(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 202210101886.3 (22)申请日 2022.01.27 (71)申请人 招商银行股份有限公司 地址 518000 广东省深圳市福田区深南大 道7088招商银行 大厦 (72)发明人 杨一枭　蒲珂宇　刘弘一　季江舟　 贺瑶函　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 李幸芳 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/258(2020.01) G06F 40/30(2020.01) G06K 9/62(2022.01) (54)发明名称 实体类型推断方法、 系统、 装置、 终端设备以 及存储介质 (57)摘要 本发明公开了一种实体类型推断方法、 系 统、 装置、 终端设备以及存储介质， 通过 获取待推 断数据； 提取所述待推断数据的主次特征； 将所 述主次特征输入预先建立的实体类型推断模型 中进行推断， 得到预测结果， 其中， 所述实体类型 推断模型包括多标签分类模型与单标签分类模 型； 根据所述预测结果进行半数投票， 得到所述 待推断数据的类型结果。 本发明改善了实体类型 推断的效果。 权利要求书2页 说明书9页 附图3页 CN 114443861 A 2022.05.06 CN 114443861 A 1.一种实体 类型推断方法， 其特 征在于， 所述实体 类型推断方法包括以下步骤： 获取待推断数据； 提取所述待推断数据的主次特 征； 将所述主次特征输入预先建立的实体类型推断模型中进行推断， 得到预测结果， 其中， 所述实体 类型推断模型包括多标签分类模型与单 标签分类模型； 根据所述预测结果进行半数投票， 得到所述待推断数据的类型 结果。 2.如权利要求1所述的实体类型推断方法， 其特征在于， 所述获取待推断数据的步骤之 前还包括： 建立所述实体 类型推断模型， 具体包括： 获取预先采集的数据集， 并根据所述数据集得到初版模型； 基于所述初版模型与所述数据集， 修 正增强得到训练集； 提取所述训练集中各训练数据的主体特征， 其中， 各所述训练数据的主体特征包括实 体名、 实体标题以及实体描述文本； 对所述实体描述文本进行摘要抽取， 得到补充特 征； 通过预训练模型将所述主体特 征与所述补充特 征转化并融合 为向量； 结合快速梯度 上升对抗训练对所述向量进行多标签与 单标签分类训练， 得到各所述多 标签分类模型与各所述单标签分类模型， 由各所述多标签分类模型与各所述单标签分类模 型构成所述实体 类型推断模型。 3.如权利要求2所述的实体类型推断方法， 其特征在于， 所述获取预先采集的数据集， 并根据所述数据集得到初版模型的步骤 包括： 获取预先采集的数据集； 从所述数据集中随机 选取若干条 数据进行实体 类型标注， 得到标注数据； 根据所述标注数据训练得到所述初版模型。 4.如权利要求2所述的实体类型推断方法， 其特征在于， 所述基于所述初版模型与 所述 数据集， 修 正增强得到训练集的步骤 包括： 从所述数据集中选取若干条实体数据； 基于所述初版模型对所述实体数据进行推断， 得到推断结果； 对所述推断结果进行修 正增强， 得到所述训练集。 5.如权利要求2所述的实体类型推断方法， 其特征在于， 所述提取所述待推断数据的主 次特征的步骤 包括： 提取所述待推断数据的主体特 征； 将所述待推断数据的主体特征与 所述补充特征进行匹配， 得到所述待推断数据的次要 特征； 将所述待推断数据的主体特 征与所述次要特 征作为所述待推断数据的主次特 征。 6.如权利要求1所述的实体类型推断方法， 其特征在于， 所述根据 所述预测结果进行半 数投票， 得到所述待推断数据的类型 结果的步骤 包括： 判断所述预测结果是否为多个标签； 若所述预测结果为多个标签， 则使用各所述多标签模型进行半数投票， 得到所述待推 断数据的类型 结果；权　利　要　求　书 1/2 页 2 CN 114443861 A 2若所述预测结果不为多个标签， 即所述预测结果为单个标签， 则使用各所述多标签模 型与各所述单标签模型进行半数投票， 得到所述待推断数据的类型 结果。 7.一种实体 类型推断系统， 其特 征在于， 所述实体 类型推断系统包括： 数据处理层， 用于获取待推断数据； 特征提取层， 用于提取 所述待推断数据的主次特 征； 模型训练层， 用于训练得到实体类型推断模型， 以供将所述主次特征输入所述实体类 型推断模型中进行推断， 得到预测结果； 模型融合层， 用于根据所述预测结果进行半数投票， 得到所述待推断数据的类型 结果。 8.一种实体 类型推断装置， 其特 征在于， 所述实体 类型推断装置包括： 获取模块， 用于获取待推断数据； 特征提取模块， 用于提取 所述待推断数据的主次特 征； 预测模块， 用于将所述主次特征输入预先建立的实体类型推断模型中进行推断， 得到 预测结果， 其中， 所述实体 类型推断模型包括多标签分类模型与单 标签分类模型； 投票模块， 用于根据所述预测结果进行半数投票， 得到所述待推断数据的类型 结果。 9.一种终端设备， 其特征在于， 所述终端设备包括存储器、 处理器及存储在所述存储器 上并可在所述处理器上运行的实体类型推断程序， 所述 实体类型推断程序被所述处理器执 行时实现如权利要求1 ‑6中任一项所述的实体 类型推断方法的步骤。 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上存储有实体类 型推断程序， 所述实体类型推 断程序被处理器执行时实现如权利要求1 ‑6中任一项所述的 实体类型推断方法的步骤。权　利　要　求　书 2/2 页 3 CN 114443861 A 3