[发明专利]一种少样本实体识别方法、装置、介质及设备

说明书

本申请实施例公开了少样本实体识别方法、装置、介质及设备。其中，该方法包括：将待识别语句映射为语句表征向量，所述语句表征向量包括所述待识别语句中包括的至少一个单词的表征向量；将所述语句表征向量输入预先训练的触发词匹配模型，得到触发词表征向量；将所述语句表征向量输入预先训练的实体识别模型，得到第一输出矩阵；将所述触发词表征向量输入所述实体识别模型，根据所述触发词表征向量和所述第一输出矩阵得到第二输出矩阵；根据所述第一输出矩阵和所述第二输出矩阵对所述待识别语句中进行实体识别。本技术方案，可以提高少样本实体识别的效率。

技术领域

本申请实施例涉及自然语言处理技术领域，尤其涉及一种少样本实体识别方法、装置、介质及设备。

背景技术

命名实体识别是从非结构化文本中提取预定义的实体，基于有监督深度学习的命名实体识别方法在具有大量标注数据的场景下取得了很好的效果。但在实际的业务中通常标注数据较少，在标注数据较少的情况下基于有监督深度学习的命名实体识别方法的识别效果较差。

目前的少样本实体识别通过人工标注的方法在语料中标注触发词，并基于标注的触发词构建命名实体识别模型，但这种方式需要人工标注触发词，需要花费大量时间和人力，效率较低，难以应用在实际业务中。

发明内容

本申请实施例提供一种少样本实体识别方法、装置、介质及设备，可以通过触发词匹配模型和实体识别模型来自动标注触发词，从而提高少样本实体识别的效率。

第一方面，本申请实施例提供了一种少样本实体识别方法，所述方法包括：

将待识别语句映射为语句表征向量，所述语句表征向量包括所述待识别语句中包括的至少一个单词的表征向量；

将所述语句表征向量输入预先训练的触发词匹配模型，得到触发词表征向量；

将所述语句表征向量输入预先训练的实体识别模型，得到第一输出矩阵；

将所述触发词表征向量输入所述实体识别模型，根据所述触发词表征向量和所述第一输出矩阵得到第二输出矩阵；

根据所述第一输出矩阵和所述第二输出矩阵对所述待识别语句中进行实体识别。

可选的，所述触发词匹配模型，通过如下方式进行训练：

接收输入的样本语句表征向量，所述样本语句表征向量中包括样本语句中每个单词的表征向量及触发词标记，所述触发词标记用于表示所述样本语句中的触发词，所述触发词标记根据所述样本语句中的实体获得；

通过第一编码器，根据所述触发词标记获取所述样本语句中的触发词的触发词输出矩阵并根据所述样本语句表征向量得到第三输出矩阵；

根据所述第三输出矩阵和所述触发词输出矩阵，得到样本语句加权表征向量和第一触发词加权表征向量；

获得所述样本语句加权表征向量和所述第一触发词加权表征向量的匹配度，根据所述匹配度进行触发词匹配训练。

可选的，所述根据所述第三输出矩阵和所述触发词输出矩阵，得到样本语句加权表征向量和第一触发词加权表征向量，包括：

根据所述第三输出矩阵和所述触发词输出矩阵，通过如下公式计算所述样本语句加权表征向量和所述第一触发词加权表征向量：