(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 202210160972.1 (22)申请日 2022.02.22 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 吴粤敏　舒畅　陈又新　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 陈春芹 (51)Int.Cl. G06F 40/295(2020.01) G06F 16/36(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 目标词语的检测方法、 装置、 电子设备及存 储介质 (57)摘要 本申请提供了一种目标词语的检测方法、 装 置、 电子设备及存储介质， 属于人工智 能技术领 域。 该方法包括： 获取待检测的原始言论数据； 通 过预设的特征提取模型对原始言论数据进行实 体特征提取， 得到文本实体特征； 根据文本实体 特征对预设知识图谱进行知识抽取， 得到实体三 元组； 通过预设的目标词语检测模 型对原始言论 数据、 文本实体特征、 实体三元组进行特征抽取， 得到目标文本特征向量、 目标实体特征向量、 目 标属性特征向量； 通过目标词语检测模型对目标 文本特征向量、 目标属性特征向量、 目标实体特 征向量进行加权计算， 得到目标言论表征向量， 并对目标言论表征向量进行目标词语检测， 得到 目标词语数据。 本申请能够提高检测目标词语的 准确性。 权利要求书3页 说明书14页 附图5页 CN 114519356 A 2022.05.20 CN 114519356 A 1.一种目标词语的检测方法， 其特 征在于， 所述方法包括： 获取待检测的原 始言论数据； 通过预先训练 的特征提取模型对所述原始言论数据进行实体特征提取， 得到文本实体 特征； 根据所述文本实体特 征对预设的知识图谱进行知识抽取， 得到实体三元组； 通过预先训练 的目标词语检测模型对所述原始言论数据进行特征抽取， 得到目标文本 特征向量， 并通过所述 目标词语检测模型对所述文本实体特征进行特征抽取， 得到目标实 体特征向量； 通过所述目标词语检测模型对所述实体三元组进行特征抽取， 得到目标属性特征向 量； 通过所述目标词语检测模型对所述目标文本特征向量、 所述目标属性特征向量、 所述 目标实体特 征向量进行加权计算， 得到目标言论表征向量； 通过所述目标词语检测模型对所述目标言论表征向量进行目标词语检测， 得到目标词 语数据。 2.根据权利要求1所述的目标词语的检测方法， 其特征在于， 所述特征提取模型包括第 一嵌入层、 Bi ‑LSTM层以及CRF层， 所述通过预先训练的特征提取模型对所述原始言论数据 进行实体特 征提取， 得到文本实体特 征的步骤， 包括： 通过所述第一嵌入层对所述原 始言论数据进行词嵌入处 理， 得到文本词向量； 通过所述Bi ‑LSTM层的预设函数、 预设特征类别标签以及所述文本词向量进行标签概 率计算， 得到每一预设特 征类别标签的预测概 率值； 根据所述CRF层的预设约束因子和所述预测概率值进行特征提取， 得到所述文本实体 特征。 3.根据权利要求1所述的目标词语的检测方法， 其特征在于， 所述根据 所述文本实体特 征对预设的知识图谱进行知识抽取， 得到实体三元组的步骤， 包括： 根据所述文本实体特征， 遍历所述知识图谱的每一知识节点， 得到与所述文本实体特 征对应的候选属性特 征； 根据所述知识图谱的特征连接路径， 对所述候选属性特征进行筛选处理， 得到目标属 性特征； 对所述目标属性特 征和所述文本实体特 征进行拼接处 理， 得到所述实体三元组。 4.根据权利要求1所述的目标词语的检测方法， 其特征在于， 所述目标词语检测模型包 括第二嵌入层、 第三 嵌入层、 第一GRU层以及第二GRU层， 所述通过预先训练的目标词语检测 模型对所述原始言论数据进行特征抽取， 得到目标文本特征向量， 并通过所述目标词语检 测模型对所述文本实体特 征进行特征抽取， 得到目标实体特 征向量的步骤， 包括： 通过所述第二嵌入层对所述原 始言论数据进行编码处 理， 得到初始文本特 征向量； 通过所述第三嵌入层对所述文本实体特 征进行编码处 理， 得到初始实体特 征向量； 通过所述第一GRU层对所述初始文本特征向量进行特征抽取， 得到所述目标文本特征 向量； 通过所述第二GRU层对所述初始实体特征向量进行特征抽取， 得到所述目标实体特征 向量。权　利　要　求　书 1/3 页 2 CN 114519356 A 25.根据权利要求1所述的目标词语的检测方法， 其特征在于， 所述目标词语检测模型包 括第四嵌入层和图卷积网络层， 所述通过所述目标词语检测模型对所述 实体三元组进 行特 征抽取， 得到目标属性特 征向量的步骤， 包括： 通过所述第四嵌入层对所述实体三元组进行编码处 理， 得到初始属性特 征向量； 通过所述图卷积网络层对所述初始属性特征向量进行图卷积处理， 得到所述目标属性 特征向量。 6.根据权利要求5所述的目标词语的检测方法， 其特征在于， 所述目标词语检测模型包 括第一注意力机制层、 第二注意力机制层以及第三注意力机制层， 所述通过所述 目标词语 检测模型对所述目标文本特征向量、 所述 目标属性特征向量、 所述 目标实体特征向量进行 加权计算， 得到目标言论表征向量的步骤， 包括： 通过所述第 一注意力 机制层和预设的第 一权重比例对所述目标文本特征向量、 所述目 标实体特 征向量进行加权计算， 得到第一表征向量； 通过所述第 二注意力 机制层和预设的第 二权重比例对所述目标实体特征向量、 所述目 标属性特 征向量进行加权计算， 得到第二表征向量； 通过所述第 三注意力 机制层和预设的第 三权重比例对所述第 一表征向量、 所述第 二表 征向量进行加权计算， 得到所述目标言论表征向量。 7.根据权利要求1至6任一项所述的目标词语的检测方法， 其特征在于， 所述目标词语 检测模型包括全连接层和预测层， 所述通过所述目标词语检测模型对所述目标言论表征向 量进行目标词语 检测， 得到目标词语数据的步骤， 包括： 通过所述全连接层将所述目标言论表征向量映射到预设的向量空间， 得到标准言论表 征向量； 通过所述预测层的预测函数、 言论类别标签以及所述标准言论表征向量进行标签概率 计算， 得到每一所述言论类别标签的预测概 率值； 根据所述预测概 率值与预设的预测概 率阈值的大小关系， 得到所述目标词语数据。 8.一种目标词语的检测装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取待检测的原 始言论数据； 实体特征提取模块， 用于通过预先训练的特征提取模型对所述原始言论数据进行实体 特征提取， 得到文本实体特 征； 知识抽取模块， 用于根据所述文本实体特征对预设的知识图谱进行知识抽取， 得到实 体三元组； 第一特征提取模块， 用于通过预先训练的目标词语检测模型对所述原始言论数据进行 特征抽取， 得到目标文本特征向量， 并通过所述 目标词语检测模型对所述文本实体特征进 行特征抽取， 得到目标实体特 征向量； 第二特征提取模块， 用于通过所述目标词语检测模型对所述实体三元组进行特征抽 取， 得到目标属性特 征向量； 加权计算模块， 用于通过所述目标词语检测模型对所述目标文本特征向量、 所述目标 属性特征向量、 所述目标实体特 征向量进行加权计算， 得到目标言论表征向量； 目标词语检测模块， 用于通过所述目标词语检测模型对所述目标言论表征向量进行目 标词语检测， 得到目标词语数据。权　利　要　求　书 2/3 页 3 CN 114519356 A 3