[发明专利]笔录数据的实体识别方法、装置、介质及设备

说明书

本发明公开了一种笔录数据的实体识别方法，包括：构建命名实体识别模型，所述命名实体识别模型由膨胀卷积模块IDCNN、双向长短时记忆网络Bilstm、多头注意力机制模块构成，通过所述膨胀卷积模块对输入数据提取特征信息，通过所述双向长短时记忆网络对输入数据提取序列信息，通过所述多头注意力机制模块根据所述特征信息和序列信息计算权值；获取若干条原始笔录数据，对所述原始笔录数据进行预处理；将所述预处理后的原始笔录数据划分为训练集、测试集以及验证集，采用训练集对所述命名实体识别模型进行训练；训练好的命名实体识别模型可用于识别笔录案件的实体信息。本发明解决了现有技术在对笔录数据进行实体识别时存在的精度较低的问题。

技术领域

本发明涉及信息技术领域，尤其涉及一种笔录数据的实体识别方法、装置、介质及设备。

背景技术

现有技术采用基于卷积神经网络的方法，对笔录数据的命名实体进行识别。其中在使用膨胀卷积神经网络时，首先将标注过的笔录数据进行特征向量化，然后利用有四次迭代的膨胀卷积神经网络提取特征，其中每次迭代包括顺序执行的两层普通卷积网络和一层膨胀率为2的膨胀卷积网络，最后输入CRF层，得到预测标签。该方法可以在线性级增加参数的同时指数级扩大感受野，以获取在序列中距离当前数据更远的信息，但是在进行膨胀卷积时因为在卷积核中填补了零元素，忽略了当前数据邻域的部分信息，没有考虑到数据的序列性，实体识别的精度较低。

发明内容

本发明实施例提供了一种笔录数据的实体识别方法、装置、介质及设备，以解决现有技术在对笔录数据进行实体识别时存在的精度较低的问题。

一种笔录数据的实体识别方法，所述方法包括：

构建命名实体识别模型，所述命名实体识别模型由膨胀卷积模块IDCNN、双向长短时记忆网络Bilstm、多头注意力机制模块构成，通过所述膨胀卷积模块对输入数据提取特征信息，通过所述双向长短时记忆网络对输入数据提取序列信息，通过所述多头注意力机制模块根据所述特征信息和序列信息计算权值；

获取若干条原始笔录数据，对所述原始笔录数据进行预处理；

将所述预处理后的原始笔录数据划分为训练集、测试集以及验证集，采用训练集对所述命名实体识别模型进行训练；训练好的命名实体识别模型可用于识别笔录案件的实体信息。

可选地，所述获取若干条原始笔录数据，对所述原始笔录数据进行预处理包括：

获取若干条原始笔录数据，对每一条原始笔录数据采用BIOES规则进行标注，得到已标注的笔录数据；

根据已标注的笔录数据进行字频统计生成字符ID字典，以及根据已标注的笔录数据进行标签频率统计，生成标签ID字典；

采用JIEBA工具对每条笔录数据进行分词，生成每条笔录数据的分词和分词特征；

根据所述分词和分词特征训练每条笔录数据的词向量和分词特征向量；

将每条笔录数据中的每一个字符的词向量和分词特征向量拼接在一起。

可选地，所述根据所述分词和分词特征训练每条笔录数据的词向量和分词特征向量包括：

对每一个分词，从第一个字符开始进行标记，第一个字符标记为0，中间的字符标记为2，最后一个字符标记为3；

采用Skip-Gram模型根据标记后的分词训练词向量，得到词向量文件，向量的维度为100；

采用TensorFlow框架中的emdedding层根据标记后的分词及分词特征训练分词特征向量，得到20维的分词特征向量。

可选地，所述对所述采用训练集对所述命名实体识别模型进行训练包括：