[发明专利]信息抽取方法、装置和计算机可读存储介质

权利要求书

1.一种信息抽取方法，包括：

确定物品的描述文本所对应的描述向量；

将所述描述向量输入到预先训练的分类模型中，获得所述分类模型输出的类别，其中，输出的类别表示所述物品所具备的属性名；

将所述描述向量以及所述物品的属性名信息输入到预先训练的序列标注模型中，获得所述序列标注模型输出的、对所述描述文本中词语的标注结果，其中，被标注的词语表示所述物品的属性名所对应的属性值。

2.根据权利要求1所述的信息抽取方法，其中，所述确定物品的描述文本所对应的描述向量包括：

将包括预设的占位符和所述物品的描述文本的数据输入到编码器中，获得所述编码器输出的、所述描述文本所对应的描述向量，其中，所述描述向量中包括所述占位符对应的、所述描述文本的整体向量，以及所述描述文本中每个词语的向量。

3.根据权利要求2所述的信息抽取方法，其中，所述编码器为变形器的双向编码器表示BERT。

4.根据权利要求2所述的信息抽取方法，其中，所述分类模型具有整句参数矩阵和第一词语参数矩阵，并且，所述分类模型根据所述描述文本中每个词语的向量与所述第一词语参数矩阵的运算结果之和、以及所述描述本文的整体向量与所述整句参数矩阵的运算结果确定。

5.根据权利要求1或2所述的信息抽取方法，其中，所述序列标注模型具有第二词语参数矩阵和属性名参数矩阵，并且，所述序列标注模型用于确定根据所述描述文本中的每个词语的向量与所述第二词语参数矩阵的乘积、以及所述属性名信息与所述属性名参数矩阵的乘积，确定所述词语基于所述属性名的标注概率，并根据所述标注概率从所述描述文本中确定所述属性名所对应的属性值。

6.根据权利要求1所述的信息抽取方法，还包括：

获取训练文本所对应的训练描述向量、以及所述训练文本所标记的属性名和相应的属性值；

将所述训练描述向量输入到分类模型中，获得所述分类模型输出的类别；

将所述训练描述向量以及所述类别的信息输入到序列标注模型中，获得所述序列标注模型输出的、对所述训练文本中词语的标注结果；

根据所述分类模型输出的类别、所述序列标注模型的标注结果、以及训练文本所标记的属性名和相应的属性值，确定所述分类模型和所述序列标注模型的联合损失；

基于所述联合损失，对所述分类模型和所述序列标注模型的参数进行调整。

7.根据权利要求1所述的信息抽取方法，其中，所述分类模型包括一个或多个子分类模型，每个子分类模型对应一种属性名，所述子分类模型的分类结果表示输入的描述向量所对应的文本是否具备相应的属性名。

8.一种信息抽取装置，包括：

描述向量确定模块，被配置为确定物品的描述文本所对应的描述向量；

属性名获得模块，被配置为将所述描述向量输入到预先训练的分类模型中，获得所述分类模型输出的类别，其中，输出的类别表示所述物品所具备的属性名；

属性值获得模块，被配置为将所述描述向量以及所述物品的属性名信息输入到预先训练的序列标注模型中，获得所述序列标注模型输出的、对所述描述文本中词语的标注结果，其中，被标注的词语表示所述物品的属性名所对应的属性值。

9.根据权利要求8所述的信息抽取装置，其中，所述描述向量确定模块进一步被配置为将包括预设的占位符和所述物品的描述文本的数据输入到编码器中，获得所述编码器输出的、所述描述文本所对应的描述向量，其中，所述描述向量中包括所述占位符对应的、所述描述文本的整体向量，以及所述描述文本中每个词语的向量。

10.根据权利要求9所述的信息抽取装置，其中，所述编码器为变形器的双向编码器表示BERT。