企业人物关系抽取方法、装置、设备及可读存储介质与流程

1.本发明涉及数据处理技术领域，尤其涉及一种企业人物关系抽取方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着人工智能的兴起，数据化时代下的各项数据呈现指数级规模的增长，数据挖掘、关系挖掘变的越来越重要，例如，构建企业中的人物关系网络。
3.现有技术中，人物之间的关系抽取是构建关系网络的基础，主要通过人工智能技术，将机器学习方法与规则相结合，抽取实体信息关系。而不同企业中由于组织结构、部门分布等因素存在较大差异，无法准确高效的抽取企业中的人物关系。


技术实现要素：

4.本发明提供一种企业人物关系抽取方法、装置、电子设备及可读存储介质，其主要目的在于提高人物关系抽取的准确性。
5.为实现上述目的，本发明提供的一种企业人物关系抽取方法，包括：
6.构建目标企业中企业人物的基本模式，对所述基本模式进行人物扩展，得到企业人物的扩展模式；
7.对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式；
8.获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本；
9.抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系。
10.可选地，所述构建目标企业中企业人物的基本模式，包括：
11.基于所述目标企业中员工间的社会关系构建员工基本模式；
12.基于所述目标企业中部门间的结构关系构建部门基本模式；
13.基于所述目标企业中员工与部门间的组织关系构建员工部门基本模式；
14.确定所述员工基本模式、所述部门基本模式及所述员工部门基本模式为所述目标企业中企业人物的基本模式。
15.可选地，所述对所述基本模式进行人物扩展，得到企业人物的扩展模式，包括：
16.基于所述目标企业中的部门组织关系及人员组织关系对所述基本模式进行人物扩展，得到企业人物的扩展模式。
17.可选地，所述对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式，包括：
18.利用预设的关键词替换所述扩展模式中的实体，得到第一泛化模式；
19.对所述扩展模式中的关系进行分词处理，并重新将分词作为关系，得到第二泛化
模式；
20.确定所述第一泛化模式及所述第二泛化模式为所述企业人物的泛化模式。
21.可选地，所述对所述扩展模式中的关系进行分词处理，并重新将分词作为关系，得到第二泛化模式，包括：
22.对所述扩展模式中的关系进行分词处理，得到关系分词；
23.基于所述关系分词重新构建所述目标企业中企业人物的扩展模式，并利用预设的关键词替换新构建的扩展模式中的实体，得到第二泛化模式。
24.可选地，所述获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本，包括：
25.利用预设的爬取工具爬取所述目标企业的企业相关数据集合；
26.基于所述泛化模式中的关键词匹配所述企业相关数据集合中的目标文本。
27.可选地，所述抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系，包括：
28.利用预设的实体抽取模型抽取所述目标文本中的目标实体；
29.将所述目标实体填充至所述泛化模式中，确定所述泛化模式中的关系为所述目标实体的目标关系。
30.为了解决上述问题，本发明还提供一种企业人物关系抽取装置，所述装置包括：
31.模式扩展模块，用于构建目标企业中企业人物的基本模式，对所述基本模式进行人物扩展，得到企业人物的扩展模式；
32.模式泛化模块，用于对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式；
33.文本匹配模块，用于获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本；
34.实体关系抽取模块，用于抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系。
35.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
36.存储器，存储至少一个计算机程序；及
37.处理器，执行所述存储器中存储的计算机程序以实现上述所述的企业人物关系抽取方法。
38.为了解决上述问题，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中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的企业人物关系抽取方法。
39.本实施例通过对目标企业中企业人物的基本模式进行人物扩展，得到企业人物的扩展模式，对企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式，可以不断深度挖掘目标企业中不同人物间的实体关系，最后利用泛化模式匹配所述企业相关数据集合中的目标文本，可以快速准确的从目标文本抽取人物关系。因此本发明提出的企业人物关系抽取方法、装置、电子设备及计算机可读存储介质，可以提高人物关系抽取的准确性。
附图说明
40.图1为本发明一实施例提供的企业人物关系抽取方法的流程示意图；
41.图2为本发明一实施例提供的企业人物关系抽取装置的功能模块图；
42.图3为本发明一实施例提供的实现所述企业人物关系抽取方法的电子设备的结构示意图。
43.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
44.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
45.本技术实施例提供一种企业人物关系抽取方法。所述企业人物关系抽取方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述企业人物关系抽取方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
