[发明专利]用于命名实体识别的方法、电子设备和存储介质

说明书

本公开的实施例涉及用于命名实体识别的方法、设备和存储介质，涉及信息处理领域。根据该方法，生成与命名实体集相关联的字符向量集和词语向量集；生成包括查询词中的多个字符和多个第一词语的第一序列；基于命名实体集、字符向量集和词语向量集，生成第二序列，所述第二序列包括多个字符编码结果和多个第一词语编码结果；基于双向长短期记忆网络和第二序列，生成第一语义特征序列；对第一序列中的两两元素进行相对位置编码，以生成多个相对位置编码结果；基于第一语义特征序列、多个相对位置编码结果和自注意力网络，生成第二语义特征序列；以及基于第二语义特征序列和条件随机场网络，确定多个命名实体标签。由此，能够提高实体识别准确度。

技术领域

本公开的实施例总体涉及信息处理领域，具体涉及用于命名实体识别的方法、电子设备和计算机存储介质。

背景技术

命名实体识别（NER）是初步且重要的自然语言处理（NLP）中的任务，NER任务的主要目的是从非结构化文本中识别人的名字，地点，组织和日期等作为实体。产品名称、品牌等是工业领域非常重要的实体，提取产品名称等实体对于工业界的搜索、推荐、排序等场景或算法优化很有帮忙。

目前中文实体识别模型主要通过使用字符级特征和扩充语料数据的方式优化识别效果；对于MRO（Maintenance、Repair、Operation）行业语料数据较少，通用模型存在过大或过小的问题，从而使得识别效果不佳。

发明内容

提供了一种用于命名实体识别的方法、电子设备以及计算机存储介质，能够提高命名实体识别准确度。

根据本公开的第一方面，提供了一种用于命名实体识别的方法。该方法包括：生成与命名实体集相关联的字符向量集和词语向量集；生成包括查询词中的多个字符和多个第一词语的第一序列；基于命名实体集、字符向量集和词语向量集，生成第二序列，第二序列包括与多个字符相关联的多个字符编码结果和与多个第一词语相关联的多个第一词语编码结果；基于双向长短期记忆网络和第二序列，生成第一语义特征序列，第一语义特征序列包括与所述多个字符相关联的多个语义特征和与多个第一词语相关联的多个语义特征；对第一序列中的两两元素进行相对位置编码，以生成多个相对位置编码结果；基于第一语义特征序列、多个相对位置编码结果和自注意力网络，生成第二语义特征序列，第二语义特征序列包括多个自注意力特征；以及基于第二语义特征序列、残差层和条件随机场网络，确定与查询词相关联的多个命名实体标签。

根据本公开的第二方面，提供了一种电子设备。该电子设备包括：至少一个处理器，以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据第一方面所述的方法。

在本公开的第三方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素。

图1是根据本公开的实施例的信息处理环境100的示意图。

图2是根据本公开的实施例的用于命名实体识别的方法200的示意图。

图3是根据本公开的实施例的用于生成多个字符编码结果的方法300的示意图。

图4是根据本公开的实施例的用于对第一序列中的两两元素进行相对位置编码的方法400的示意图。

图5是根据本公开的实施例的命名实体识别模型500的示意框图。