实体关系分类方法、装置、介质及电子设备

技术领域

本公开涉及文本处理技术领域，具体而言，涉及一种实体关系分类方法、实体关系分类装置、计算机可读介质及电子设备。

背景技术

在非结构化的原始文本中，通常利用关系抽取技术获取实体、关系三元组，进而通过三元组理解文本语义。关系分类是关系抽取过程中的重要部分，用于在命名实体识别之后确定实体之间的关系的类型。

通常，利用机器学习模型进行关系分类时，测试数据于训练数据的来源必须相同，如果测试数据与训练数据的来源不同，那么基于机器学习方法的封闭世界假设，在训练数据上训练得到的深度学习模型将不能直接用于测试数据上。然而，文本的来源复杂多样，不同领域的数据均需要独立训练模型，例如，试验数据、检查报告、诊断报告等，导致数据的标注工作成本非常高，因此，克服文本的领域偏差就变得非常重要。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种实体关系分类方法、实体关系分类装置、计算机可读介质及电子设备，进而在一定程度上克服文本的领域不同而导致数据标注工作成本高的问题，进而提升模型训练的效率。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供一种实体关系分类方法，包括：

根据文本样本所属的类型，将目标类型的文本样本确定为源域数据，将除所述目标类型之外的候选类型的文本样本确定为候选域数据；

将所述源域数据作为训练数据获得第一关系分类模型，并利用所述第一关系分类模型对所述候选域数据进行实体关系分类；

根据所述实体关系分类的分类结果对所述第一关系分类模型再次进行训练，以获取目标关系分类模型，其中，所述目标关系分类模型用于对所述候选类型的文本进行实体关系分类。

在本公开的一种示例性实施例中，所述根据文本样本所属的类型，将目标类型的文本样本确定为源域数据，将除所述目标类型之外的候选类型的文本样本确定为候选域数据，包括：

获取多种类型的文本样本；

根据所述文本样本所属的类型对所述文本样本进行分类，得到多个样本类；

确定各所述样本类中已标注的文本样本的数量，以获得各所述样本类的标注率；

根据各所述样本类的标注率，从所述多个样本类中确定目标样本类，以将所述目标样本类确定为源域数据，将不属于所述目标样本类的文本样本确定为候选域数据。

在本公开的一种示例性实施例中，所述将所述源域数据作为训练数据获得第一关系分类模型，包括：

将所述源域数据中已标注的文本样本作为训练数据获得所述第一关系分类模型。

在本公开的一种示例性实施例中，所述将所述源域数据作为训练数据获取第一关系分类模型，包括：

从所述候选域数据中选取已标注的目标样本，将所述目标样本与所述源域数据作为训练数据，以获得训练后的所述第一关系分类模型。

在本公开的一种示例性实施例中，所述将所述目标样本与所述源域数据作为训练数据，以获得训练后的所述第一关系分类模型，包括：

获取所述训练数据中各所述文本样本的向量表示；

利用所述标注以及所述向量表示获取训练后的所述第一关系分类模型。

在本公开的一种示例性实施例中，所述根据所述实体关系分类的分类结果对所述第一关系分类模型再次进行训练，以获取目标关系分类模型，包括：

将所述分类结果中预测概率大于预设阈值的文本样本作为第一目标样本，并根据所述第一目标样本的预测概率确定所述第一目标样本的标签；

利用包含标签的所述第一目标样本对所述第一关系分类模型再次进行训练，以获得第二关系分类模型，将所述第二关系分类模型作为所述目标关系分类模型。

在本公开的一种示例性实施例中，获得第二关系分类模型之后，还包括：

将所述候选域数据中除所述第一目标样本之外的文本样本输入所述第二关系分类模型中，以获得所述第二关系分类模型输出的预测概率大于所述预设阈值的第二目标样本；

根据所述第二关系分类模型对所述第二目标样本的预测概率确定所述第二目标样本的标签，利用包含标签的所述第二目标样本对所述第二关系分类模型再次进行训练，以获取所述目标关系分类模型。

