对象关系网络的构建方法、装置和电子设备制造方法及图纸

本公开提供了一种对象关系网络的构建方法、装置和电子设备，涉及深度神经网络、深度学习等人工智能技术领域。具体实现方案为：通过提取多个对象各自对应的文本内容中的关键词，得到各对象对应的关键词；并根据对象对应的关键词，确定多个对象之间的相似度；再根据多个对象之间的相似度，构建多个对象之间的对象关系网络。鉴于通过多个对象之间的相似度，构建的对象关系网络可以准确地描述对象之间的关系紧密程度，因此，通过构建的对象关系网络可以有效地多个对象进行管理。以有效地多个对象进行管理。以有效地多个对象进行管理。

【技术实现步骤摘要】
对象关系网络的构建方法、装置和电子设备


[0001]本公开涉及数据处理
，尤其涉及深度神经网络、深度学习等人工智能
，具体涉及一种对象关系网络的构建方法、装置和电子设备。

技术介绍

[0002]在对多个对象进行管理时，以企业中的多个管理政策和制度为例，例如招聘制度、人才管理、干部管理、组织管理等制度。通常情况下，制度之间存在关联关系，例如相互引用关系、上下游依赖关系等。
[0003]鉴于制度之间存在关联关系，若某一个制度发生调整，例如制度变更，则可能会引起其他具有关联关系的制度的联动变更，因此，如何有效地对多个对象进行有效管理是本公开技术人员亟待解决的问题。

