对象匹配方法、装置、设备、存储介质及程序产品制造方法及图纸

本申请提供了一种基于人工智能的对象匹配方法、装置、电子设备、计算机可读存储介质及计算机程序产品；涉及人工智能技术，方法包括：获取候选对象的对象关联文本以及对象关联图像；对候选对象的物资文本进行知识图谱推理处理，得到对应候选对象的第一关联实体；对候选对象的对象关联图像进行文本提取处理，得到候选对象的转换文本，并对候选对象的记录文本以及转换文本进行实体抽取处理，得到对应候选对象的第二关联实体；将对应候选对象的第一关联实体与第二关联实体组成对应候选对象的关联实体集合；对目标事件与对应候选对象的关联实体集合进行匹配处理，得到与目标事件匹配的目标对象。通过本申请，能够提高对象匹配准确度。能够提高对象匹配准确度。能够提高对象匹配准确度。

【技术实现步骤摘要】
对象匹配方法、装置、设备、存储介质及程序产品


[0001]本申请涉及人工智能技术，尤其涉及一种基于人工智能的对象匹配方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

技术介绍

[0002]人工智能(Artificial Intelligence，AI)是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。基于医疗图像以及医疗文本的分析是人工智能领域的重要应用之一，医疗分析系统是指利用计算机对医疗图像和医疗文本进行处理、分析和理解，以识别出各种不同模式的目标和对象的系统。
[0003]相关技术中基于预先给定的特征标签来对收集用于表达特定特征标签的数据，从而导致用于表征对象的数据是基于给定标签体系得到的，对于给定标签体系的完整性以及准确性要求极高，相关技术中基于给定标签体系难以准确抽取到用于表征对象的数据，并基于抽取的数据准确匹配到目标对象。