根据本公开的第二方面，提供一种实体关系分类装置，包括源域确定模块、候选域分类模块以及模型确定模块，其中：

源域确定模块，用于根据文本样本所属的类型，将目标类型的文本样本确定为源域数据，将除所述目标类型之外的候选类型的文本样本确定为候选域数据；

候选域分类模块，用于将所述源域数据作为训练数据获得第一关系分类模型，并利用所述第一关系分类模型对所述候选域数据进行实体关系分类；

模型确定模块，用于根据所述实体关系分类的分类结果对所述第一关系分类模型再次进行训练，以获取目标关系分类模型，其中，所述目标关系分类模型用于对所述候选类型的文本进行实体关系分类。

在本公开的一种示例性实施例中，源域确定模块包括样本获取单元、样本分类单元、数量统计单元以及目标类型确定单元，其中：

样本获取单元用于获取多种类型的文本样本；

样本分类单元用于根据所述文本样本所属的类型对所述文本样本进行分类，得到多个样本类；

数量统计单元用于确定各所述样本类中已标注的文本样本的数量，以获得各所述样本类的标注率；

目标类型确定单元用于根据各所述样本类的标注率，从所述多个样本类中确定目标样本类，以将所述目标样本类确定为源域数据，将不属于所述目标样本类的文本样本确定为候选域数据。

在本公开的一种示例性实施例中，候选域分类模块可以具体用于将所述源域数据中已标注的文本样本作为训练数据获得所述第一关系分类模型。

在本公开的一种示例性实施例中，候选域分类模块可以具体用于从所述候选域数据中选取已标注的目标样本，将所述目标样本与所述源域数据作为训练数据，以获得训练后的所述第一关系分类模型。

在本公开的一种示例性实施例中，候选域分类模块包括编码单元和训练单元，其中：

编码单元用于获取所述训练数据中各所述文本样本的向量表示；

第一训练单元用于利用所述标注以及所述向量表示获取训练后的所述第一关系分类模型。

在本公开的一种示例性实施例中，模型确定模块可以包括样本提取第一单元和第二训练单元，其中：

样本提取第一单元用于将所述分类结果中预测概率大于预设阈值的文本样本作为第一目标样本，并根据所述第一目标样本的预测概率确定所述第一目标样本的标签；

第二训练单元用于利用包含标签的所述第一目标样本对所述第一关系分类模型再次进行训练，以获得第二关系分类模型，将所述第二关系分类模型作为所述目标关系分类模型。

在本公开的一种示例性实施例中，模型确定模块可以包括样本提取第二单元和第三训练单元，其中：

样本提取第二单元用于将所述候选域数据中除所述第一目标样本之外的文本样本输入所述第二关系分类模型中，以获得所述第二关系分类模型输出的预测概率大于所述预设阈值的第二目标样本；

第三训练单元用于根据所述第二关系分类模型对所述第二目标样本的预测概率确定所述第二目标样本的标签，利用包含标签的所述第二目标样本对所述第二关系分类模型再次进行训练，以获取所述目标关系分类模型。

根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。

根据本公开的第四方面，提供一种计算机可读介质，其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上述任意一项所述的方法。

本公开示例性实施例可以具有以下部分或全部有益效果：

在本公开的一示例实施方式所提供的实体关系分类方法中，一方面，通过源域数据得到第一关系分类模型，将该第一关系分类模型可以用于候选域的实体关系分类，从而实现了只需要一种训练数据得到模型后可以对不同来源的文本数据进行分类，克服了文本数据来源不同而需要独立训练模型的问题，大大缩短了模型训练的时间，进而提高了模型训练的效率。另一方面，在利用第一关系分类模型对候选域数据进行实体关系分类之后，利用分类结果对模型进行优化，从而避免了对候选域数据进行标注，节省了标注成本，并且通过候选域数据对第一关系分类模型进行优化能够提高模型对于候选域数据分类的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，还可以根据这些附图获得其他的附图。

图1示意性示出了根据本公开的一个实施例的实体关系分类方法的流程图；

图2示意性示出了根据本公开的另一个实施例的实体关系分类方法的流程图；

图3示意性示出了根据本公开的一个实施例的实体关系分类方法的模型结构图；

图4示意性示出了根据本公开的一个实施例的实体关系分类方法的的流程图；

图5示意性示出了根据本公开的一个实施例的实体关系分类装置的框图；

图6示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

以下对本公开实施例的技术方案进行详细阐述：

由于文本数据的领域多样，通过一领域的训练数据训练得到的模型，不能应用于其他领域，例如，在医疗文本中，标注的训练数据是超声诊断报告，而未标注的测试数据是X线、CT、病理检查报告，这时如果将在训练数据上学习到的深度学习模型，用到测试数据上进行推理，那么准确率将大幅下降，这是因为训练数据和测试数据之间存在领域偏差。因此，如何克服文本数据的领域偏差成为亟待解决的问题。

