[发明专利]一种文本实体关系的抽取方法、装置、设备和可读介质

说明书

本说明书实施例公开了一种文本实体关系的抽取方法、装置、设备和可读介质。方案可以包括：获取待分类文本数据内的目标实体文本；获取目标实体文本相匹配的标识；提取目标实体文本的标识的隐藏状态特征向量；将任意两个目标实体文本的标识的隐藏状态特征向量进行拼接，得到任意两个标识的关系向量；将关系向量形成向量矩阵；对向量矩阵进行处理，得到目标实体文本的实体关系。本说明书实施例提供的文本实体关系的抽取方法能够加速神经网络对实体关系的抽取，具有识别精度高、耗时短的优点。

技术领域

本申请涉及医疗文本技术领域，尤其涉及一种文本实体关系的抽取方法、装置、设备和计算机可读介质。

背景技术

随着近年来医院信息化步伐的加快，各个医院都积累了大量的电子病历。电子病例表述一般较长，并且在电子病例中会出现多个实体，在对实体关系分类时，需要分类的实体关系对数量也会随之扩大。

现有技术中，基于预训练神经网络进行分类的精度较高，但是由于预训练神经网络一般所包含的参数量较大，逐个对文中的实体关系对结合语义进行分类，推理速度较慢，不适用于多实体关系抽取。

因此，急需一种实体关系的抽取方法。

发明内容

本说明书实施例提供一种文本实体关系的抽取方法、装置、设备和计算机可读介质，以解决现有的对实体关系提取方法存在的耗时长的问题。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种文本实体关系的抽取方法，包括：

获取待分类文本数据内的目标实体文本；

获取所述目标实体文本相匹配的标识；

提取所述目标实体文本的标识的隐藏状态特征向量；

将任意两个目标实体文本的标识的隐藏状态特征向量进行拼接，得到所述任意两个所述标识的关系向量；

将所述关系向量形成向量矩阵；

对所述向量矩阵进行处理，得到所述目标实体文本的实体关系。

可选的，所述获取待分类文本数据内的目标实体文本之前，还包括：

采用命名实体识别对原始文本数据进行分词，得到所述待分类文本数据。

可选的，所述获取所述目标实体文本相匹配的标识之后，还包括：

根据所述目标实体文本的类型，确定所述目标实体文本对应的指代词；

采用所述指代词替换所述目标实体文本。

可选的，所述获取所述目标实体文本相匹配的标识之后，还包括：

根据所述目标实体文本的类型，确定所述目标实体文本对应的指代词；

将所述指代词添加至所述目标实体文本两侧。

可选的，所述将任意两个目标实体文本的标识的隐藏状态特征向量进行拼接，得到所述任意两个所述标识的关系向量，具体包括：

对任意两个不同的所述标识的隐藏状态特征向量进行拼接，得到所述任意两个所述标识的关系向量。

可选的，所述方法还包括：

获取用户的文本实体关系需求；

根据所述需求将所述目标实体文本分为第一目标实体文本和第二目标实体文本；所述需求包括所述第一目标实体文本与所述第二目标实体文本的关系。

可选的，所述对任意两个不同的所述标识的隐藏状态特征向量进行拼接，得到所述任意两个所述标识的关系向量，包括：