实体识别方法、装置、设备及存储介质

本技术涉及人工智能，尤其涉及一种实体识别方法、装置、设备及存储介质。

背景技术：

1、实体识别是自然语言处理领域中的基础任务之一，其主要目标是从非结构化文本中识别具有特定语义类别的实体信息，例如人名、地名、组织机构名以及时间信息等。目前，基于深度学习的实体识别方法主要包括基于序列标注的方法和基于跨度的方法。

2、基于序列标注的方法通常通过对每个词元进行标签预测完成实体识别。由于该类方法主要依赖标签序列恢复实体边界，因此在中文语境下容易受到局部语义歧义影响，从而出现实体边界偏移问题。

3、基于跨度的方法通常通过枚举句子中的候选实体跨度并进行分类完成实体识别。虽然该方法能够较好地处理复杂实体结构问题，但由于需要枚举大量候选跨度，因此容易引入较高的计算复杂度以及负样本不平衡问题。同时，该类方法主要关注跨度内部的语义表示，对实体边界位置的显式建模能力仍然有限，因此容易出现预测跨度与真实边界之间存在偏移的问题。

技术实现思路

1、本技术提供一种实体识别方法、装置、设备及存储介质，目的在于实现对实体边界位置的显式表示，提高实体边界定位精度和复杂语义场景下实体边界预测的稳定性与准确性，提升实体识别性能。

2、第一方面，本技术实施例提供了一种实体识别方法，包括：

3、将目标文本序列编码为上下文特征序列；

4、基于所述上下文特征序列，获取所述目标文本序列的实体标签预测序列和边界偏移预测序列；

5、根据连续性结构先验和对称性结构先验，对所述边界偏移预测序列进行平滑优化处理，得到目标边界偏移量序列；

6、根据所述实体标签预测序列和所述目标边界偏移量序列，生成所述目标文本序列的目标实体跨度集合。

7、可选的，所述将目标文本序列编码为上下文特征序列，包括：

8、根据所述目标文本序列中各待识别词元的上下文语义特征，将所述目标文本序列编码为上下文语义序列；

9、基于所述上下文语义序列，获取各所述待识别词元的前向隐藏状态表示和后向隐藏状态表示；

10、分别将各所述待识别词元的所述前向隐藏状态表示和所述后向隐藏状态表示拼接为所述待识别词元的上下文特征表示，得到各所述上下文特征表示构成的所述上下文特征序列。

11、可选的，所述基于所述上下文特征序列，获取所述目标文本序列的实体标签预测序列和边界偏移预测序列，包括：

12、将所述上下文特征序列中的各上下文特征表示分别映射至预定义标签空间、预定义起始边界偏移量空间和预定义结束边界偏移量空间，得到所述目标文本序列中各待识别词元对应的标签概率分布、起始边界偏移概率分布和结束边界偏移概率分布；

13、分别根据所述标签概率分布、所述起始边界偏移概率分布和所述结束边界偏移概率分布，确定各所述待识别词元对应的预测标签、起始边界预测偏移量和结束边界预测偏移量；

14、根据各所述预测标签生成所述实体标签预测序列；

15、分别根据各所述起始边界预测偏移量和各所述结束边界预测偏移量，生成起始边界偏移预测序列和结束边界偏移预测序列，作为所述边界偏移预测序列。

16、可选的，所述根据连续性结构先验和对称性结构先验，对所述边界偏移预测序列进行平滑优化处理，得到目标边界偏移量序列，包括：

17、根据所述连续性结构先验和所述对称性结构先验，分别对所述起始边界偏移预测序列和所述结束边界偏移预测序列进行目标窗口尺度下的混合对称卷积特征提取，得到第一尺度起始偏移量估计序列、第二尺度起始偏移量估计序列、第一尺度结束偏移量估计序列和第二尺度结束偏移量估计序列；