在发明人提供的一种解决思路中，通过引入领域自适应技术可以使得模型从单个源域迁移到单个目标域。其中，领域自适应技术是指同时利用有标注的源域数据和无标注或少量标注的目标域数据，共同训练一个能够在目标域数据上表现良好的模型。当有多个不同来源的目标域数据时，单个源域到单个目标域的领域自适应，十分低效，仍然达不到最优的效果。

基于上述一个或多个问题，本示例实施方式提供了一种实体关系分类方法。参考图1所示，该实体关系分类方法可以包括以下步骤：

步骤S110：根据文本样本所属的类型，将目标类型的文本样本确定为源域数据，将除所述目标类型之外的候选类型的文本样本确定为候选域数据。

步骤S120：将所述源域数据作为训练数据获得第一关系分类模型，并利用所述第一关系分类模型对所述候选域数据进行实体关系分类。

步骤S130：根据所述实体关系分类的分类结果对所述第一关系分类模型再次进行训练，以获取目标关系分类模型，其中，所述目标关系分类模型用于对所述候选类型的文本进行实体关系分类。

在本公开的一示例实施方式所提供的实体关系分类方法中，一方面，通过源域数据得到第一关系分类模型，将该第一关系分类模型可以用于候选域的实体关系分类，从而实现了只需要一种训练数据得到模型后可以对不同来源的文本数据进行分类，克服了文本数据来源不同而需要独立训练模型的问题，大大缩短了模型训练的时间，进而提高了模型训练的效率。另一方面，在利用第一关系分类模型对候选域数据进行实体关系分类之后，利用分类结果对模型进行优化，从而避免了对候选域数据进行标注，节省了标注成本，并且通过候选域数据对第一关系分类模型进行优化能够提高模型对于候选域数据分类的准确性。

下面，对于本示例实施方式的上述步骤进行更加详细的说明。

在步骤S110中，根据文本样本所属的类型，将目标类型的文本样本确定为源域数据，将除所述目标类型之外的候选类型的文本样本确定为候选域数据。

根据文本的来源可以确定文本所属的类型，如果文本来源不同则文本所属的类型也不同，例如，超声诊断设备产生的诊断报告可以为一种来源，将病理检查报告可以为另一种来源；或者，如果文本所属的领域不同则文本所属的类型也不同，例如，医学上每个科室可以为一个领域，如外科、内科等；此外，文本可以进行更加细化的分类，从而确定出文本所属的类型，例如，类型可以为B超诊断报告、彩超诊断报告等，本实施方式对此不做特殊限定。

需要理解的是，本实施方式中的文本样本均为已经经过实体识别的文本，文本中包含已识别出的多个实体，第一关系分类模型以及目标关系分类模型均用于对实体之间的关系分类，从而确定实体关系三元组。举例而言，在医疗文本中，对病人的解剖部位与病变大小的关系进行分类，关系类型可以是部位-大小关系，也可以是无关系，在标记出解剖部位和病变大小这两个实体之后，可以对这两个实体进行分类，得出这两个实体的关系类型，从而形成实体关系三元组。

文本样本为预先获取的用于进行模型训练或者测试的文本数据。本实施方式中，文本样本中可以为各种类型的文本，目标类型则为其中的一种，属于目标类型的文本为源域数据，在文本样本中将除了源域数据之外的其他样本划分到候选域数据中。其中，候选域数据中可以包括除了目标类型以外的其他各种类型的文本，即，候选域数据中文本样本所属的类型不止一种。

目标类型可以预先设定，例如，文本样本总共分为超声诊断、X线、CT、病理检查四种类型，则目标类型可以为超声诊断，则源域数据为所属类型为超声诊断的文本样本，而候选域数据包括所属类型为X线、CT或病理检查的文本样本。由于目标类型的数据为模型的训练数据，换言之，目标类型的数据需要进行标注，因此，可以根据数据标注的难易程度选取目标类型，将容易标注的文本类型确定为目标类型。

