[发明专利]联合多视角字符嵌入的中文社交评论实体识别方法与装置

权利要求书

1.一种联合多视角字符嵌入的中文社交评论实体识别方法，其特征在于，所述方法包括：

获取待识别中文社交评论实体的文本数据，并将所述中文社交评论实体的文本数据转换成字符序列和词级序列；

将所述字符序列输入到嵌入表示层得到所述字符序列的多视角字符嵌入向量组；

将所述词级序列输入到嵌入表示层得到所述词级序列的词级嵌入向量组；

将所述多视角字符嵌入向量组与所述词级嵌入向量组使用向量拼接方式组合得到联合多视角字符嵌入向量组；

将所述联合多视角字符嵌入向量组输入到序列建模层，获取全局字符特征、局部字符特征、全局词特征和局部词特征；

基于标签解码层，对所述全局字符特征、所述局部字符特征、所述全局词特征和所述局部词特征进行解码，获取标签序列。

2.根据权利要求1所述的方法，其特征在于，所述将所述字符序列输入到嵌入表示层得到所述字符序列的多视角字符嵌入向量组，包括：

使用多种嵌入方法从字符的多个视角提取字符特征；

所述多种嵌入方法包括字符嵌入、拼音嵌入、部首嵌入、字形嵌入；

将利用所述字符嵌入、拼音嵌入、部首嵌入、字形嵌入得到的向量，采用向量拼接方式得到所述多视角字符嵌入向量组。

3.根据权利要求2所述的方法，其特征在于，所述字符嵌入包括：

基于BERT模型对所述待识别中文社交评论实体的文本数据进行编码，获取字符嵌入；

所述基于BERT模型对所述待识别中文社交评论实体的文本数据进行编码，获取字符嵌入的计算过程为：给定待评论句子S＝(c₁,c₂,...,c_l)，通过BERT预训练模型获得：

其中，是c_i的字符嵌入。

4.根据权利要求2所述的方法，其特征在于，所述拼音嵌入包括：

使用Python中的xpinyin库将所述待识别中文社交评论实体的文本数据中的汉字转化成拼音；

使用word2vec模型提取所述拼音的拼音嵌入；

基于所述拼音嵌入，利用全连接层提取基于上下文特征的拼音向量；

所述拼音嵌入的计算过程为：

其中，表示句子中每个字符的拼音，xpinyin()表示字符到拼音的转换，Word2Vec^p表示发音嵌入查找表，是的嵌入。

5.根据权利要求2所述的方法，其特征在于，所述部首嵌入包括：

从中文字符字典中查找待识别中文社交评论实体的文本数据中每个字符的部首；

使用word2vec模型提取所述部首的部首嵌入；

基于所述部首嵌入，利用全连接层提取基于上下文特征的部首向量。

所述部首嵌入的计算过程为：

其中，表示句子中每个字符的部首，Lookup_table()表示从汉字字典中提取每个字符的部首，Word2Vec^r表示部首嵌入查找表，是的嵌入。

6.根据权利要求2所述的方法，其特征在于，所述字形嵌入包括：

从中文字符字典中查找待识别中文社交评论实体的文本数据中每个字符对应的英文字母表示；

使用word2vec模型提取所述字形的字形嵌入；

基于所述字形嵌入，利用Bi-LSTM层提取基于上下文特征的字形向量。

所述字形嵌入的计算过程为：

其中，表示句子中每个字符的字形，字形由对应的英文字母表示，Lookup_table()表示从汉字字典中提取每个字符的字形，Word2Vec^g表示字形嵌入查找表，是的向量。