(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210248912.5 (22)申请日 2022.03.14 (71)申请人 浙江大华 技术股份有限公司 地址 310053 浙江省杭州市滨江区滨安路 1187号 (72)发明人 徐耀彬　刘伟棠　陈立力　周明伟　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 赵凯莉 (51)Int.Cl. G06K 9/62(2022.01) G06F 40/30(2020.01) G06F 40/295(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种命名实体提取方法、 装置、 电子设备和 存储介质 (57)摘要 本申请涉及计算机技术领域， 尤其涉及人工 智能技术领域， 提供一种命名实体提取方法、 装 置、 电子设备和存储介质， 用以提高命名实体提 取准确率。 其中， 方法包括： 对待提取文本进行字 符划分， 获得待提取文本包含的各个字符； 基于 各个字符进行文本片段构建， 获得待提取文本包 含的多个文本片段； 对待提取文本包含的各个文 本片段进行多标签 分类， 获得各个文本片段各自 对应的文本标签； 将目标类别的文本标签对应的 文本片段， 作为待提取文本包含的命名实体。 由 于本申请通过将待提取文本划分构建多个文本 片段， 将命名实体提取任务转化为文本片段分类 任务， 有效解决了命名实体重叠的问题， 提高了 命名实体提取准确率。 权利要求书3页 说明书15页 附图5页 CN 114638297 A 2022.06.17 CN 114638297 A 1.一种命名实体提取 方法， 其特 征在于， 该 方法包括： 对待提取文本进行字符划分， 获得 所述待提取文本包 含的各个字符； 基于所述各个字符进行文本片段构建， 获得 所述待提取文本包 含的多个文本片段； 对所述待提取文本包含的各个文本片段进行多标签分类， 获得所述各个文本片段各自 对应的文本标签； 将目标类别的文本标签对应的文本片段， 作为所述待提取文本包含的命名实体， 所述 命名实体为具有特定语义的实体名称。 2.如权利要求1所述的方法， 其特征在于， 所述基于所述各个字符进行文本片段构建， 获得所述待提取文本包 含的多个文本片段， 包括： 分别以所述各个字符的位置作为起始位置， 对所述待提取文本进行不同文本长度的片 段截取， 获得 所述多个文本片段。 3.如权利要求2所述的方法， 其特征在于， 所述不同文本长度包括： 最短文本长度， 以及 将所述最短文本 长度按照指定步长逐渐递增所获得的多个文本 长度。 4.如权利要求1～3任一项所述的方法， 其特征在于， 所述对所述待提取文本包含的各 个文本片段进行多标签分类， 获得 所述各个文本片段 各自对应的文本片段， 包括： 分别将所述各个文本片段的编码表示信 息输入分类模型， 获得所述各个文本片段针对 每种文本标签的预测概 率； 针对每个文本片段， 分别执 行以下操作： 将一个文本片段对应的各个预测概率中， 最大预测概率对应的文本标签， 作为所述一 个文本片段的文本标签。 5.如权利要求4所述的方法， 其特征在于， 通过下列 方式获得所述各个文本片段的编码 表示信息： 将所述各个字符分别输入预训练语言模型， 获得 所述各个字符各自的隐层编码向量； 基于所述各个字符的隐层编码向量， 获得 所述各个文本片段的编码表示信息 。 6.如权利要求5所述的方法， 其特征在于， 所述将所述各个字符分别输入预训练语言模 型， 获得所述各个字符各自的隐层编码向量， 包括： 将所述各个字符分别 输入所述预训练语言模型的词向量嵌入层， 获得所述各个字符各 自对应的嵌入向量； 根据所述各个字符各自在所述待提取文本中的位置， 获得所述各个字符各自对应的位 置编码向量； 将所述各个字符对应的嵌入向量、 位置编码向量和标识向量进行加和， 获得所述待提 取文本对应的向量序列， 所述标识向量用于区分不同的待提取文本； 对所述向量序列进行上下文特征提取， 获得所述预训练语言模型输出的所述各个字符 各自的隐层编码向量。 7.如权利要求5所述的方法， 其特征在于， 所述基于所述各个字符的隐层编码向量， 获 得所述各个文本片段的编码表示信息， 包括： 针对每个文本片段， 分别执 行以下操作： 基于一个文本片段中起始字符在所述待提取文本中的位置， 从各个隐层编码向量中， 选取对应位置的隐层编码向量作为所述文本片段的起始编码向量；权　利　要　求　书 1/3 页 2 CN 114638297 A 2基于所述文本片段中终止字符在所述待提取文本中的位置， 从各个隐层编码向量中， 选取对应位置的隐层编码向量作为所述文本片段的结束编码向量； 基于所述 一个文本片段对应的文本 长度， 获得 所述文本片段的长度编码向量； 将所述起始编码向量、 所述结束编码向量和所述长度编码向量进行加和， 获得所述文 本片段的编码表示信息 。 8.一种命名实体提取装置， 其特 征在于， 该装置包括： 划分单元， 用于对待提取文本进行字符划分， 获得 所述待提取文本包 含的各个字符； 构建单元， 用于基于所述各个字符进行文本片段构建， 获得所述待提取文本包含的多 个文本片段； 识别单元， 用于对所述待提取文本包含的各个文本片段进行多标签分类， 获得所述各 个文本片段 各自对应的文本标签； 提取单元， 用于将目标类别的文本标签对应的文本片段， 作为所述待提取文本包含的 命名实体， 所述命名实体为具有特定语义的实体名称。 9.如权利要求8所述的装置， 其特 征在于， 所述构建单 元具体用于： 分别以所述各个字符的位置作为起始位置， 对所述待提取文本进行不同文本长度的片 段截取， 获得 所述多个文本片段。 10.如权利要求9所述的装置， 其特征在于， 所述不同文本长度包括： 最短文本长度， 以 及将所述 最短文本 长度按照指定步长逐渐递增所获得的多个文本 长度。 11.如权利要求8～10任一项所述的装置， 其特 征在于， 所述识别单 元具体用于： 分别将所述各个文本片段的编码表示信 息输入分类模型， 获得所述各个文本片段针对 每种文本标签的预测概 率； 针对每个文本片段， 分别执 行以下操作： 将一个文本片段对应的各个预测概率中， 最大预测概率对应的文本标签， 作为所述一 个文本片段的文本标签。 12.如权利要求11所述的装置， 其特征在于， 通过下列 方式获得所述各个文本片段的编 码表示信息： 将所述各个字符分别输入预训练语言模型， 获得 所述各个字符各自的隐层编码向量； 基于所述各个字符的隐层编码向量， 获得 所述各个文本片段的编码表示信息 。 13.如权利要求12所述的装置， 其特 征在于， 所述识别单 元具体用于： 将所述各个字符分别 输入所述预训练语言模型的词向量嵌入层， 获得所述各个字符各 自对应的嵌入向量； 根据所述各个字符各自在所述待提取文本中的位置， 获得所述各个字符各自对应的位 置编码向量； 将所述各个字符对应的嵌入向量、 位置编码向量和标识向量进行加和， 获得所述待提 取文本对应的向量序列， 所述标识向量用于区分不同的待提取文本； 对所述向量序列进行上下文特征提取， 获得所述预训练语言模型输出的所述各个字符 各自的隐层编码向量。 14.如权利要求12所述的装置， 其特 征在于， 所述识别单 元具体用于： 针对每个文本片段， 分别执 行以下操作：权　利　要　求　书 2/3 页 3 CN 114638297 A 3