成的列表，Conf(Pi)记为：

Conf(Pi)＝(Pip)/(Pip+Pin),

其中，Pip是第一模板Pi匹配出来的正例个数；Pin是模板P匹配出来的负例个数。

6.根据权利要求1所述的标注方法，其特征在于，所述第一实体包括标示疾病名称的字段，所述第二实体包括标示检查方法、治疗方法、表现症状和预防措施的字段，所述分类关系包括疾病-检查、疾病-治疗、疾病-症状、疾病-预防。