[发明专利]一种信息的实体关系联合抽取方法、装置及终端设备

说明书

本申请适用于数据处理技术领域，提供了一种信息的实体关系联合抽取方法、装置及终端设备，包括：获取待处理文本，所述待处理文本中包括第一文本段落和第一表格；将所述待处理文本中的所述第一文本段落和所述第一表格进行格式统一处理，获得预处理文本；将所述预处理文本输入到训练后到实体关系联合抽取模型中，输出目标信息。通过上述方法，可以从待处理文本中提取出准确的、完整的目标信息。

技术领域

本申请属于数据处理技术领域，尤其涉及一种信息的实体关系联合抽取方法、装置及终端设备。

背景技术

上市公司披露的《权益变动报告书》会描述特定股东的减持情况，报告中提及到的信息披露义务人、变动前持股数及持股比例、变动后持股数及持股比例是权益变动的重要信息。因此，如何快速准确抽取出相关信息，是迫切需要解决的问题。

现有的信息提取方法只能提取出独立的实体信息，无法获取实体信息之间的关联关系。由于权益变动信息位于报告书中的不同位置，且以多种形式存在，通过现有的信息提取方法无法提取出准确的、完整的权益变动信息。例如：通过现有的信息提取方法能够分别提取出多个信息披露义务人、变动前持股数和变动后持股数，但是无法将变动前持股数、变动后持股数和信息披露义务人一一对应。

发明内容

本申请实施例提供了一种信息的实体关系联合抽取方法、装置及终端设备，可以提取出准确的、完整的权益变动信息。

第一方面，本申请实施例提供了一种信息的实体关系联合抽取方法，包括：

获取待处理文本，所述待处理文本中包括第一文本段落和第一表格；

将所述待处理文本中的所述第一文本段落和所述第一表格进行格式统一处理，获得预处理文本；

将所述预处理文本输入到训练后到实体关系联合抽取模型中，输出目标信息。

在本申请实施例中，通过将待处理文本中的第一文本段落和第一表格进行格式统一处理，保证了获得的预处理文本中文本形式的一致性，为后续的信息提取提供了可靠的数据基础；然后通过训练后的实体关系联合抽取模型提取预处理文本中的目标信息。由于上述方法是对实体与关系进行联合抽取，因此，在提取出目标实体的同时，还能够提取出实体之间的关系信息，保证了提取出的信息是完整的、准确的。另外，实体关系联合抽取模型是预先训练好的，因此，利用训练后的实体关系联合抽取模型能够有效提高信息提取的效率。

在第一方面的一种可能的实现方式中，所述将所述待处理文本中的所述第一文本段落和所述第一表格进行格式统一处理，获得预处理文本，包括：

按照预设模版将所述待处理文本中的所述第一表格生成第二文本段落；

按照文本顺序将所述第一文本段落和所述第二文本段落拼接为所述预处理文本。

在第一方面的一种可能的实现方式中，所述实体关系联合抽取模型包括实体识别网络和关系识别网络；

所述方法包括：

获取训练文本，所述训练文本中携带有字符的实体类型标记和每两个实体之间的关系类型标记；

将所述训练文本输入到所述实体识别网络中，输出实体预测结果；

根据所述实体预测结果，生成所述训练文本中每两个实体之间的候选关系数据；

将所述候选关系数据输入到所述关系识别网络中，输出关系预测结果；

根据所述实体类型标记、所述关系类型标记、所述实体预测结果和所述关系预测结果计算所述实体关系联合抽取模型的第一损失值；

根据所述第一损失值更新所述实体关系联合抽取模型的模型参数。