(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 202211026223.6 (22)申请日 2022.08.25 (71)申请人 北京字跳网络技 术有限公司 地址 100190 北京市海淀区紫金 数码园4号 楼2层0207 (72)发明人 罗玉杰　 (74)专利代理 机构 北京亿腾知识产权代理事务 所(普通合伙) 11309 专利代理师 陈霁 (51)Int.Cl. G06F 40/295(2020.01) G06F 40/30(2020.01) G06F 40/242(2020.01) G06N 3/08(2006.01) (54)发明名称 一种识别文 件中的命名实体的方法和装置 (57)摘要 本公开实施例提供了一种识别文件中的命 名实体的方法和装置。 该方法的一具体实施方式 包括： 获取第一文件； 基于预先构建的命名实体 词典,获取对于第一文件中的命名实体的第一预 测结果； 基于预先训练的第一预测模型,获取对 于第一文件中的命名实体的第二预测结果； 所述 命名实体词典， 通过结合多个预训练模型对于包 括实体词的样本语句进行命名实体识别的识别 结果生成； 结合第一和第二预测结果,确定对于 第一文件中的命名实体的第三预测结果。 利用该 方法， 可以提高对于文件中的命名实体进行识别 的准确率。 权利要求书2页 说明书9页 附图5页 CN 115470790 A 2022.12.13 CN 115470790 A 1.一种识别文件中的命名实体的方法， 包括： 获取第一文件； 基于预先构建的命名实体词典,获取对于第一文件中的命名实体的第 一预测结果； 所述命名实体词典， 通过结合多个预训练模型对于包括实体词的样本语句进 行命名实体识别的识别结果 生成。 2.根据权利要求1所述的方法， 还 包括： 基于预先训练的第一预测模型,获取对于第一文件中的命名实体的第二预测结果； 结合第一和第二预测结果,确定对于第一文件中的命名实体的第三预测结果。 3.根据权利要求2所述的方法， 还 包括： 根据预先制定的正则表达式， 确定对于第一文件中的命名实体的第四预测结果； 结合第一和第二预测结果,确定对于第一文件中的命名实体的第三预测结果， 包括： 结合第一、 第二和第四预测结果,确定对于第一文件中的命名实体的第三预测结果。 4.根据权利要求3所述的方法， 其中， 所述命名实体包括第一类命名实体和第二类命名实体， 基于预先构建的命名实体词典,获取对于第一文件中的命名实体的第一预测结果， 所 述基于预 先训练的第一预测模型,获取对于第一文件中的命名实体的第二预测结果， 包括： 基于预先构建的命名实体词典,获取对于第一类命名实体的第一预测结果； 基于预先 训练的第一预测模型,获取对于第一类命名实体的第二预测结果； 所述根据预先制定的正则表达式， 确定对于第一文件中的命名实体的第 四预测结果， 包括： 根据预先制定的正则表达式， 确定对于第二类命名实体的第四预测结果。 5.根据权利要求 4所述的方法， 其中， 所述第一类命名实体包括预定种类实体的名称； 所述第二类命名实体包括具有预定文本模式的实体词。 6.根据权利要求2所述的方法， 其中， 所述第一预测模型， 包括BERT子模型和条件随机场子模型； 基于预先训练的第一预测模型,获取对于第一文件中的命名实体的第二预测结果， 包 括： 对所述第一文件进行分词， 获取词序列； 将所述词序列输入BERT子模型， 获取词序列中各个词的语义向量； 将所述语义向量输入条件随机场子模型， 获取第一识别结果， 所述第一识别结果用于 确定所述语义向量对应的词是否用于表示命名实体。 7.根据权利要求1所述的方法， 其中， 所述命名实体词典， 通过结合多个预训练模型对 于包括实体词的样本语句进行命名实体识别的识别结果生成， 包括， 所述命名实体词典通 过如下步骤生成： 获取多种语言的实体词， 构建包 含所述实体词的样本语句； 将所述样本语句输入多个预训练模型中， 获取对于所述样本语句中的命名实体的多个 识别结果； 根据所述多个识别结果， 确定所述样本语句中的命名实体； 将所述命名实体加入所述 命名实体词典。权　利　要　求　书 1/2 页 2 CN 115470790 A 28.根据权利要求7所述的方法， 其中， 所述多个预训练模型包括以下模型中的至少两 个： 基于RoBERTa模型的第一预训练模型， 基于Disti ll BERT模型的第二预训练模型， 基于跨域语言模型的第三预训练模型。 9.根据权利要求6所述的方法， 其中， 根据所述多个识别结果， 确定所述样本语句中的 命名实体， 包括： 在所述多个识别结果中均包括第一待定实体时， 确定第一待定命名实体为命名实体； 或 在所述多个识别结果中超过预定数量的识别结果中包括第 一待定实体时， 确定第 一待 定实体为命名实体。 10.根据权利要求1所述的方法， 其中， 所述第一文件 包括简历文件。 11.一种命名实体词典的构建方法， 包括： 获取多种语言的实体词， 构建包 含所述实体词的样本语句； 将所述样本语句输入多个预训练模型中， 获取对于所述样本语句中的命名实体的多个 识别结果； 根据所述多个识别结果， 确定所述样本语句中的命名实体； 将所述命名实体加入所述 命名实体词典。 12.一种识别文件中的命名实体的装置， 所述装置包括： 文件获取 单元， 配置为， 获取第一文件； 第一预测单元， 配置为， 基于预先训练的第一预测模型,获取对于第 一文件中的命名实 体的第一预测结果； 第二预测单元， 配置为， 基于预先构建的命名实体词典,获取对于第 一文件中的命名实 体的第二预测结果； 所述命名实体词典， 通过结合多个预训练模型对于包括实体词的样本 语句进行命名实体识别的识别结果 生成； 预测结果确定单元， 配置为， 结合第 一和第二预测结果,确定对于第 一文件中的命名实 体的第三预测结果。 13.一种命名实体词典的构建装置， 所述装置包括： 样本构建单 元， 配置为， 获取多种语言的实体词， 构建包 含所述实体词的样本语句； 识别单元， 配置为， 将所述样本语句输入多个预训练模型中， 获取对于所述样本语句中 的命名实体的多个识别结果； 词典添加单元， 配置为， 根据所述多个识别结果， 确定所述样本语句中的命名实体； 将 所述命名实体加入所述命名实体词典。 14.一种计算机程序产品， 包括计算机程序， 所述计算机程序被处理器执行时实现如权 利要求1‑11中任一项所述的方法。 15.一种计算机可读存储介质， 其上存储有计算机程序， 当所述计算机程序在计算机中 执行时， 令所述计算机执 行权利要求1 ‑11中任一项所述的方法。 16.一种电子设备， 包括存储器和 处理器， 所述存储器中存储有可执行代码， 所述处理 器执行所述可执行代码时， 实现权利要求1 ‑11中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115470790 A 3