技术实现思路

[0004]本申请实施例提供一种基于人工智能的对象匹配方法、装置、电子设备、计算机可读存储介质及计算机程序产品，能够提高对象匹配准确度。
[0005]本申请实施例的技术方案是这样实现的：
[0006]本申请实施例提供一种基于人工智能的对象匹配方法，包括：
[0007]获取每个候选对象的对象关联文本以及对象关联图像，其中，所述对象关联文本包括物资文本以及记录文本；
[0008]对每个所述候选对象的物资文本进行知识图谱推理处理，得到对应每个所述候选对象的第一关联实体；
[0009]对每个所述候选对象的对象关联图像进行文本提取处理，得到每个所述候选对象的转换文本，并对每个所述候选对象的记录文本以及转换文本进行实体抽取处理，得到对应每个所述候选对象的第二关联实体；
[0010]将对应每个所述候选对象的第一关联实体与第二关联实体组成对应每个所述候选对象的关联实体集合；
[0011]对目标事件与对应每个所述候选对象的关联实体集合进行匹配处理，得到与所述目标事件匹配的目标关联实体集合，并将所述目标关联实体集合对应的候选对象确定为与所述目标事件匹配的目标对象。
[0012]本申请实施例提供一种基于人工智能的对象匹配装置，包括：
[0013]获取模块，用于获取每个候选对象的对象关联文本以及对象关联图像，其中，所述对象关联文本包括物资文本以及记录文本；
[0014]第一实体模块，用于对每个所述候选对象的物资文本进行知识图谱推理处理，得到对应每个所述候选对象的第一关联实体；
[0015]第二实体模块，用于对每个所述候选对象的对象关联图像进行文本提取处理，得到每个所述候选对象的转换文本，并对每个所述候选对象的记录文本以及转换文本进行实体抽取处理，得到对应每个所述候选对象的第二关联实体；
[0016]组成模块，用于将对应每个所述候选对象的第一关联实体与第二关联实体组成对应每个所述候选对象的关联实体集合；
[0017]匹配模块，用于对目标事件与对应每个所述候选对象的关联实体集合进行匹配处理，得到与所述目标事件匹配的目标关联实体集合，并将所述目标关联实体集合对应的候选对象确定为与所述目标事件匹配的目标对象。
[0018]本申请实施例提供一种电子设备，包括：
[0019]存储器，用于存储计算机可执行指令；
[0020]处理器，用于执行所述存储器中存储的计算机可执行指令时，实现本申请实施例提供的基于人工智能的对象匹配方法。
[0021]本申请实施例提供一种计算机可读存储介质，存储有计算机可执行指令，用于被处理器执行时，实现本申请实施例提供的基于人工智能的对象匹配方法。
[0022]本申请实施例提供一种计算机程序产品，包括计算机程序或计算机可执行指令，所述计算机程序或计算机可执行指令被处理器执行时，实现本申请实施例提供的基于人工智能的对象匹配方法。
[0023]本申请实施例具有以下有益效果：
[0024]针对每个候选对象，对物资文本进行基于知识图谱的推理处理，得到第一关联实体，对记录文本以及基于对象关联图像转化得到转换文本进行实体抽取处理，得到第二关联实体，从而保证关联实体可以充分表征对应的候选对象，将目标事件与第一关联实体以及第二关联实体进行匹配处理，可以得到与目标事件匹配的关联实体集合，并将关联实体集合所属的候选对象作为与目标事件匹配的目标对象，从而提高目标对象与目标事件的匹配准确度。
附图说明
[0025]图1是本申请实施例提供的基于人工智能的对象匹配系统的结构示意图；
[0026]图2是本申请实施例提供的电子设备的结构示意图；
[0027]图3A
‑
图3E是本申请实施例提供的基于人工智能的对象匹配方法的流程示意图；
[0028]图4是本申请实施例提供的基于人工智能的对象匹配方法的框架示意图；
[0029]图5是本申请实施例提供的基于人工智能的对象匹配方法的实体抽取示意图；
[0030]图6是本申请实施例提供的基于人工智能的对象匹配方法的第一实体抽取示意图；
[0031]图7是本申请实施例提供的基于人工智能的对象匹配方法的第二实体抽取示意图；
[0032]图8是本申请实施例提供的基于人工智能的对象匹配方法的匹配示意图。
具体实施方式
[0033]为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进
一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0034]在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
[0035]在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
[0036]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
[0037]对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。
[0038]1)命名实体识别(Named Entity Recognition，NER)，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等，以及时间、数量、货币、比例数值等文字。
[0039]2)光学字符识别(Optical Character Recognition，OCR)，对文本资料进行扫描本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的对象匹配方法，其特征在于，所述方法包括：获取每个候选对象的对象关联文本以及对象关联图像，其中，所述对象关联文本包括物资文本以及记录文本；对每个所述候选对象的物资文本进行知识图谱推理处理，得到对应每个所述候选对象的第一关联实体；对每个所述候选对象的对象关联图像进行文本提取处理，得到每个所述候选对象的转换文本，并对每个所述候选对象的记录文本以及转换文本进行实体抽取处理，得到对应每个所述候选对象的第二关联实体；将对应每个所述候选对象的第一关联实体与第二关联实体组成对应每个所述候选对象的关联实体集合；对目标事件与对应每个所述候选对象的关联实体集合进行匹配处理，得到与所述目标事件匹配的目标关联实体集合，并将所述目标关联实体集合对应的候选对象确定为与所述目标事件匹配的目标对象。2.根据权利要求1所述的方法，其特征在于，所述物资文本是医疗物资文本，所述医疗物资文本记载有至少一个医疗物资，所述第一关联实体是第一医疗实体，所述对每个所述候选对象的物资文本进行知识图谱推理处理，得到对应每个所述候选对象的第一关联实体，包括：针对每个所述候选对象执行以下处理：从知识图谱中查询与每个所述医疗物资关联的物资节点，并获取与每个所述物资节点具有连接关系的医疗事件节点，并获取与每个所述医疗事件节点对应的候选医疗事件；基于每个所述候选医疗事件以及每个所述医疗物资进行医疗事件预测处理，得到对应每个所述候选医疗事件的第一概率；将最大的第一概率对应的候选医疗事件作为对应所述候选对象的第一医疗实体。3.根据权利要求2所述的方法，其特征在于，所述基于每个所述候选医疗事件以及每个所述医疗物资进行医疗事件预测处理，得到对应每个所述候选医疗事件的第一概率，包括：对每个所述候选医疗事件进行文本编码处理，得到对应每个所述候选医疗事件的第一编码；对每个所述医疗物资进行文本编码处理，得到对应每个所述医疗物资的第二编码；针对每个所述候选医疗事件，将所述候选医疗事件的第一编码与多个所述医疗物资的第二编码进行累加处理，得到所述候选医疗事件的第三编码；对每个所述候选医疗事件的第三编码进行回归映射处理，得到对应每个所述候选医疗事件的第一概率。4.根据权利要求2所述的方法，其特征在于，所述医疗事件预测处理是通过调用医疗事件预测模型实现的，所述方法还包括：获取正治疗样本，其中，所述正治疗样本包括适配的第一样本医疗事件和第一医疗物资；获取负治疗样本，其中，所述负治疗样本包括不适配的第二样本医疗事件和所述第一医疗物资；将所述正治疗样本以及所述负治疗样本分别在所述医疗事件预测模型中进行正向传
播，分别得到对应所述第一样本医疗事件的第一预测概率以及对应所述第二样本医疗事件的第二预测概率；基于所述第一预测概率与数值一之间的误差生成第一损失，并基于所述第二预测概率生成第二损失；确定所述第一损失和所述第二损失的融合损失收敛时所述医疗事件预测模型的参数变化值，并基于所述参数变化值对所述医疗事件预测模型的参数进行更新。5.根据权利要求1所述的方法，其特征在于，所述记录文本是医疗记录文本，所述第二关联实体是第二医疗实体，所述对每个所述候选对象的记录文本以及转换文本进行实体抽取处理，得到对应每个所述候选对象的第二关联实体，包括：针对每个所述候选对象执行以下处理：将所述候选对象的医疗记录文本以及转换文本确定为待处理文本；针对每个所述待处理文本执行以下处理：对所述待处理文本进行字分类处理，得到每个字的分类结果，并基于每个所述字的分类结果，生成至少一个候选医疗实体；对每个所述候选医疗实体进行实体对象关系预测处理，得到每个所述候选医疗实体对应的医疗实体与所述候选对象之间具有关系的第三概率；当所述第三概率大于概率阈值时，将对应所述第三概率的候选医疗实体确定为对应所述候选对象的第二医疗实体。6.根据权利要求5所述的方法，其特征在于，所述对所述待处理文本进行字分类处理，得到每个字的分类结果，包括：对所述待处理文本的每个字执行以下处理：对所述字进行文本编码处理，得到所述字的第四编码；对所述字的第四编码进行基于条件随机场机制的映射处理，得到所述字属于每个候选类型的第二概率，其中，所述候选类型包括：实体起始字、实体非起始字以及非实体字；将最大的第二概率对应的候选类型确定为所述字的分类结果。7.根据权利要求5所述的方法，其特征在于，所述基于每个所述字的分类结果，生成至少一个候选医疗实体，包括：针对所述分类结果为实体起始字的每个字执行以下处理：获取所述待处理文本中处于所述字后，且与所述字之间的距离最近的非实体字或者另一个实体起始字；获取所述字与所述非实体字或者与所述另一个实体起始字之间的至少一个实体非起始字；将所述字与所述至...

【专利技术属性】
技术研发人员：姜佳成，郑冶枫，吴贤，邱昭鹏，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：