[发明专利]信息抽取方法、装置、电子设备及存储介质

说明书

本发明实施例涉及一种信息抽取方法、装置、电子设备及存储介质，所述方法包括：利用预设的抽取规则从待抽取的目标语料中抽取第一实体关系三元组；将所述目标语料输入至已训练的实体关系抽取模型，得到第二实体关系三元组，所述实体关系抽取模型用于从输入的语料中抽取实体关系三元组；基于预设的过滤规则从所述第一实体关系三元组和所述第二实体关系三元组中确定目标实体关系三元组。由此，可以实现一种基于规则与机器学习联合抽取实体关系三元组的方法，提高抽取出的实体关系三元组的准确性，且在不同的领域之间可以高效移植。

技术领域

本发明实施例涉及自然语言处理技术领域，尤其涉及一种信息抽取方法、装置、电子设备及存储介质。

背景技术

随着互联网的发展，各个领域中每天都会产生大量不同形式的互联网数据，如何准确、高效地挖掘出互联网数据中的重要信息，以提升该领域中的服务效率是一个关键问题。进一步的，在信息挖掘中，实体关系提取是其中一项核心任务。目前，常用的实体关系抽取方法包括基于规则的实体关系抽取方法、基于机器学习的实体关系抽取方法。

其中，基于规则的实体关系抽取方法重点在于规则的制定，而规则的制定强依赖于人为经验，这就导致在人为经验不足时，无法制定出合理有效的规则，进而导致基于规则所抽取到的实体关系三元组不够全面，不够准确；基于机器学习的实体关系抽取方法的准确性和召回率对标注语料的依赖性很高，且需要较强的人工干预，而语料标注耗时耗力，这就导致基于机器学习的实体关系抽取方法的整体开发周期很长，且需要耗费较高的人力物力。

发明内容

鉴于此，为解决相关技术中单纯地使用一种方式抽取实体关系三元组而导致各种缺陷，比如耗费人力物力、抽取的实体关系三元组准确性较低的技术问题，本发明实施例提供一种信息抽取方法、装置、电子设备及存储介质。

第一方面，本发明实施例提供一种信息抽取方法，所述方法包括：利用预设的抽取规则从待抽取的目标语料中抽取第一实体关系三元组；将所述目标语料输入至已训练的实体关系抽取模型，得到第二实体关系三元组，所述实体关系抽取模型用于从输入的语料中抽取实体关系三元组；基于预设的过滤规则从所述第一实体关系三元组和所述第二实体关系三元组中确定目标实体关系三元组。

在一个可能的实施方式中，所述利用预设的抽取规则从待抽取的目标语料中抽取第一实体关系三元组，包括：对待抽取的目标语料进行分词处理，得到多个词语；对每一所述词语进行词性标注，得到每一所述词语的词性标记；基于每一所述词语的词性标记，并利用预设的基于依存句法关系的抽取规则从所述目标语料中抽取第三实体关系三元组；基于每一所述词语的词性标记，并利用预设的基于触发词的抽取规则从所述目标语料中抽取第四实体关系三元组；利用所述第三实体关系三元组和所述第四实体关系三元组构成所述第一实体关系三元组。

第二方面，本发明实施例提供一种信息抽取装置，所述装置包括：第一抽取模块，用于利用预设的抽取规则从待抽取的目标语料中抽取第一实体关系三元组；第二抽取模块，用于将所述目标语料输入至已训练的实体关系抽取模型，得到第二实体关系三元组，所述实体关系抽取模型用于从输入的语料中抽取实体关系三元组；过滤模块，用于基于预设的过滤规则从所述第一实体关系三元组和所述第二实体关系三元组中确定目标实体关系三元组。

在一个可能的实施方式中，所述第一抽取模块具体用于：对待抽取的目标语料进行分词处理，得到多个词语；对每一所述词语进行词性标注，得到每一所述词语的词性标记；基于每一所述词语的词性标记，并利用预设的基于依存句法关系的抽取规则从所述目标语料中抽取第三实体关系三元组；基于每一所述词语的词性标记，并利用预设的基于触发词的抽取规则从所述目标语料中抽取第四实体关系三元组；利用所述第三实体关系三元组和所述第四实体关系三元组构成所述第一实体关系三元组。

第三方面，本发明实施例提供一种电子设备，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的程序，以实现第一方面中任一项所述的信息抽取方法。