[发明专利]基于深度学习的实体识别方法、装置、介质及电子设备

权利要求书

1.一种基于深度学习的实体识别方法，其特征在于，包括：

对输入的自然句拆分为多个字向量；其中所述多个字向量构成所述自然句；

对所述多个字向量分别进行特征提取，得到每个字向量的特性信息；其中所述特征信息包括所述字向量的类别信息；

对所述多个字向量分别进行双向编码，得到每个字向量的双向编码信息；其中所述双向编码信息包括对应的当前字向量与所述当前字向量的前一个字向量、所述当前字向量的后一个字向量之间的关系信息；以及

根据所述多个字向量的所述特征信息和所述双向编码信息，得到识别结果。

2.根据权利要求1所述的实体识别方法，其特征在于，在所述对所述多个字向量分别进行特征提取之后，还包括：

对所述特征信息进行降维处理，得到降维后的特征信息；

其中，所述根据所述多个字向量的所述特征信息和所述双向编码信息，得到识别结果包括：

根据所述降维后的特征信息和所述双向编码信息，得到识别结果。

3.根据权利要求2所述的实体识别方法，其特征在于，所述对所述特征信息进行降维处理包括：

共享所述多个字向量的全局参数信息和注意力参数信息。

4.根据权利要求1所述的实体识别方法，其特征在于，所述对所述多个字向量分别进行双向编码包括：

将所述多个字向量的链式结构转换为图形结构；以及

对所述图形结构中每两个字向量之间的编码信息设置权重。

5.根据权利要求4所述的实体识别方法，其特征在于，所述将所述多个字向量的链式结构转换为图形结构包括：

在每两个字向量之间设置一个信息节点；所述信息节点包括所述双向编码信息，且所述信息节点的字节长度为预设的定值。

6.根据权利要求5所述的实体识别方法，其特征在于，所述在每两个字向量之间设置一个信息节点包括：

当两个所述字向量之间不存在所述双向编码信息时，将该两个所述字向量之间的信息节点设置为预设的字节长度的空向量。

7.根据权利要求1所述的实体识别方法，其特征在于，所述根据所述多个字向量的所述特征信息和所述双向编码信息，得到识别结果包括：

根据所述多个字向量的所述特征信息和所述双向编码信息得到多条预测路径；所述预测路径表征所述多个字向量的排列顺序；

对所述多条预测路径进行评估，得到多个评估结果；以及

选取所述多个评估结果中的最优结果对应的预测路径作为所述识别结果。

8.一种基于深度学习的实体识别装置，其特征在于，包括：

拆分模块，用于对输入的自然句拆分为多个字向量；其中所述多个字向量构成所述自然句；

提取模块，用于对所述多个字向量分别进行特征提取，得到每个字向量的特性信息；其中所述特征信息包括所述字向量的类别信息；

编码模块，用于对所述多个字向量分别进行双向编码，得到每个字向量的双向编码信息；其中所述双向编码信息包括对应的当前字向量与所述当前字向量的前一个字向量、所述当前字向量的后一个字向量之间的关系信息；以及

识别模块，用于根据所述多个字向量的所述特征信息和所述双向编码信息，得到识别结果。

9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一所述的基于深度学习的实体识别方法。

10.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于执行上述权利要求1-7任一所述的基于深度学习的实体识别方法。