[发明专利]产业图谱构建方法、装置、设备及存储介质

权利要求书

1.一种产业图谱构建方法，其特征在于，所述产业图谱构建方法包括：

获取产业训练文本，并获取所述产业训练文本的文本实体信息；

获取预设网络，所述预设网络包括字向量层、双向长短期记忆网络层及实体识别层；

基于所述字向量层及所述双向长短期记忆网络层对所述产业训练文本中每个文本字符进行编码，得到每个文本字符的目标时序向量；

基于所述实体识别层对所述目标时序向量进行识别，得到所述产业训练文本的预测实体及预测标签；

根据所述文本实体信息、所述预测实体及所述预测标签调整所述预设网络，得到实体信息识别模型；

获取待解析文本，并将所述待解析文本输入至所述实体信息识别模型中，得到产业实体信息及产地实体信息；

对所述产业实体信息及所述产地实体信息进行句法依存匹配处理，得到实体信息对；

根据所述产业实体信息在所述待解析文本中的文本顺序拼接所述实体信息对，得到产业图谱。

2.如权利要求1所述的产业图谱构建方法，其特征在于，所述双向长短期记忆网络层包括正向长短期记忆网络层及反向长短期记忆网络层，所述基于所述字向量层及所述双向长短期记忆网络层对所述产业训练文本中每个文本字符进行编码，得到每个文本字符的目标时序向量包括：

基于所述字向量层对所述产业训练文本进行编码，得到每个文本字符的字符向量；

定位每个文本字符在所述产业训练文本中的字符顺序；

依照所述字符顺序从小至大的顺序将所述字符向量输入至所述正向长短期记忆网络层，得到每个文本字符的正向时序向量，并依照所述字符顺序从大至小的顺序将所述字符向量输入至所述反向长短期记忆网络层，得到每个文本字符的反向时序向量；

拼接所述正向时序向量及所述反向时序向量，得到所述目标时序向量。

3.如权利要求2所述的产业图谱构建方法，其特征在于，所述依照所述字符顺序从小至大的顺序将所述字符向量输入至所述正向长短期记忆网络层，得到每个文本字符的正向时序向量包括：

对于任一文本字符，获取所述字符顺序小于该任一文本字符的邻近字符作为目标字符；

获取所述目标字符的状态向量；

拼接所述状态向量及所述任一文本字符的字符向量，得到输入向量；

基于所述正向长短期记忆网络层的预设网络矩阵及预设偏置值计算所述输入向量，得到该任一文本字符的正向时序向量。

4.如权利要求1所述的产业图谱构建方法，其特征在于，所述基于所述实体识别层对所述目标时序向量进行识别，得到所述产业训练文本的预测实体及预测标签包括：

计算所述目标时序向量中每个向量元素的总和，得到每个文本字符的字符分值；

从所述实体识别层中获取分数阈值及预设权值矩阵；

将所述字符分值大于所述分数阈值的文本字符确定为所述预测实体；

计算与所述预测实体对应的目标时序向量及所述预设权值矩阵的乘积，得到所述预测实体在每个预设标签上的实体概率；

将所述实体概率最大的预设标签确定为所述预测实体的预测标签。

5.如权利要求1所述的产业图谱构建方法，其特征在于，所述文本实体信息中包括训练实体及实体标签，所述根据所述文本实体信息、所述预测实体及所述预测标签调整所述预设网络，得到实体信息识别模型包括：

统计所述训练实体的实体总量；

计算与所述训练实体相同的预测实体的数量作为第一预测数量，并计算与所述实体标签相同的预测标签的数量作为第二预测数量；

根据所述实体总量、所述第一预测数量及所述第二预测数量计算所述预设网络的网络损失值；

基于所述网络损失值调整所述双向长短期记忆网络层及所述实体识别层的网络参数，直至所述网络损失值小于预设阈值，得到所述实体信息识别模型。