在可选的实施方式中，确定目标类型的源域数据以及确定候选域数据可以包括以下步骤S201至步骤S204，如图2所示，其中：

在步骤S201中，获取多种类型的文本样本。举例而言，可以从医学平台的数据库中获取文本样本，将从数据库中直接查找到的大量文本样本进行分类，从而确定文本样本所涉及到的类型；或者，根据实际需求预先确定文本样本所涉及的所有类型，然后针对每一种类型从各个数据库中获取对应的文本样本。

在步骤S202中，根据所述文本样本所属的类型对所述文本样本进行分类，得到多个样本类。根据文本样本包含的标签可以将文本样本进行分类，由于文本样本产生的来源不同，在生成文本时文本通常携带有来源信息，例如，对于病理检查的文本，在题目或者页眉中均包含“病理检查”字段。或者，利用机器学习模型也可以对获取到的大量文本样本进行分类，本实施方式不限于此。

在步骤S203中，确定各所述样本类中已标注的文本样本的数量，以获得各所述样本类的标注率。其中，样本类的标注率可以指已标注的文本样本在整个类中所占的比例。通常情况下，能够被查询到的文本样本大多数都包含对实体关系的分类标签，以使得用户通过标签进行检索，包含分类标签的为已标注的文本样本。通过判断文本样本是否包含标签可以确定文本样本是已标注还是未标注，从而统计出样本类中已标注的文本样本的数量。样本的标注率可以通过计算已标注的文本样本的数量与样本类的总数量之比得到，从而获得每个样本类的标注率。

在步骤S204中，根据各所述样本类的标注率，从所述多个样本类中确定目标样本类，以将所述目标样本类确定为源域数据，将不属于所述目标样本类的文本样本确定为候选域数据。具体的，计算得出每个样本类的标注率之后，可以将标注率最高的样本类作为目标样本类，将除了目标样本类之外的其他样本类作为候选域数据，将目标样本类作为源域数据。需要理解的是，源域数据中只包含一种类型的文本样本，而候选域则是包含除了源域中的文本类型之外的其他文本样本，候选域中包含的文本类型可以为多种。

在本公开的其他实施方式中，目标样本类也可以通过其他方式确定，例如，将样本总数量最多的样本类确定为目标样本类、自定义一种类型的文本样本作为目标样本类等，这些均属于本公开的保护范围。

继续参考图1，在步骤S120中，将所述源域数据作为训练数据获得第一关系分类模型，并利用所述第一关系分类模型对所述候选域数据进行实体关系分类。

本实施方式中，如果源域数据中包含未标注的文本样本，则可以将源域数据中已标注的文本样本提取出来作为训练数据。或者，也可以将目标样本类中未标注的文本样本进行人工标注。利用源域数据训练得到的关系分类模型可以应用于目标样本类对应的类型的文本数据，为了使得该关系分类模型还可以应用于候选域中其他类型的文本数据，因此在训练第一关系分类模型时，需要使得该模型主要提取训练数据中的共享特征而去除属于类型对应私有特征。并且，可以从候选域中提取一些包含标注的文本样本也作为训练数据加入到模型的训练中，以使的模型能够更好地区分共享特征和私有特征。

在可选的实施方式中，将源域数据作为训练数据获取第一关系分类模型可以包括：从所述候选域数据中选取已标注的目标样本，将所述目标样本与所述源域数据作为训练数据，以获得训练后的所述第一关系分类模型。

候选域数据中可以包含有多个不同类型的文本样本，对于模型来说，各个类型的文本样本能够彼此起到辅助作用，并且候选域中的文本样本也存在已标注的情况，因此，可以将候选域中已标注的目标样本提取出来，将目标样本与源域数据共同作为训练数据，对第一关系分类模型进行训练。

具体地，可以先将训练数据中各文本样本转化成向量，从而获取每一样本的向量表示；然后利用文本样本的标注以及对应的向量表示训练模型，从而获取训练后的第一关系分类模型。

示例性的，图3示出了第一分类模型的一种示例性的网络结构，参考图3，首先可以通过输入层接收文本样本，对输入文本，计算每个词的TF-IDF(Term Frequency-InverseDocument Frequency)值，进而可以得到每个句子对应的TF-IDF向量表示。文本样本通过输入层可以转化为向量表示x，x经过编码层可以获取编码表示z，编码层包含共享特征编码器E

z＝f(Wx+b) (1)

