[发明专利]信息抽取方法、计算机设备和存储介质

权利要求书

1.一种信息抽取方法，其特征在于，所述方法包括：

确定样本文本中所包含的实体；

根据所述样本文本中所包含的各实体的出现频次以及词性，对所述样本文本中每个分词进行词性标注；

根据所述词性标注确定相应分词中每个字符所对应的分类标签，得到所述样本文本对应的标签序列；

基于所述样本文本以及对应的标签序列对信息抽取模型进行训练，基于训练后的信息抽取模型从目标文本中提取出完整三元组信息；

所述根据所述样本文本中所包含的各实体的出现频次以及词性，对所述样本文本中每个分词进行词性标注包括：

获取与所述样本文本对应的一个或多个样本元组；

基于所述样本元组确定样本文本中所包含的各实体的出现频次；

将样本文本中出现频次最多的实体标注为核心实体；

将样本文本中与出现位置位于样本元组起始位置的其他元素对应的实体的词性标注为关系主语；

将样本文本中与出现位置位于样本元组末尾位置的其他元素对应的实体的词性标注为关系宾语；

所述基于所述样本文本以及对应的标签序列对信息抽取模型进行训练，包括：

基于信息抽取模型确定样本文本中每个字符的分类结果，按照每个字符的分类结果与标签序列的差异，调整信息抽取模型并继续训练，直至满足训练停止条件。

2.根据权利要求1所述的方法，其特征在于，所述词性的类别包括核心实体、关系主语以及关系宾语。

3.根据权利要求1所述的方法，其特征在于，所述基于所述样本元组确定样本文本中所包含的各实体的出现频次包括：

统计所述一个或多个样本元组中每个不同元素的出现频次；

将所述不同元素出现的频次作为所述样本文本中对应实体的出现频次。

4.根据权利要求1所述的方法，其特征在于，所述根据所述样本文本中所包含的各实体的出现频次以及词性，对所述样本文本中每个分词进行词性标注包括：

获取关系集；所述关系集中具有多个关系元素；

从所述样本文本中筛选出包含所述关系元素的至少一条目标短句；

对所述目标短句进行主语补全，得到至少一条完整短句；

确定全部完整短句中各实体出现频次及每个实体的词性类别；

根据各元素的出现频次及每个元素的词性类别，对所述样本文本中每个分词进行词性标注。

5.根据权利要求4所述的方法，其特征在于，所述对所述目标短句进行主语补全，得到至少一条完整短句包括：

获取目标短句中各分词的词性类别；

基于所述各分词的词性类别，判断所述目标短句是否包含主语成分；

当不包含所述主语成分时，确定所述目标短句在所述样本文本中的上下文句意关系；

基于所述上下文句意关系对所述目标短句进行主语补全，得到完整短句。

6.根据权利要求4所述的方法，其特征在于，所述确定全部完整短句中各实体数量及每个实体的词性类别包括：

统计全部完整短句中各实体的出现频次；

将出现频次最多的实体确定为核心实体；

确定除核心实体之外的其余实体在所述完整短句中的位置信息；

将所述完整短句中位于所述关系元素之后的除核心实体之外的实体，确定为与对应关系元素相关联的关系宾语；

将所述完整短句中位于所述关系元素之前的除核心实体之外的实体，确定为与对应关系元素相关联的关系主语。

7.根据权利要求1所述的方法，其特征在于，所述样本文本是指用来对机器学习模型进行训练的具有关系性的句子。

8.根据权利要求1所述的方法，其特征在于，所述完整三元组信息包括主语、关系和宾语。

9.一种计算机设备，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计算机程序时实现权利要求1至8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。