(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 202210386674.4 (22)申请日 2022.04.13 (71)申请人 国家电网有限公司大 数据中心 地址 100031 北京市西城区宣武门内大街8 号 (72)发明人 纪鑫　王宏刚　杨成月　武同心　 杨智伟　江孔辰　何禹德　米娜　 褚娟　李建芳　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 岳晓萍 (51)Int.Cl. G06F 40/295(2020.01) G06F 40/242(2020.01) G06F 40/30(2020.01)G06F 16/35(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 一种实体识别方法、 装置、 设备及存 储介质 (57)摘要 本发明公开了一种实体识别方法、 装置、 设 备及存储介质， 利用获取的词典对待测句子进行 匹配获得字符序列的潜在词， 并根据潜在词与待 测句子的字符形成待测句子的格结构； 将待测句 子的格结构输入平面晶格Flat ‑lattice模型进 行编码， 获得待测句子中包含的字词向量， 字词 向量包括： 字符向量和潜在词向量； 根据待测句 子中的字词向量构建字词图， 将 字词图输入至少 两个不同结构的图网络模型， 融合各图网络模型 输出的图节 点向量得到多个语义表征向量； 将多 个语义表征向量进行分类， 获得待测句子的实体 识别结果， 能够通过图神经网络构建不同粒度语 义特征图表示， 通过融入不同粒度的语义， 充分 提高实体表征信息的丰富度， 进而提高实体识别 效果。 权利要求书2页 说明书11页 附图4页 CN 114611521 A 2022.06.10 CN 114611521 A 1.一种实体识别方法， 其特 征在于， 包括： 利用获取的词典对待测句子进行匹配获得字符序列的潜在词， 并根据 所述潜在词与 所 述待测句子的字符形成待测句子的格结构； 将所述待测句子的格结构输入平面晶格Fl at‑lattice模型进行编码， 获得所述待测句 子中包含的字词向量， 所述字词向量包括： 字符向量和潜在词向量； 根据所述待测句子 中的所述字词向量构建字词图， 将所述字词图输入至少两个不同结 构的图网络模型， 融合各 所述图网络模型输出的图节点向量得到多个 语义表征向量； 将所述多个 语义表征向量进行分类， 获得 所述待测句子的实体识别结果。 2.根据权利 要求1所述的方法， 其特征在于， 所述平面晶格Flat ‑lattice模型通过训练 样本集迭代训练预训练的Flat ‑lattice模型 得到； 其中， 通过训练样本集迭代训练预训练的Flat ‑lattice模型包括： 获取预训练的Fl at‑lattice模型、 训练集中各实体样本的格结构和所述格结构对应的 预设字词向量； 将各所述实体样本的格结构输入预训练的Fl at‑lattice模型中， 得到实体样本句子中 包含的初始字词向量； 基于所述初始字词向量和所述预设字词向量， 采用正向传播和反 向传播修改所述预训 练的Flat ‑lattice模型中各层神经元的参数值以及连接权重， 直到所述预训练的Flat ‑ lattice模型实现收敛时， 获得训练好的Flat ‑lattice模型。 3.根据权利要求1所述的方法， 其特征在于， 所述字词图包括： 包含图邻接矩阵、 转移图 邻接矩阵、 格图邻接矩阵。 4.根据权利要求1所述的方法， 其特征在于， 将所述字词图输入至少两个不同结构的图 网络模型， 融合各 所述图网络模型输出的图节点向量得到多个 语义表征向量包括： 获取至少两个不同的图网络模型； 将所述字词图中的节点信 息分别输入各所述图网络模型， 得到各所述图网络模型输出 的图节点向量； 所述图节点信息用于表示字符向量与潜在词向量之间的关系； 将各所述图节点向量分别匹配不同的权重后进行加和运算获得融合后的语义表征向 量。 5.根据权利要求4所述的方法， 其特征在于， 将所述字词图中的节点信 息分别输入各所 述图网络模型之前， 还 包括： 在所述字词图中设置全局节点， 所述全局节点与所述字词图中的各节点相连。 6.根据权利要求1所述的方法， 其特征在于， 所述图网络模型包括： 包含图注意力模型、 转移图注意力模型和格图注意力模型； 相应的， 所述包含图注意力模型输出的图节点向量为包含图节点向量， 所述转移图注 意力模型输出的图节 点向量为转移图节点向量， 所述格图注意力模型输出的图节点向量为 格图节点向量。 7.根据权利要求1所述的方法， 其特征在于， 将所述多个语义表征向量进行分类， 获得 所述待测句子的实体识别结果包括： 采用条件随机场算法获取多个 语义表征向量对应的多个预测标签序列； 根据所述多个预测标签序列， 采用维特比解码算法获得最优标签序列作为所述待测句权　利　要　求　书 1/2 页 2 CN 114611521 A 2子的实体识别结果。 8.一种实体识别装置， 其特 征在于， 包括： 格结构获取模块， 用于利用获取的词典对待测句子进行匹配获得字符序列的潜在词， 并根据所述潜在词与所述待测句子的字符形成待测句子的格结构； 编码模块， 用于将所述待测句子 的格结构输入平面晶格Flat ‑lattice模型进行编码， 获得所述待测句子中包 含的字词向量， 所述字词向量包括： 字符向量和潜在词向量； 图结构模块， 用于根据所述待测句子中的所述字词向量构建字词图， 将所述字词图输 入至少两个不同结构的图网络模型， 融合各所述图网络模型输出的图节点向量得到多个语 义表征向量； 实体识别模块， 用于将所述多个语义表征向量进行分类， 获得所述待测句子的实体识 别结果。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 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计算机程序， 所述计算机程序被所 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权利要求1 ‑7中任一项所述的 实体识别方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使处 理器执行时实现权利要求1 ‑7中任一项所述的实体识别方法。权　利　要　求　书 2/2 页 3 CN 114611521 A 3