技术实现思路

[0004]本公开提供了一种对象关系网络的构建方法、装置和电子设备，可以有效地对多个对象进行管理。
[0005]根据本公开的第一方面，提供了一种对象关系网络的构建方法，该对象关系网络的构建方法可以包括：
[0006]提取多个对象各自对应的文本内容中的关键词，得到各对象对应的关键词。
[0007]根据所述对象对应的关键词，确定所述多个对象之间的相似度。
[0008]根据所述多个对象之间的相似度，构建所述多个对象之间的对象关系网络。
[0009]根据本公开的第二方面，提供了一种分类模型的训练方法，该分类模型的训练方法可以包括：
[0010]获取多个样本组合分词；其中，各样本组合分词对应有标签，所述标签用于指示样本组合分词是否为关键词。
[0011]将多个样本组合分词对应的样本向量表征输入至初始分类模型中，得到所述各样本组合分词对应的预测结果；其中，预测结果用于指示样本组合分词是否为关键词。
[0012]根据所述样本组合分词对应的预测结果和标签，更新所述初始分类模型的网络参数。
[0013]根据本公开的第三方面，提供了一种对象关系网络的构建装置，该对象关系网络的构建装置可以包括：
[0014]提取单元，用于提取多个对象各自对应的文本内容中的关键词，得到各对象对应的关键词。
[0015]确定单元，用于根据所述对象对应的关键词，确定所述多个对象之间的相似度。
[0016]构建单元，用于根据所述多个对象之间的相似度，构建所述多个对象之间的对象关系网络。
[0017]根据本公开的第四方面，提供了一种分类模型的训练装置，该分类模型的训练装
置可以包括：
[0018]获取单元，用于获取多个样本组合分词；其中，各样本组合分词对应有标签，所述标签用于指示样本组合分词是否为关键词。
[0019]处理单元，用于将多个样本组合分词对应的样本向量表征输入至初始分类模型中，得到所述各样本组合分词对应的预测结果；其中，预测结果用于指示样本组合分词是否为关键词。
[0020]更新单元，用于根据所述样本组合分词对应的预测结果和标签，更新所述初始分类模型的网络参数。
[0021]根据本公开的第五方面，提供了一种电子设备，该电子设备可以包括：
[0022]至少一个处理器；以及
[0023]与所述至少一个处理器通信连接的存储器；其中，
[0024]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面所述的对象关系网络的构建方法；或者，上述第二方面所述的分类模型的训练方法。
[0025]根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述第一方面所述的对象关系网络的构建方法；或者，上述第二方面所述的分类模型的训练方法。
[0026]根据本公开的第七方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行上述第一方面所述的对象关系网络的构建方法；或者，执行上述第二方面所述的分类模型的训练方法。
[0027]根据本公开的技术方案，可以有效地对多个对象进行管理。
[0028]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0029]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0030]图1是根据本公开第一实施例提供的对象关系网络的构建方法的流程示意图；
[0031]图2是根据本公开第二实施例提供的提取各对象对应的关键词的方法的流程示意图；
[0032]图3是根据本公开第三实施例提供的确定第一对象和第二对象之间的相似度的方法的流程示意图；
[0033]图4是根据本公开第四实施例提供的构建多个对象之间的对象关系网络的方法的流程示意图；
[0034]图5是本公开实施例提供的一种对象关系网络的示意图；
[0035]图6是根据本公开第五实施例提供的分类模型的训练方法的流程示意图；
[0036]图7是根据本公开第六实施例提供的更新初始分类模型的网络参数的方法的流程示意图；
[0037]图8是根据本公开第七实施例提供的对象关系网络的构建装置的结构示意图；
[0038]图9是根据本公开第八实施例提供的分类模型的训练装置的结构示意图；
[0039]图10是本公开实施例提供的一种电子设备的示意性框图。
具体实施方式
[0040]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0041]在本公开的实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的访问关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A，B可以是单数或者复数。在本公开的文字描述中，字符“/”一般表示前后关联对象是一种“或”的关系。此外，在本公开实施例中，“第一”、“第二”、“第三”、“第四”、“第五”以及“第六”只是为了区分不同对象的内容而已，并无其它特殊含义。
[0042]本公开实施例提供的技术方案可以应用于深度神经网络、深度学习等人工智能
以企业制度管理场景为例，企业中通常会存在多个管理制度。通常情况下，制度之间存在关联关系，例如相互引用关系、上下游依赖关系等。若某一个制度发生调整，例如制度变更，则可能会引起其他具有关联关系的制度的联动变更。
[0043]目前，在对多个制度进行管理时，通常是采用人工的方式对多个制度进行管理，但是，采用人工管理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象关系网络的构建方法，包括：提取多个对象各自对应的文本内容中的关键词，得到各对象对应的关键词；根据所述对象对应的关键词，确定所述多个对象之间的相似度；根据所述多个对象之间的相似度，构建所述多个对象之间的对象关系网络。2.根据权利要求1所述的方法，其中，所述提取多个对象各自对应的文本内容中的关键词，得到各对象对应的关键词，包括：将所述对象对应的文本内容输入至关键词提取模型中，通过所述关键词提取模型中的分词模型，得到多个组合词汇各自对应的向量表征；将所述多个组合词汇各自对应的向量表征，输入至所述关键词提取模型中的分类模型中，得到所述对象对应的关键词。3.根据权利要求2所述的方法，其中，所述通过所述关键词提取模型中的分词模型，得到多个组合词汇各自对应的向量表征，包括：通过所述分词模型提取所述文本内容中的多个分词；根据所述分词对应的词嵌入向量和词性向量，确定所述分词对应的向量表征；根据所述分词对应的向量表征，确定所述多个组合词汇各自对应的向量表征；其中，所述多个组合词汇是由多个相邻分词构成的。4.根据权利要求1
‑
3任一项所述的方法，其中，所述多个对象包括第一对象和第二对象，根据所述对象对应的关键词，确定所述第一对象和所述第二对象之间的相似度，包括：根据所述第一对象和所述第二对象各自对应的关键词，确定所述第一对象和所述第二对象对应的交集关键词和并集关键词；根据所述第一对象对应的关键词确定所述第一对象对应的第一向量表征，及根据所述第二对象对应的关键词确定所述第二对象对应的第二向量表征；根据所述交集关键词、所述并集关键词、所述第一向量表征以及所述第二向量表征，确定所述第一对象和所述第二对象之间的相似度。5.根据权利要求4所述的方法，其中，所述根据所述交集关键词、所述并集关键词、所述第一向量表征以及所述第二向量表征，确定所述第一对象和所述第二对象之间的相似度，包括：根据所述交集关键词的数量与所述并集关键词的数量的比值，确定所述第一对象和所述第二对象之间的第一相似度；根据所述第一向量表征和所述第二向量表征，确定所述第一对象和所述第二对象之间的第二相似度；根据所述第一相似度和所述第二相似度，确定第一对象和所述第二对象之间的相似度。6.根据权利要求1
‑
5任一项所述的方法，其中，所述根据所述多个对象之间的相似度，构建所述多个对象之间的对象关系网络，包括：根据所述多个对象之间的相似度，从所述多个对象中确定目标对象；其中，所述目标对象对应的相似度大于预设阈值；确定所述目标对象对应的中心度；其中，所述中心度用于指示所述目标对象在待生成的对象关系网络中的位置；
根据所述目标对象对应的中心度，构建所述对象关系网络。7.根据权利要求6所述的方法，其中，所述根据所述目标对象对应的中心度，构建所述对象关系网络，包括：对所述目标对象进行聚类，得到多个聚类结果；其中，不同聚类结果中的目标对象在所述待生成的对象关系网络中的节点标识不同；根据所述目标对象对应的中心度和节点标识，构建所述对象关系网络。8.一种分类模型的训练方法，包括：获取多个样本组合分词；其中，各样本组合分词对应有标签，所述标签用于指示样本组合分词是否为关键词；将多个样本组合分词对应的样本向量表征输入至初始分类模型中，得到所述各样本组合分词对应的预测结果；其中，预测结果用于指示样本组合分词是否为关键词；根据所述样本组合分词对应的预测结果和标签，更新所述初始分类模型的网络参数。9.根据权利要求8所述的方法，其中，所述根据所述样本组合分词对应的预测结果和标签，更新所述初始分类模型的网络参数，包括：根据所述样本组合分词对应的预测结果和标签，构造所述样本组合分词对应的损失函数；根据所述样本组合分词对应的损失函数，更新所述初始分类模型的网络参数。10.一种对象关系网络的构建装置，包括：提取单元，用于提取多个对象各自对应的文本内容中的关键词，得到各对象对应的关键词；确定单元，用于根据所述对象对应的关键词，确定所述多个对象之间的相似度；构建单元，用于根据所述多个对象之间的相似度，构建所述多个对象之间的对象关系网络。11.根据权利要求10所述的装置，其中，所述提取单元包括第一提取模块和第二提取模块；所述第一提取模块，用于将所述对象对应的文本内容输入至关键词提取模型中，通过所述关键词提取模型中的分词模型，得到多个组合词汇各自对应的向量表征；所述第二提取模块，用于将所述多个组合词汇各自对应的向量表征，输入至所述关键词提取模型中的分类模型中，得到所述对象对应的关键...

【专利技术属性】
技术研发人员：王鹏，祝恒书，董政，姚开春，秦川，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：