(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 20221017816 3.3 (22)申请日 2022.02.25 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 余金星　彭敏龙　孙明明　李平　 (74)专利代理 机构 北京鸿德 海业知识产权代理 有限公司 1 1412 专利代理师 田宏宾 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/289(2020.01) G06F 40/216(2020.01) G06F 16/35(2019.01) G06N 5/02(2006.01)G06N 3/04(2006.01) (54)发明名称 实体链指方法、 装置、 电子设备及存 储介质 (57)摘要 本公开提供了一种实体链指方法、 装置、 电 子设备及存储介质， 涉及机器学习、 自然语言处 理以及智能搜索等人工智能技术领域。 具体实现 方案为： 获取知识库中、 与指定语句中的待链指 实体最相关的目标实体； 基于预设的链指决策策 略， 决策是否将所述待链指实体链指到所述知识 库中的所述目标实体上。 本公开， 能够有效地提 高实体链指的准确性。 权利要求书3页 说明书11页 附图6页 CN 114647739 A 2022.06.21 CN 114647739 A 1.一种实体链指方法， 包括： 获取知识库中、 与指定语句中的待链指实体最相关的目标实体； 基于预设的链指决策策略， 决策是否将所述待链指实体链指到所述知识库中的所述目 标实体上。 2.根据权利要求1所述的方法， 其中， 获取知识库中、 与指定语句中的待链指实体最相 关的目标实体， 包括： 获取所述指定语句中的所述待链指实体与 所述知识库中同名的、 数个候选实体中的各 所述候选实体的相关性； 获取所述待链指实体的类型、 各所述候选实体的类型、 所述待链指实体被链指到各所 述候选实体的先验概 率以及所述待链指实体与所述 候选实体的一 致性特征； 基于所述待链指实体与各所述候选实体的相关性、 所述待链指实体的类型、 各所述候 选实体的类型、 所述待链指实体被链指到各所述候选实体的先验概率以及所述待链指实体 与所述候选实体的一致性特征中的至少一个， 从所述知识库中的所述数个候选实体中获取 与所述待链指实体最相关的所述目标实体。 3.根据权利要求2所述的方法， 其中， 获取所述指定语句中的所述待链指实体与所述知 识库中同名的、 数个候选实体中的各 所述候选实体的相关性， 包括： 采用预先训练的文本匹配模型， 基于所述指定语句、 所述待链指实体的文本信息以及 所述知识库中的各所述候选实体的属性描述的文本信息， 预测所述指 定语句中的所述待链 指实体与对应的所述 候选实体的相关性。 4.根据权利要求2所述的方法， 其中， 基于所述待链指实体与各所述候选实体的相关 性、 所述待链指实体的类型、 各所述候选实体的类型、 所述待链指实体被链指 到各所述候选 实体的先验概率以及所述待链指实体与所述候选实体的一致性特征中的至少一个， 从所述 知识库中的所述数个候选实体中获取与所述待链指实体最相关的所述目标实体， 包括： 基于所述待链指实体与各所述候选实体的相关性、 所述待链指实体的类型、 各所述候 选实体的类型、 所述待链指实体被链指到各所述候选实体的先验概率以及所述待链指实体 与所述候选实体的一致性特征中的至少一个， 采用预先训练的特征融合排序模型， 从所述 知识库中所述数个候选实体中获取与所述待链指实体最相关的所述目标实体。 5.根据权利要求1 ‑4任一所述的方法， 其中， 基于预设的链指决策策略， 决策是否将所 述待链指实体链指到所述知识库中的所述目标实体上， 包括： 基于预先训练 的链指决策模型， 决策是否将所述待链指实体链指到所述知识库中的所 述目标实体上。 