[发明专利]实体聚类的方法及装置

说明书

本发明实施例公开了一种实体聚类的方法及装置，其中，该方法包括：根据全部待聚类实体的词向量数据，分别确定每个待聚类实体距离最近的K个实体词；从每个待聚类实体距离最近的K个实体中分别确定每个待聚类实体的相关实体，K为预定的正整数；根据每个待聚类实体及其相关实体为所有待聚类实体标记标识。如此，能够在不确定类个数情况下实现实体聚类。

技术领域

本发明实施例涉及自然语言处理领域，尤指一种实体聚类的方法及装置。

背景技术

信息抽取在自然语言处理中是一个很重要的工作，特别在当今信息爆炸的背景下，显得格外的重要。在抽取的众多实体中，将意义相近的词合并是一个重要课题，该课题被称作实体消歧。将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类，一般使用各种聚类算法就可以实现实体消歧。

实体在自然语言处理领域，可以简单理解为名词，例如人名、机构名、地名以及其他所有以名称为标识的实体，更广泛的实体还包括数字、日期、货币、地址等等。一个实体可以有多个意思，例如同一个实体在不同的上下文中所表示的含义是不一样的。对于人来说，可以直观判断出这些实体代表的具体含义，但是对机器来说，就需要借助自然语言处理技术才能识别出每一个实体代表的具体含义，并能够区分不同的实体，进而将类似的实体组成各种类，即实体聚类技术。

但是现有的各种聚类算法中都需要提前确定类个数，例如DBSCAN算法中，类个数需要作为参数预先指定。如此，现有聚类都无法在不确定类个数的情况下完成实体聚类。

发明内容

为此，本发明实施例提供了一种实体聚类的方法，该方法包括：

根据全部待聚类实体的词向量数据，分别确定每个待聚类实体距离最近的K个实体词；

从每个待聚类实体距离最近的K个实体中分别确定每个待聚类实体的相关实体，K为预定的正整数；

根据每个待聚类实体及其相关实体为所有待聚类实体标记标识。

本发明实施例还提供了一种实体聚类的装置，包括：

第一确定单元，用于根据全部待聚类实体的词向量数据，分别确定每个待聚类实体距离最近的K个实体词，K为预定的正整数；

第二确定单元，用于从每个待聚类实体距离最近的K个实体中分别确定每个待聚类实体的相关实体；

标记单元，用于根据每个待聚类实体及其相关实体为所有待聚类实体标记标识。

本发明实施例还提供了一种电子装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述实体聚类的方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有信息处理程序，所述信息处理程序被处理器执行时实现上述实体聚类的方法的步骤。

本发明实施例提供的技术方案，能够在不确定类个数情况下实现实体聚类。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。

附图说明

附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。

图1为本发明一实施例提供的一种实体聚类的方法的流程示意图；

图2为本发明另一实施例提供的一种实体聚类的方法的流程示意图；

图3为本发明另一实施例提供的一种实体聚类的方法的流程示意图；