[发明专利]文本处理设备及信息抽取系统

说明书

文本处理设备及信息抽取系统，所述文本处理设备包括：指代关系识别单元，适于识别初始文本中存在的指代关系；指代消解处理单元，适于根据识别得到的指代关系，对所述初始文本进行指代消解处理，得到处理后的指代消解文本；实体识别处理单元，适于对各指代消解文本分别进行实体识别处理；语句删减处理单元，适于获取各指代消解文本中处于相同次序的指代消解语句，并所述处于相同次序的指代消解语句的实体识别结果，对所述处于相同次序的指代消解语句进行筛选处理；语句合并单元，适于将各筛选后的语句集合进行合并，得到语义处理文本。采用上述方案，能够获得更加清晰的语义信息，进而提高信息抽取结果的准确率。

技术领域

本说明书实施例涉及信息处理技术领域，尤其涉及一种文本处理设备及信息抽取系统。

背景技术

在互联网信息大爆炸的时代，为了能够从互联网的海量信息中快速获取所需信息，需要对互联网信息进行合理筛选，信息抽取(Information Extraction，IE)技术由此产生。信息抽取技术是将无结构的文本进行结构化处理，以便于从文本中抽取实体(Entity)、关系(Relation)和事件(Event)等方面的信息。

在信息抽取过程中，事件和实体间的语义关系往往散布于文本的不同位置，并且实体通常可以有多种不同的表达方式，使得文本中的语义信息不清晰，从文本中抽取信息时会发生遗漏或抽取错误的问题。

发明内容

有鉴于此，一方面，本说明书实施例提供了一种文本处理设备，在文本信息抽取过程中，能够获得更加清晰的语义信息。

另一方面，本说明书实施例还提供了一种信息抽取系统，能够提高信息抽取结果的准确率。

本说明书实施例提供了一种文本处理设备，包括：

指代关系识别单元，适于识别初始文本中存在的指代关系；

指代消解处理单元，适于根据识别得到的指代关系，对所述初始文本进行指代消解处理，得到处理后的指代消解文本；

实体识别处理单元，适于对各指代消解文本分别进行实体识别处理；

语句删减处理单元，适于获取各指代消解文本中处于相同次序的指代消解语句，并所述处于相同次序的指代消解语句的实体识别结果，对所述处于相同次序的指代消解语句进行筛选处理；

语句合并单元，适于将各筛选后的语句集合进行合并，得到语义处理文本。

可选地，指代消解处理单元包括：

主要成分确定子单元，适于从所述初始文本中获取所述指代关系的成分，并从中选取所述指代关系的主要成分；

替换子单元，适于从所述初始文本中获取与所述主要成分的指代关系相同的部分或全部成分，并替换为所述主要成分，得到处理后的指代消解文本。

可选地，所述实体识别处理单元适于将各指代消解文本分别输入预设的实体识别模型中，获得各指代消解文本的实体预测概率矩阵，并确定各指代消解文本的实体预测概率矩阵中符合预设的第一条件的分布位置，将各指代消解文本中相应分布位置的成分作为实体，得到实体识别结果。

可选地，在对各指代消解文本分别进行实体识别处理之前，所述实体识别处理单元还适于将预设的训练语料和所述训练语料的实体真实概率矩阵输入所述实体识别模型中进行训练，得到所述训练语料的实体预测概率矩阵，并根据所述训练语料的实体预测概率矩阵和所述训练语料的实体真实概率矩阵，进行误差计算，得到结果误差值；若所述结果误差值满足预设的训练完成条件，所述实体识别模型完成训练，否则，调整所述实体识别模型的参数，并将所述训练语料和所述训练语料的实体真实概率矩阵输入参数调整后的实体识别模型进行训练，直至所述实体识别模型完成训练。