[发明专利]获取POI状态信息的方法及装置

权利要求书

1.一种获取兴趣点POI状态信息的方法，包括：

从互联网获取预设时段内包含POI信息的文本；

利用预先训练得到的POI状态识别模型对所述文本进行识别，得到所述文本中的二元组，所述二元组包括POI名称和该POI名称对应的POI状态信息；

其中所述POI状态识别模型获取所述文本中各第一语义单元的向量表示，以及基于所述文本的语义依存信息获取所述文本中各第二语义单元的向量表示；将所述各第一语义单元的向量表示和所述各第二语义单元的向量表示进行融合处理，得到所述各第一语义单元的融合向量表示；基于各第一语义单元的融合向量表示对各第一语义单元进行标签预测，预测的标签对POI名称和POI状态同时进行指示。

2.根据权利要求1所述的方法，其中，所述从互联网获取预设时段内包含POI信息的文本包括：

从互联网获取预设时段内的文本；

利用预先训练得到的POI识别器对获取到的文本进行POI信息识别；

保留包含POI信息的文本。

3.根据权利要求2所述的方法，其中，所述POI识别器采用以下方式训练得到：

从POI数据库中抽取POI信息；

利用抽取的POI信息在互联网中进行搜索；

利用搜索得到的文本以及对应的POI信息训练标签预测模型，得到所述POI识别器。

4.根据权利要求1所述的方法，其中，获取所述文本中各第一语义单元的向量表示包括：

通过预训练语言模型对所述文本中的各第一语义单元进行语义特征的提取，得到各第一语义单元的向量表示。

5.根据权利要求1所述的方法，其中，基于所述文本的语义依存信息获取所述文本中各第二语义单元的向量表示包括：

对所述文本进行句法分析得到所述文本的语义依存树；

获取所述语义依存树对应的有向图，所述有向图中的各节点为所述各第二语义单元；

利用关系图卷积神经网络RGCN获取所述有向图中各节点的向量表示。

6.根据权利要求1所述的方法，其中，将所述各第一语义单元的向量表示和所述各第二语义单元的向量表示进行融合处理，得到所述各第一语义单元的融合向量表示包括：

若第二语义单元包含第一语义单元，则将该第一语义单元的向量表示和该第二语义单元的向量表示进行拼接后得到该第一语义单元的融合向量表示；或者，

将各第二语义单元的向量表示对第一语义单元进行注意力处理，得到该第一语义单元的融合向量表示。

7.根据权利要求1所述的方法，其中，所述基于各第一语义单元的融合向量表示对各第一语义单元进行标签预测包括：

利用条件随机场CRF模型将各第一语义单元的融合向量进行映射，得到各第一语义单元的标签，所述标签指示对应第一语义单元是否为POI名称以及POI状态。

8.根据权利要求1至7中任一项所述的方法，其中，所述第一语义单元为字，所述第二语义单元为词语。

9.一种建立POI状态识别模型的方法，包括：

获取训练数据，所述训练数据包括：文本以及对该文本中所包含POI名称和POI状态的标签标注结果；

将所述文本作为POI状态识别模型的输入，将所述文本中所包含POI名称和POI状态的标签标注结果作为所述POI状态识别模型的目标预测结果，以训练所述POI状态识别模型；

其中所述POI状态识别模型获取所述文本中各第一语义单元的向量表示，以及基于所述文本的语义依存信息获取所述文本中各第二语义单元的向量表示；将所述各第一语义单元的向量表示和所述各第二语义单元的向量表示进行融合处理，得到所述各第一语义单元的融合向量表示；基于各第一语义单元的融合向量表示对各第一语义单元进行标签预测，预测的标签对POI名称和POI状态同时进行指示。