[发明专利]命名实体识别方法和装置、存储介质及电子装置

权利要求书

1.一种命名实体识别方法，其特征在于，包括：

获取待识别的目标文本，并确定所述目标文本中的第一识别任务的属性信息；

以所述属性信息为目标构建属性识别任务，在所述属性识别任务为目标类任务的情况下，确定所述属性识别任务作为第二识别任务；

将所述第一识别任务与所述第二识别任务输入目标神经网络模型中，输出所述目标文本的命名实体，其中，所述目标神经网络模型是通过训练样本和训练样本的标注信息训练得到的。

2.根据权利要求1所述的方法，其特征在于，在所述属性识别任务为目标类任务的情况下，确定所述属性识别任务作为第二识别任务，包括：

获取所述第一识别任务的映射关系表，其中，所述映射关系表中记录所述第一识别任务识别的难易程度，所述属性信息包括所述难易程度；

根据所述属性信息与所述映射表相匹配，确定所述第一识别任务的难易程度，其中，所述目标类识别任务表示所述第一识别任务识别难易程度。

3.根据权利要求2所述的方法，其特征在于，包括：

在所述映射表中记录识别任务包括简单、中等、难三个等级的情况下，根据所述属性信息与所述映射表相匹配，确定所述第一识别任务属于简单识别任务；

确定所述属性识别任务作为第二识别任务，其中，所述第二识别任务表示所述第一识别任务的子任务。

4.根据权利要求1所述的方法，其特征在于，将所述第一识别任务与所述第二识别任务输入目标神经网络模型中，输出所述目标文本的命名实体，包括：

获取训练样本集中的训练文本，并对所述训练集中的每个训练文本进行命名实体标注；

获取训练文本中的第一识别任务的标注信息和第二识别任务的标注信息；

对所述第一识别任务和所述第二识别任务进行神经网络模型进行训练，采用误差逆传播方式对所述神经网络模型训练；

在所述神经网络模型的参数收敛于预定阈值，确定所述目标神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述误差逆传播方式包括：

根据第一识别任务的预测误差和所述第二识别任务的预测误差调整所述神经网络模型的参数；

在所述神经网络模型参数收敛于预定阈值的情况下，确定所述神经网络为所述目标神经网络模型。

6.一种命名实体识别装置，其特征在于，包括：

获取单元，用于获取待识别的目标文本，并确定所述目标文本中的第一识别任务的属性信息；

确定单元，用于以所述属性信息为目标构建属性识别任务，在所述属性识别任务为目标类识别任务的情况下，确定所述属性识别任务作为第二识别任务；

输出单元，用于将所述第一识别任务与所述第二识别任务输入目标神经网络模型中，输出所述目标文本的命名实体，其中，所述目标神经网络模型是通过训练样本和训练样本的标注信息训练得到的。

7.根据权利要求6所述的装置，其特征在于，所述确定单元，包括：

第一获取模块，用于获取所述第一识别任务的映射关系表，其中，所述映射关系表中记录所述第一识别任务识别的难易程度，所述属性信息包括所述难易程度；

第一确定模块，用于根据所述属性信息与所述映射表相匹配，确定所述第一识别任务的难易程度，其中，所述目标类识别任务表示所述第一识别任务识别难易程度。

8.根据权利要求7所述的装置，其特征在于，包括：

第二确定模块，用于在所述映射表中记录识别任务包括简单、中等、难三个等级的情况下，根据所述属性信息与所述映射表相匹配，确定所述第一识别任务属于简单识别任务；

第三确定模块，用于根据所述第一识别任务确定所述第二识别任务，其中，所述第二识别任务表示所述第一识别任务的子任务。

9.一种计算机可读的存储介质，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至5任一项中所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至5任一项中所述的方法。