[发明专利]一种实体识别方法、装置和计算设备

说明书

本发明公开了一种实体识别方法，在计算设备中执行，包括：生成用户输入语句的语义特征向量，作为当前语义特征向量；基于当前语义特征向量对输入语句进行实体识别，得到本次识别出的一个或多个实体名、以及每个实体名的字符位置和自身实体类型；对于每个实体名：根据每个字符是否属于该实体名生成实体位置特征，根据该实体名的自身和上层实体类型生成实体类型特征；将实体位置特征、实体类型特征与输入语句的语义特征向量拼接为拼接向量；将当前语义特征向量更新为拼接向量，并重新开始执行实体识别步骤，直到实体识别结果中不存在任何实体为止；汇总每次识别出的实体名作为最终实体识别结果。本发明还一并公开了对应的实体识别装置和计算设备。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种实体识别方法、装置和计算设备。

背景技术

嵌套命名实体识别作为命名实体识别任务的主要组成部分，是许多科学研究(如:问答系统、知识图谱、人工智能等)中最为基础、核心的技术之一，并且其相关识别方法成果在实际生活中也具有广泛的应用。中文的复杂性导致在文本内往往存在着较多的嵌套命名实体。现有的命名实体识别方法能够较好的识别出结构相对简单的基本命名实体，但对于结构复杂的嵌套命名实体却很难完整地、准确地识别出来，再加上现有方法多集中于常规文本中的命名实体识别研究。

当前嵌套命名实体识别主要分为两种从细颗粒度到粗颗粒度的嵌套实体识别和从粗颗粒度到细颗粒度的实体识别。其中细颗粒度到粗颗粒度的嵌套实体识别往往会忽略粗颗粒度类型对细颗粒度实体类型的约束，并且在细颗粒度往粗粒度实体进行识别的过程中，需要不断的对新识别出的细颗粒度的实体进行语义特征学习，所以需要大量的训练成本。而从粗颗粒度实体向细颗粒度进行嵌套实体识别的过程中，大多采用深度学习和规则词典相结合的策略进行，需要一定的人工成本，且采用动态神经网络的方式进行实体识别的过程，容易使得训练和预测时间大大增加，导致模型较重。

发明内容

鉴于上述问题，本发明提出了一种实体识别方法、装置和计算设备，以力图解决或者至少解决上面存在的问题。

根据本发明的一个方面，提供了一种实体识别方法，适于在计算设备中执行，该方法包括步骤：对用户的输入语句进行语义编码，生成针对输入语句的语义特征向量，作为当前语义特征向量；基于当前语义特征向量对输入语句进行实体识别，得到本次识别出的一个或多个实体名、以及每个实体名的字符位置和自身实体类型；对于每个实体名：根据输入语句的每个字符是否属于该实体名来生成实体位置特征，根据该实体名的自身实体类型和上层实体类型来生成实体类型特征；将输入语句的语义特征向量与实体位置特征、实体类型特征进行拼接，得到拼接向量；将当前语义特征向量更新为拼接向量，并重新开始执行实体识别步骤，直到实体识别结果中不存在任何实体为止；以及汇总每次进行实体识别后所得到的实体名，作为该输入语句的最终实体识别结果。

可选地，在根据本发明的实体识别方法中，输入语句的语义特征向量为[T₁，T₂，……，T_m]，m为输入语句的最大字符长度，T_m为第m个字符的字向量；实体位置特征为[L₁，L₂，……，L_m]，L_m为第m个字符是否属于对应实体名的字符标记；实体类型特征为[C₁，C₂，……，C_n]，n为实体类型的总数，C_n为第n个实体类型的标记。

可选地，在根据本发明的实体识别方法中，实体位置特征中，属于该实体名的字符标记为1，反之标记为0；实体类型特征中，该实体名的自身实体类型和上层实体类型标记为1，其他实体类型标记为0；

可选地，在根据本发明的实体识别方法中，将输入语句的语义特征向量与实体位置特征、实体类型特征进行拼接的步骤包括：对于输入语句的每个字符，将其字向量、字符标记和实体类型特征进行拼接，得到每个字符拼接后的字向量，进而得到输入语句的拼接向量。