[发明专利]文本抽取方法、装置、计算机设备和可读存储介质

说明书

本发明实施例提供了一种文本抽取方法、装置、计算机设备和可读存储介质，涉及大数据处理技术领域，应用于计算机设备，计算机设备存储有多个关系种类和多个标注类别；文本抽取方法包括：获取待抽取文本；将待抽取文本输入预先训练的关系分类模型得到目标关系文本，目标关系文本包括从多个关系种类中确定的目标关系种类；将目标关系文本输入预先训练的序列标注模型得到目标标注文本，目标标注文本包括从多个标注类别中确定的目标标注类别；基于目标关系种类和目标标注类别，从目标标注文本中抽取得到目标文本，通过上述步骤，能够便捷地获取目标文本。

技术领域

本发明涉及大数据处理技术领域，具体而言，涉及一种文本抽取方法、装置、计算机设备和可读存储介质。

背景技术

随着大数据的发展与应用，大型知识图谱也随着出现，现有的大型知识图谱虽然具备丰富的语义知识，并以结构化的形式存储。但与现实世界数据增长的势头相比，知识图谱的构建显然相对较慢。而在知识图谱的构架中，三元组是不可或缺的文本信息，且需求量大。现有技术中，一般采取人工标注的形式来实现三元组的构建，这使得作为大型知识图谱构建基石的三元组的获取十分不便。

有鉴于此，如何提供一种便捷地文本抽取方案，是本领域技术人员需要解决的。

发明内容

本发明提供了一种文本抽取方法、装置、计算机设备和可读存储介质。

本发明的实施例可以这样实现：

第一方面，本发明实施例提供一种文本抽取方法，应用于计算机设备，所述计算机设备存储有多个关系种类和多个标注类别；

所述方法包括：

获取待抽取文本；

将所述待抽取文本输入预先训练的关系分类模型得到目标关系文本，所述目标关系文本包括从所述多个关系种类中确定的目标关系种类；

将所述目标关系文本输入预先训练的序列标注模型得到目标标注文本，所述目标标注文本包括从所述多个标注类别中确定的目标标注类别；

基于所述目标关系种类和所述目标标注类别，从所述目标标注文本中抽取得到目标文本。

在可选的实施方式中，所述将所述待抽取文本输入预先训练的关系分类模型得到目标关系文本的步骤，包括：

对经过预处理后的所述待抽取文本进行特征提取，得到多个第一特征向量；

将所述多个第一特征向量输入Bert模型，得到语义表示向量，其中，所述语义表示向量用于表征所述待抽取文本的全文语义；

将所述语义表示向量通过全连接层映射，得到语义映射向量；

将所述语义映射向量通过预设激活函数计算得到语义预测向量，所述语义预测向量包括语义预测置信度；

根据所述语义预测置信度与预设置信度阈值确定所述目标关系种类；

将所述经过预处理后的所述待抽取文本与所述目标关系种类构建为所述目标关系文本。

在可选的实施方式中，所述将所述目标关系文本输入预先训练的序列标注模型得到目标标注文本的步骤，包括：

对经过预处理后的所述目标关系文本进行特征提取，得到多个第二特征向量；

将所述多个第二特征向量输入Bert模型，得到文字序列向量，其中，所述文字序列向量用于表征所述待抽取文本中每个文字的标注信息；

将所述文字序列向量通过全连接层映射，得到多个标注预测向量，每个所述标注预测向量均包括标注预测向量置信度；

根据最大标注预测向量置信度确定所述目标标注类别；