6.根据权利要求5所述的方法， 其中， 基于预先训练的链指决策模型， 决策是否将所述 待链指实体链指到所述知识库中的所述目标实体上， 包括： 基于所述待链指实体与所述目标实体的相关性、 所述待链指实体的类型、 所述目标实 体的类型、 所述待链指实体被链指到所述 目标实体的先验概率、 所述待链指实体与所述 目 标实体的一致性特征、 以及所述待链指实体的特征中的至少一个， 采用预先训练的链指决 策模型， 获取 所述待链指实体 被链指到所述目标实体的概 率； 判断所述 概率是否大于预设概 率阈值； 若大于， 将所述待链指实体链指到所述目标实体。权　利　要　求　书 1/3 页 2 CN 114647739 A 27.根据权利要求6所述的方法， 其中， 采用预先训练的链指决策模型， 决策是否将所述 待链指实体链指到所述知识库中的所述目标实体上， 还 包括： 若所述概率不大于预设概 率阈值， 确定所述知识库中无 可链指的实体。 8.一种实体链指装置， 包括： 获取模块， 用于获取知识库中、 与指定语句中的待链指实体最相关的目标实体； 决策模块， 用于基于预设的链指决策策略， 决策是否将所述待链指实体链指到所述知 识库中的所述目标实体上。 9.根据权利要求8所述的装置， 其中， 所述获取模块， 包括： 相关性获取单元， 用于获取所述指定语句中的所述待链指实体与所述知识库中同名 的、 数个候选实体中的各 所述候选实体的相关性； 特征获取单元， 用于获取所述待链指实体的类型、 各所述候选实体的类型、 所述待链指 实体被链指到各所述候选实体的先验概率以及所述待链指实体与所述候选实体的一致性 特征； 目标获取单元， 用于基于所述待链指实体与各所述候选实体的相关性、 所述待链指实 体的类型、 各所述候选实体的类型、 所述待链指实体被链指到各所述候选实体的先验概率 以及所述待链指实体与所述候选实体的一致性特征中的至少一个， 从所述知识库中的所述 数个候选实体中获取与所述待链指实体最相关的所述目标实体。 10.根据权利要求9所述的装置， 其中， 所述相关性获取 单元， 用于： 采用预先训练的文本匹配模型， 基于所述指定语句、 所述待链指实体的文本信息以及 所述知识库中的各所述候选实体的属性描述的文本信息， 预测所述指 定语句中的所述待链 指实体与对应的所述 候选实体的相关性。 11.根据权利要求9所述的装置， 其中， 所述目标获取 单元， 用于： 基于所述待链指实体与各所述候选实体的相关性、 所述待链指实体的类型、 各所述候 选实体的类型、 所述待链指实体被链指到各所述候选实体的先验概率以及所述待链指实体 与所述候选实体的一致性特征中的至少一个， 采用预先训练的特征融合排序模型， 从所述 知识库中所述数个候选实体中获取与所述待链指实体最相关的所述目标实体。 12.根据权利要求8 ‑11任一所述的装置， 其中， 所述决策模块， 用于： 基于预先训练 的链指决策模型， 决策是否将所述待链指实体链指到所述知识库中的所 述目标实体上。 13.根据权利要求12所述的装置， 其中， 所述决策模块， 包括： 预测单元， 用于基于所述待链指实体与所述目标实体的相关性、 所述待链指实体的类 型、 所述目标实体的类型、 所述待链指实体被链指 到所述目标实体的先验概率、 所述待链指 实体与所述 目标实体的一致性特征、 以及所述待链指实体的特征中的至少一个， 采用预先 训练的链指决策模型， 获取 所述待链指实体 被链指到所述目标实体的概 率； 判断单元， 用于判断所述 概率是否大于预设概 率阈值； 链指决策 单元， 用于若大于， 将所述待链指实体链指到所述目标实体。 14.根据权利要求13所述的装置， 其中， 所述链指决策 单元， 还用于： 若所述概率不大于预设概 率阈值， 确定所述知识库中无 可链指的实体。 15.一种电子设备， 包括：权　利　要　求　书 2/3 页 3 CN 114647739 A 3