[发明专利]基于多特征叠加胶囊网络的海洋产业实体识别方法及装置

说明书

本申请公开了一种基于多特征叠加胶囊网络的海洋产业实体识别方法及装置。本申请基于海洋产业数据生成的词向量、以及由词向量通过LSTM运算得到的输出向量、由词向量通过中文依存句法分析算得到的父级词向量共同生成三维词向量层，再根据三维词向量层生成初级胶囊层和数字胶囊层，利用双层胶囊层的运算从初级特征中进一步抽取对命名实体识别更有效的高级特征，解决了现有的海洋产业命名实体识别效率低的技术问题。

技术领域

本申请涉及信息处理技术领域，尤其涉及一种基于多特征叠加胶囊网络的海洋产业实体识别方法及装置。

背景技术

随着经济全球化的进一步发展，海洋经济产业也已经成为国家的重点发展的首要战略目标之一，以广东省为例，目前广东省已经形成了海洋电子信息、海工装备、海洋生物、海上风电、天然气水合物、海洋公共服务业六大海洋新兴产业。然而，从现阶段省内整个海洋经济产业发展情况来看，各产业和产品数字信息未能实现全产业贯通与联动利用，对产业数据严重缺乏综合分析利用，影响企业科学决策与产业高水平、高质量发展，因此，对这些繁杂的海洋产业信息数据使用知识抽取等方法进行结构化的处理是至关重要，而其中最基本的，也最重要的是通过构建大规模海洋产业知识图谱，将海洋产业信息数据中的实体识别出来。

随着深度学习的发展，越来越多的基于神经网络的命名实体识别算法被提出。基于深度学习的方法直接以文本中词的向量为输入，通过神经网络实现端到端的命名实体识别，但现有的命名实体识别算法几乎会依赖词特征、句法依赖特征等初级特征，这些初级特征往往对于实体的最终识别的不能完全发挥出应有的效果，导致了现有的海洋产业命名实体识别效率低的技术问题。

发明内容

本申请提供了一种基于多特征叠加胶囊网络的海洋产业实体识别方法及装置，用于解决现有的海洋产业命名实体识别效率低的技术问题。

有鉴于此，本申请第一方面提供了一种基于多特征叠加胶囊网络的海洋产业实体识别方法，包括：

基于获取到的海洋产业数据文本，通过分词处理运算层对所述海洋产业数据文本进行分词处理，得到所述海洋产业数据文本的词向量；

将所述词向量输入预设的LSTM运算层，以通过所述LSTM运算层的运算，得到第一输出向量和第二输出向量，所述第一输出向量为通过所述LSTM运算层中前向LSTM算法运算得到的输出向量，所述第二输出向量为通过所述LSTM运算层中BiLSTM算法运算得到的输出向量；

根据所述海洋产业数据文本以及所述词向量，通过中文依存句法分析工具生成得到词向量依赖树，以根据所述词向量依赖树确定所述词向量的父级词向量；

将所述词向量、所述第一输出向量、所述第二输出向量以及所述父级词向量组合到预设的三维空间中，得到三维词向量层；

通过卷积核运算方式，对所述三维词向量层卷积运算，生成初级胶囊层；

对初级胶囊层的包含的向量进行平面化处理，再根据平面化的向量，利用动态路由算法对所述平面化处理的向量进行运算，得到数字胶囊层，并根据所述数字胶囊层的输出，得到海洋产业实体的识别结果。

优选地，所述分词处理运算层具体为BERT分词处理运算层。

优选地，通过分词处理运算层对所述海洋产业数据文本进行分词处理之前还包括：

对所述海洋产业数据文本进行数据清洗。

优选地，所述中文依存句法分析工具具体为LTP分析工具。

优选地，所述海洋产业数据文本具体包括：海洋经济数据文本、海洋军事数据文本、海洋历史数据文本、海洋资讯数据文本和海洋文化数据文本。

本申请第二方面提供了一种基于多特征叠加胶囊网络的海洋产业实体识别装置，包括：