18、将所述第一尺度起始偏移量估计序列和所述第二尺度起始偏移量估计序列融合为目标起始边界偏移量序列、将所述第一尺度结束偏移量估计序列和所述第二尺度结束偏移量估计序列融合为目标结束边界偏移量序列，得到所述目标边界偏移量序列。

19、可选的，所述将所述第一尺度起始偏移量估计序列和所述第二尺度起始偏移量估计序列融合为目标起始边界偏移量序列、将所述第一尺度结束偏移量估计序列和所述第二尺度结束偏移量估计序列融合为目标结束边界偏移量序列，得到所述目标边界偏移量序列，包括：

20、根据所述上下文特征序列的局部波动特征，获取各所述上下文特征表示对应的门控加权系数；

21、基于所述门控加权系数，分别对所述第一尺度起始偏移量估计序列和所述第二尺度起始偏移量估计序列、所述第一尺度结束偏移量估计序列和所述第二尺度结束偏移量估计序列进行门控加权融合，得到所述目标起始边界偏移量序列和所述目标结束边界偏移量序列。

22、可选的，所述根据所述实体标签预测序列和所述目标边界偏移量序列，生成所述目标文本序列的目标实体跨度集合，包括：

23、根据所述实体标签预测序列生成基准实体跨度集合；

24、根据所述起始边界偏移预测序列和所述结束边界偏移预测序列，对所述基准实体跨度集合进行实体边界校准，得到所述目标实体跨度集合。

25、可选的，所述根据所述起始边界偏移预测序列和所述结束边界偏移预测序列，对所述基准实体跨度集合进行实体边界校准，得到所述目标实体跨度集合，包括：

26、分别根据所述起始边界偏移预测序列和所述结束边界偏移预测序列，生成起始位置集合和结束位置集合；

27、基于所述起始位置集合和所述结束位置集合进行边界组合枚举，生成候选实体跨度集合；

28、计算所述基准实体跨度集合中的各基准实体跨度与所述候选实体跨度集合中的各候选实体跨度之间的跨度交并比；

29、根据所述跨度交并比，在所述候选实体跨度集合中获取分别与各所述基准实体跨度对应的目标候选实体跨度；

30、根据所述目标候选实体跨度对所述基准实体跨度集合进行所述实体边界校准，得到所述目标实体跨度集合。

31、第二方面，本技术实施例提供了一种实体识别装置，包括：

32、文本编码模块，用于将目标文本序列编码为上下文特征序列；

33、实体预测模块，用于基于所述上下文特征序列，获取所述目标文本序列的实体标签预测序列和边界偏移预测序列；

34、偏移平滑模块，用于根据连续性结构先验和对称性结构先验，对所述边界偏移预测序列进行平滑优化处理，得到目标边界偏移量序列；

35、实体确定模块，用于根据所述实体标签预测序列和所述目标边界偏移量序列，生成所述目标文本序列的目标实体跨度集合。

36、第三方面，本技术实施例提供了一种实体识别设备，包括：

37、一个或多个处理器；

38、存储器，用于存储一个或多个程序；

39、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本技术任意实施例提供的实体识别方法。

40、第四方面，本技术实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本技术任意实施例提供的实体识别方法。

41、本技术实施例提供的一种实体识别方法、装置、设备及存储介质，通过将目标文本序列编码为上下文特征序列，以基于上下文特征序列获取目标文本序列的实体标签预测序列和边界偏移预测序列，并根据连续性结构先验和对称性结构先验，对边界偏移预测序列进行平滑优化处理，得到目标边界偏移量序列，从而根据实体标签预测序列和目标边界偏移量序列，生成目标文本序列的目标实体跨度集合，解决了现有实体识别方法缺少实体边界空间位置建模能力、且易受局部噪声干扰的问题，实现了对实体边界位置的显式表示，提高实体边界定位精度和复杂语义场景下实体边界预测的稳定性与准确性，提升实体识别性能。