其中W是全连接层的参数矩阵，b是偏置向量。并且，E

共享特征表示z

其中，

提取到的共享特征表示z

其中，W

其中，x

在输出层可以通过共享特征表示z

其中，k指真实标签，k′指除k外剩余的标签，d(·)表示欧式距离计算函数，concat(·)表示将两个特征表示级联起来，c

其中，k表示第k个输入样本。

此外，本实施方式提供的第一分类模型中还包括一对抗层D。D和E

其中，d

D(z)＝softmax(W″z+b″) (8)

其中z为z

为了实现对抗，将损失L

私有编码器E

本领域技术人员可以理解的是，本实施方式中上述的网络结构、函数等均为示例，在本公开的其他实施方式中，第一分类模型可以利用其他算法或函数实现，例如，可以利用ELU(Exponential Linear Units)作为激活函数等；并且，第一分模型也可以表现为其他网络结构，例如，AlexNet等，这些均属于本公开的保护范围。

训练得到第一分类模型后可以将候选域数据输入第一分类模型，使得第一分类模型对候选域数据中的实体关系进行预测，从而得出候选域数据的实体关系分类结果。本实施方式能够将在源域数据训练的模型用于候选域数据，即，通过一种类型的文本样本得到的模型能够用于多种类型的文本样本，从而可以减少模型训练工作，提高分类效率。

继续参考图1，在步骤S130中，根据所述实体关系分类的分类结果对所述第一关系分类模型再次进行训练，以获取目标关系分类模型，其中，所述目标关系分类模型用于对所述候选类型的文本进行实体关系分类。

本实施方式中，获得候选域数据的分类结果后，可以利用分类结果继续对第一关系分类模型进行训练，示例性的，利用自训练方法可以使得模型能够自主地进行再训练，从而减少人力成本，并且能提高模型的分类精确性。具体的，如图4所示，得到第一关系分类模型后可以包括步骤S401至步骤S404，其中：

在步骤S401中，将所述分类结果中预测概率大于预设阈值的文本样本作为第一目标样本，并根据所述第一目标样本的预测概率确定所述第一目标样本的标签。其中，预设阈值可以根据实际训练情况设定，例如，0.7、0.8、0.9等等，本实施方式不限于此。根据第一关系分类模型对候选域数据的分类，可以将大于预设阈值的候选域数据中的文本样本作为第一目标样本。将第一关系分类模型对该第一目标样本的预测结果作为该第一目标样本的标签。

在步骤S402中，利用包含标签的所述第一目标样本对所述第一关系分类模型再次进行训练，以获得第二关系分类模型。本实施方式中，无需人工对候选域数据进行标注，而是利用第一关系分类模型对候选域数据进行分类，将预测概率较大的样本的分类结果直接作为样本的标签，从而利用标注后的样本再次对第一关系分类模型进行训练，以使得第一关系分类模型能够更好的学习到候选域数据的特征。对第一关系分类模型再次进行训练后可以得到第二关系分类模型，第二关系分类模型可以作为目标关系分类模型。并且，如果第二关系分类模型的分类效果仍然可以优化，那么可以对第二关系分类模型再次或者多次进行训练，最终得到目标关系分类模型。

在步骤S403中，将所述候选域数据中除所述第一目标样本之外的文本样本输入所述第二关系分类模型中，以获得所述第二关系分类模型输出的预测概率大于所述预设阈值的第二目标样本。得到第二关系分类模型后，再次将候选域数据中除第一目标样本之外的其他文本样本输入第二关系分类模型，获取第二关系分类模型对候选域数据的分类结果。将第二关系分类模型输出的预测概率大于所述预设阈值的文本样本作为第二目标样本。

并且，在确定出第一目标样本后可以直接将第一目标样本从候选域数据中提取出来，将剩下的文本样本作为第二关系分类模型的测试数据，以便于得到第二关系分类模型后直接将测试数据输入第二关系分类模型，以获取分类结果。

在步骤S404中，根据所述第二关系分类模型对所述第二目标样本的预测概率确定所述第二目标样本的标签，利用包含标签的所述第二目标样本对所述第二关系分类模型再次进行训练，以获取所述目标关系分类模型。同理地，将第二目标样本的分类结果直接作为第二目标样本的标签，以使得第二目标样本被标注，利用带有标签的第二目标样本对第二关系分类模型再次进行训练，得到目标关系分类模型。

