[发明专利]生成训练数据的方法、装置、电子设备和介质

说明书

本公开提供了一种生成训练数据的方法、装置、电子设备和介质，涉及人工智能技术领域，尤其涉及知识图谱和自然语言处理技术领域。实现方案为：获取包含知识三元组信息的第一数据；基于知识三元组信息解析第一数据以得到第一知识三元组集；对第一知识三元组集进行筛选，以得到第二知识三元组集；获取第二文本数据；对第二文本数据进行预处理以得到多个目标文本块；针对多个目标文本块中的每一个目标文本块，将第二知识三元组集与该目标文本块进行模式匹配；以及基于模式匹配的结果，生成三元组信息抽取模型的训练数据。

技术领域

本公开涉及人工智能技术领域，尤其涉及知识图谱和自然语言处理技术领域，具体涉及一种生成训练数据的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

得益于人工智能与深度学习技术的发展，信息抽取等自然语言处理相关技术近些年出现了突飞猛进的发展。信息抽取技术可以利用信息抽取模型来辅助行业中的智能问答、智能客服等依赖信息处理与信息检索的需求。因此，提升信息抽取模型的泛化能力能够扩展并提升信息抽取技术在不同场景中的应用和表现。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种生成训练数据的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种生成训练数据的方法，包括：获取包含知识三元组信息的第一数据；基于所述知识三元组信息解析所述第一数据以得到第一知识三元组集；对所述第一知识三元组集进行筛选，以得到第二知识三元组集；获取第二文本数据；对所述第二文本数据进行预处理以得到多个目标文本块；针对所述多个目标文本块中的每一个目标文本块，将所述第二知识三元组集与该目标文本块进行模式匹配；以及基于模式匹配的结果，生成三元组信息抽取模型的训练数据。

根据本公开的另一方面，提供了一种生成训练数据的装置，包括：第一获取模块，被配置为获取包含知识三元组信息的第一数据；解析模块，被配置为基于所述知识三元组信息解析所述第一数据以得到第一知识三元组集；筛选模块，被配置为对所述第一知识三元组集进行筛选，以得到第二知识三元组集；第二获取模块，被配置为获取第二文本数据；处理模块，被配置为对所述第二文本数据进行预处理以得到多个目标文本块；匹配模块，被配置为针对所述多个目标文本块中的每一个目标文本块，将所述第二知识三元组集与该目标文本块进行模式匹配；以及生成模块，被配置为基于模式匹配的结果，生成三元组信息抽取模型的训练数据。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现上述方法。