[发明专利]一种命名实体识别方法、装置、设备及存储介质

权利要求书

1.一种命名实体识别方法，其特征在于，包括：

获取待识别的工业文本数据，对所述工业文本数据进行分词处理，得到原始字段集，并计算所述原始字段集中各原始字段的词向量；

将各所述词向量输入至预设的编码模型中，计算与各所述词向量对应的编码向量；

将各所述编码向量，与词典中预存的各标准文本对应的标准编码向量进行对比，根据对比结果识别出所述工业文本数据中包括的目标实体。

2.根据权利要求1所述的方法，其特征在于，将各所述词向量输入至预设的编码模型中，计算与各所述词向量对应的编码向量，包括：

将各所述词向量输入至编码模型BERT中，得到与各所述词向量对应的编码向量；

其中，所述BERT模型使用各预设类型的工业文本字段所对应的词向量作为训练样本训练得到。

3.根据权利要求1所述的方法，其特征在于，将各所述编码向量与词典中预存的各标准文本对应的标准编码向量进行对比，根据对比结果识别出所述工业文本数据中包括的目标实体，包括：

将各所述编码向量输入至长短期记忆模型LSTM中，利用LSTM模型根据各编码向量与各标准编码向量的对比结果，计算与各编码向量对应的权重值；

利用所述LSTM模型，根据各所述编码向量对应的权重值，在所述工业文本数据中识别目标实体；

其中，所述LSTM模型使用各预设类型的工业文本字段所对应的编码向量作为训练样本训练得到。

4.根据权利要求3所述的方法，其特征在于，根据各所述编码向量对应的权重值，在所述工业文本数据中识别目标实体，包括：

对各所述编码向量对应的权重值进行加权求和，得到与所述工业文本数据对应的目标分值；

将所述目标分值与词典中预存的各标准文本对应的分值进行对比；

根据对比结果，在各标准文本中确定目标标准文本为所述目标实体。

5.根据权利要求4所述的方法，其特征在于，在对各所述编码向量对应的权重值进行加权求和之前，还包括：

根据各所述编码向量对应的权重值，对各所述编码向量按照权重值由大到小的顺序进行排列；

根据排列结果，在全部编码向量中剔除无效编码向量。

6.根据权利要求1所述的方法，其特征在于，计算所述原始字段集中各原始字段的词向量，包括：

获取所述原始字段集中的一个原始字段；

在预设的语义向量库中，获取与所述原始字段对应的标准分词的词向量；

返回执行获取所述原始字段集中的一个原始字段的操作，直至完成对所述原始字段集中全部原始字段的处理；

其中，所述语义向量库中存储有多个标准分词，以及与各标准分词对应的词向量。

7.根据权利要求2所述的方法，其特征在于，在将各所述词向量输入至编码模型BERT之前，还包括：

获取多个标准词向量集合，所述标准词向量集合中包括多个预设类型的工业文本字段所对应的词向量；

将所述多个标准词向量集合划分为训练数据集和测试数据集；

使用所述训练数据集和测试数据集对神经网络模型进行迭代训练。

8.一种命名实体识别装置，其特征在于，包括：

分词模块，用于获取待识别的工业文本数据，对所述工业文本数据进行分词处理，得到原始字段集，并计算所述原始字段集中各原始字段的词向量；

编码向量计算模块，用于将各所述词向量输入至预设的编码模型中，计算与各所述词向量对应的编码向量；

目标实体识别模块，用于将各所述编码向量，与词典中预存的各标准文本对应的标准编码向量进行对比，根据对比结果识别出所述工业文本数据中包括的目标实体。

9.一种计算设备，其特征在于，所述计算机设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的命名实体识别方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的命名实体识别方法。