此外，第二关系分类模型还可以再次进行训练得到第三关系分类模型，按照同样的方式每次从候选域数据中提取出一些预测概率较高的目标样本加入训练数据中，对模型进行再次训练，反复迭代直到候选域数据中的所有样本均已参与训练为止，将最终的模型作为目标关系分类模型。目标关系分类模型不仅能够对目标类型的文本数据进行实体关系分类，还可以对其他多种类型的文本数据进行实体关系分类。

进一步的，本示例实施方式中，还提供了一种实体关系分类装置，用于执行本公开上述的实体关系分类方法。

参考图5所示，该实体关系分类装置500可以包括：源域确定模块510、候选域分类模块520以及模型确定模块530，其中：

源域确定模块510，用于根据文本样本所属的类型，将目标类型的文本样本确定为源域数据，将除所述目标类型之外的候选类型的文本样本确定为候选域数据；

候选域分类模块520，用于将所述源域数据作为训练数据获得第一关系分类模型，并利用所述第一关系分类模型对所述候选域数据进行实体关系分类；

模型确定模块530，用于根据所述实体关系分类的分类结果对所述第一关系分类模型再次进行训练，以获取目标关系分类模型，其中，所述目标关系分类模型用于对所述候选类型的文本进行实体关系分类。

在本公开的一种示例性实施例中，源域确定模块510可以包括样本获取单元、样本分类单元、数量统计单元以及目标类型确定单元，其中：

样本获取单元可以用于获取多种类型的文本样本；

样本分类单元可以用于根据所述文本样本所属的类型对所述文本样本进行分类，得到多个样本类；

数量统计单元可以用于确定各所述样本类中已标注的文本样本的数量，以获得各所述样本类的标注率；

目标类型确定单元可以用于根据各所述样本类的标注率，从所述多个样本类中确定目标样本类，以将所述目标样本类确定为源域数据，将不属于所述目标样本类的文本样本确定为候选域数据。

在本公开的一种示例性实施例中，候选域分类模块520可以具体用于将所述源域数据中已标注的文本样本作为训练数据获得所述第一关系分类模型。

在本公开的一种示例性实施例中，候选域分类模块520可以具体用于从所述候选域数据中选取已标注的目标样本，将所述目标样本与所述源域数据作为训练数据，以获得训练后的所述第一关系分类模型。

在本公开的一种示例性实施例中，候选域分类模块520可以包括编码单元和训练单元，其中：

编码单元可以用于获取所述训练数据中各所述文本样本的向量表示；

第一训练单元可以用于利用所述标注以及所述向量表示获取训练后的所述第一关系分类模型。

在本公开的一种示例性实施例中，模型确定模块530可以包括样本提取第一单元和第二训练单元，其中：

样本提取第一单元可以用于将所述分类结果中预测概率大于预设阈值的文本样本作为第一目标样本，并根据所述第一目标样本的预测概率确定所述第一目标样本的标签；

第二训练单元可以用于利用包含标签的所述第一目标样本对所述第一关系分类模型再次进行训练，以获得第二关系分类模型，将所述第二关系分类模型作为所述目标关系分类模型。

在本公开的一种示例性实施例中，模型确定模块530可以包括样本提取第二单元和第三训练单元，其中：

样本提取第二单元可以用于将所述候选域数据中除所述第一目标样本之外的文本样本输入所述第二关系分类模型中，以获得所述第二关系分类模型输出的预测概率大于所述预设阈值的第二目标样本；

第三训练单元可以用于根据所述第二关系分类模型对所述第二目标样本的预测概率确定所述第二目标样本的标签，利用包含标签的所述第二目标样本对所述第二关系分类模型再次进行训练，以获取所述目标关系分类模型。

由于本公开的示例实施例的实体关系分类装置的各个功能模块与上述实体关系分类方法的示例实施例的步骤对应，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的实体关系分类方法的实施例。

图6示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

需要说明的是，图6示出的电子设备的计算机系统600仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统操作所需的各种程序和数据。CPU601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法和装置中限定的各种功能。

需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。例如，所述的电子设备可以实现如图1和图2所示的各个步骤等。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。