技术摘要：
本发明公开了一种人机交互命名实体识别方法、装置、设备及存储介质，该方法包括：获取文本信息，将文本信息转换为词状态向量；利用词状态向量和全局句子状态向量，获取新的词状态向量；依据新的词状态向量进行实体识别，得到实体识别结果。该方法实现提高命令实体识别  全部
背景技术：
智能机器人交互是实现城市智能化的一项重要工作。近年来，随着计算机集群计 算能力的大幅度提升，人工智能算法研究和产业落地步入了发展快车道，而智能机器人交 互作为人工智能重要分支—自然语言处理的一个重要应用，也逐渐成为学术界、工业界重 点投入的研究热点和产品方向。无论在教育领域、金融领域，还是医疗领域都有着广泛的应 用，通过使用智能机器人，可以提高效率、减少人力资源。智能机器人交互对社会经济效益 和国家科技发展都具有重大意义。 命名实体识别在智能机器人交互系统中，需要从用户的提问中准确的识别出各种 实体的类型才能更好地回答用户，例如：“我想订一张后天从杭州到三亚的机票？”“从三亚 飞杭州的机票多少钱？”，分别需要准确地识别出“后天”，“三亚”和“杭州”才能准确回答用 户的问题。对话系统需要接收纯文本形式的自然语言，必需经过实体识别将无结构化的数 据转化为结构化数据，才能进行后续的意图识别等步骤。 目前采用的命名实体方法利用了人工神经网络Sentence-State  LSTM(S-LSTM)， 这是一种长短时记忆网络。命名实体方法中，先将原始文本转换为词状态向量，将词状态向 量输入至人工神经网络S-LSTM中，再对S-LSTM输出的隐藏状态向量结果进行实体识别，得 到命名实体识别结果。 但是人工神经网络S-LSTM中无法结合句子级别信息和词级别信息，最后得到命令 实体识别结果的准确性较低。因此，如何提高命令实体识别结果的准确性是亟待解决的问 题。
技术实现要素：
本发明的目的是提供一种人机交互命名实体识别方法、装置、设备及存储介质，以 实现提高命令实体识别结果的准确性。 为解决上述技术问题，本发明提供一种人机交互命名实体识别方法，包括： 获取文本信息，将文本信息转换为词状态向量； 利用词状态向量和全局句子状态向量，获取新的词状态向量； 依据新的词状态向量进行实体识别，得到实体识别结果。 优选的，所述将文本信息转换为词状态向量，包括： 将文本信息进行向量转换，得到词向量； 将词向量输入至人工神经网络中，输出得到词状态向量。 优选的，所述人工神经网络包括双向长短期记忆网络BI-LSTM。 优选的，所述利用词状态向量和全局句子状态向量，获取新的词状态向量，包括： 3 CN 111597814 A 说　明　书 2/8 页 采用门控机制连接词状态向量和全局句子状态向量，得到新的词状态向量。 优选的，所述门控机制包括第一门控机制和第二门控机制；所述全局句子状态向 量为前一时刻的全局句子状态向量。 优选的，所述新的词状态向量的表达式如下： 其中， 为词状态向量，gt-1为前一时刻的全局句子状态向量， 为第一门控机 制， 为第二门控机制， 为新的词状态向量。 优选的，第一门控机制 第二门控机制 的表达式如下： 其中，Wx和Ux均表示权重向量，x∈k,z；bx表示偏差向量，x∈k,z；σ和softmax均为 激活函数。 本发明还提供一种人机交互命名实体识别装置，包括： 转换模块，用于获取文本信息，将文本信息转换为词状态向量； 获取模块，用于利用词状态向量和全局句子状态向量，获取新的词状态向量； 识别模块，用于依据新的词状态向量进行实体识别，得到实体识别结果。 本发明还提供一种人机交互命名实体识别设备，包括： 存储器，用于存储计算机程序； 处理器，用于执行所述计算机程序时实现如上任一项所述的人机交互命名实体识 别方法的步骤。 本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算 机程序，所述计算机程序被处理器执行时实现如上任一项所述的人机交互命名实体识别方 法的步骤。 本发明所提供的一种人机交互命名实体识别方法、装置、设备及存储介质，获取文 本信息，将文本信息转换为词状态向量；利用词状态向量和全局句子状态向量，获取新的词 状态向量；依据新的词状态向量进行实体识别，得到实体识别结果。可见，不再将词状态向 量输入至常规的人工神经网络S-LSTM中，而是利用词状态向量和全局句子状态向量获取新 的词状态向量，依据新的词状态向量来得到实体识别结果，如此新的词状态向量结合了句 子级别信息和词级别信息，得到的实体识别结果的准确性较高，实现提高命令实体识别结 果的准确性。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 4 CN 111597814 A 说　明　书 3/8 页 提供的附图获得其他的附图。 图1为本发明所提供的一种人机交互命名实体识别方法的流程图； 图2为本发明中上下文词表示模型示意图； 图3为现有技术中人工神经网络S-LSTM中的信息流示意图； 图4为本发明中结合上下文词状态与句子状态的人工神经网络CWS中的信息流示 意图； 图5为本发明所提供的一种人机交互命名实体识别装置结构示意图； 图6为本发明所提供的一种人机交互命名实体识别设备结构示意图。