[发明专利]信息抽取方法、装置和计算机可读存储介质

说明书

本发明公开了一种信息抽取方法、装置和计算机可读存储介质，涉及文本处理技术领域。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；将描述向量输入到预先训练的分类模型中，获得分类模型输出的类别，其中，输出的类别表示物品所具备的属性名；将描述向量以及物品的属性名信息输入到预先训练的序列标注模型中，获得序列标注模型输出的、对描述文本中词语的标注结果，其中，被标注的词语表示物品的属性名所对应的属性值。本发明的实施例从整体性上提高了信息抽取的效率和准确率。

技术领域

本发明涉及文本处理技术领域，特别涉及一种信息抽取方法、装置和计算机可读存储介质。

背景技术

物品属性信息抽取，是指从描述物品的自然语言文本中抽取物品的属性值和其对应属性名的任务。例如，在文本“这款金色立领T恤衫十分百搭，优雅而时尚”中，至少涉及了颜色属性和领型属性，颜色属性的属性值为金色，领型属性的属性值为立领。

物品属性信息在许多场景中都扮演了重要角色，诸如智能客服、物品推荐、物品检索等。但是在实际应用中，物品的属性信息经常是缺失或不确定的，这给属性信息的应用造成了诸多负面影响。

在相关技术中，通常将商品属性信息抽取的任务，分为商品属性值抽取和对应属性名预测两个独立的子任务。这两个子任务是相互无关的，即商品属性值抽取和属性名预测是相互独立的。

发明内容

发明人经过分析后发现，商品的属性值和属性名是相互作用、相辅相成的，一个任务的结果有助于另一个任务。但是在相关技术中，将这两个预测任务独立处理。因此，相关技术中对于属性名和属性值的抽取准确率和抽取效率较低。

本发明实施例所要解决的一个技术问题是：如何提高属性名和属性值的抽取准确率和抽取效率。

根据本发明一些实施例的第一个方面，提供一种信息抽取方法，包括：确定物品的描述文本所对应的描述向量；将描述向量输入到预先训练的分类模型中，获得分类模型输出的类别，其中，输出的类别表示物品所具备的属性名；将描述向量以及物品的属性名信息输入到预先训练的序列标注模型中，获得序列标注模型输出的、对描述文本中词语的标注结果，其中，被标注的词语表示物品的属性名所对应的属性值。

在一些实施例中，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物品的描述文本的数据输入到编码器中，获得编码器输出的、描述文本所对应的描述向量，其中，描述向量中包括占位符对应的、描述文本的整体向量，以及描述文本中每个词语的向量。

在一些实施例中，编码器为变形器的双向编码器表示BERT。

在一些实施例中，分类模型具有整句参数矩阵和第一词语参数矩阵，并且，分类模型根据描述文本中每个词语的向量与第一词语参数矩阵的运算结果之和、以及描述本文的整体向量与整句参数矩阵的运算结果确定。

在一些实施例中，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，序列标注模型用于确定根据描述文本中的每个词语的向量与第二词语参数矩阵的乘积、以及属性名信息与属性名参数矩阵的乘积，确定词语基于属性名的标注概率，并根据标注概率从描述文本中确定属性名所对应的属性值。

在一些实施例中，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、以及训练文本所标记的属性名和相应的属性值；将训练描述向量输入到分类模型中，获得分类模型输出的类别；将训练描述向量以及类别的信息输入到序列标注模型中，获得序列标注模型输出的、对训练文本中词语的标注结果；根据分类模型输出的类别、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，确定分类模型和序列标注模型的联合损失；基于联合损失，对分类模型和序列标注模型的参数进行调整。

在一些实施例中，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，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。