46.参照图1所示，为本发明一实施例提供的企业人物关系抽取方法的流程示意图。在本实施例中，所述企业人物关系抽取方法包括：
47.s1、构建目标企业中企业人物的基本模式，对所述基本模式进行人物扩展，得到企业人物的扩展模式。
48.本发明实施例中，所述企业人物的基本模式是指企业关系中的单个三元组，包括头实体-关系-尾实体，例如，《实体1》-同事-《实体2》，其中，“《实体1》”为头实体，“同事”表示关系，“《实体2》”表示尾实体。所述企业人物的扩展模式是指根据企业组织架构组成的多个层级三元组集合，例如，《实体a》-销售部门-《实体b》-销售人员-《实体c》-同事-《实体d》。
49.详细地，所述构建目标企业中企业人物的基本模式，包括：
50.基于所述目标企业中员工间的社会关系构建员工基本模式；
51.基于所述目标企业中部门间的结构关系构建部门基本模式；
52.基于所述目标企业中员工与部门间的组织关系构建员工部门基本模式；
53.确定所述员工基本模式、所述部门基本模式及所述员工部门基本模式为所述目标企业中企业人物的基本模式。
54.本发明一可选实施例中，所述员工基本模式表示员工与员工间的实体关系，例如，《实体a》-同事-《实体b》；所述部门基本模式表示部门与部门间的实体关系，例如，《实体a》-销售部门-《实体b》；所述员工部门基本模式表示部门与员工间的实体关系，例如，《实体b》-销售人员-《实体c》。
55.详细地，所述对所述基本模式进行人物扩展，得到企业人物的扩展模式，包括：
56.基于所述目标企业中的部门组织关系及人员组织关系对所述基本模式进行人物扩展，得到企业人物的扩展模式。
57.本发明实施例中，所述部门组织关系包括不同部门间的实体关系，例如a公司下包
含“销售部门”b部门，b部门下又包含“销售小组”c小组等，所述人员组织关系包括不同员工与部门的实体关系，例如，扩展模式为《实体a》-销售部门-《实体b》-销售人员-《实体c》。由于不同企业的组织关系不同，通过构建人物关系的基本模式与扩展模式，可以进一步提高实体识别的效率及准确率。
58.s2、对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式。
59.具体地，所述对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式，包括：
60.利用预设的关键词替换所述扩展模式中的实体，得到第一泛化模式；
61.对所述扩展模式中的关系进行分词处理，并重新将分词作为关系，得到第二泛化模式；
62.确定所述第一泛化模式及所述第二泛化模式为所述企业人物的泛化模式。
63.本发明一可选实施例中，所述预设的关键词可以为公司简称、员工花名、人称代词“你”、“我”、“他”、“她”、“你们”、“他们”等。例如，所述第一泛化模式可以为：你们-销售部门-《实体b》。
64.进一步地，所述对所述扩展模式中的关系进行分词处理，并重新将分词作为关系，得到第二泛化模式，包括：
65.对所述扩展模式中的关系进行分词处理，得到关系分词；
66.基于所述关系分词重新构建所述目标企业中企业人物的扩展模式，并利用预设的关键词替换新构建的扩展模式中的实体，得到第二泛化模式。
67.本发明实施例中，可以利用预设的关键词替换实体构建第二泛化模式，例如，他的同事-《实体2》；通过对关系进行分词得到第二泛化模式，例如，关系为“销售人员”，通过分词及替换的第二泛化模式包括，你们的-销售-《实体c》、《实体b》-销售-《实体c》等。
68.本发明实施例中，通过对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式，可以基于目标企业的实际情况，进一步提高企业人物关系抽取的准确率。
69.s3、获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本。
70.本发明实施例中，所述企业相关数据集合是指从不同平台搜索到的与目标企业相关的信息，例如，从社交平台、公司官网等抓取到的文本信息，包括公司部门分类信息、员工基本信息、社交平台交流信息等。
71.详细地，所述获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本，包括：
72.利用预设的爬取工具爬取所述目标企业的企业相关数据集合；
73.基于所述泛化模式中的关键词匹配所述企业相关数据集合中的目标文本。
74.本发明一可选实施例中，所述基于所述泛化模式中的关键词匹配所述企业相关数据集合中的目标文本，包括：
75.对所述企业相关数据集合中的文本进行分词并向量化处理，得到第一向量；
76.对所述泛化模式中的关键词进行分词并向量化处理，得到第二向量；
77.计算所述第一向量及所述第二向量的相似度，确定相似度大于预设阈值的第二向量对应的文本为目标文本。
78.本发明实施例中，可以通过预设的爬虫工具爬取目标企业在互联网上的相关信息，利用泛化模式中关键词(包括人称代词、分词处理后的关系分词等)进行相关度匹配，确定相似度高的文本为目标文本。
79.s4、抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系。
80.具体地，所述抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系，包括：
81.利用预设的实体抽取模型抽取所述目标文本中的目标实体；
82.将所述目标实体填充至所述泛化模式中，确定所述泛化模式中的关系为所述目标实体的目标关系。
83.本发明实施例中，所述预设的实体抽取模型可以为lattice lstm模型、can-ner模型等。例如，基于泛化模式《实体b》-销售-《实体c》中的关键词“销售”找到目标文本为“a公司聘用b员工为销售人员”，通过实体抽取模型确定目标实体为“a公司”及“b员工”，并填充至泛化模式《实体b》-销售-《实体c》中，得到《a公司》-销售-《b员工》。
84.本实施例通过对目标企业中企业人物的基本模式进行人物扩展，得到企业人物的扩展模式，对企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式，可以不断深度挖掘目标企业中不同人物间的实体关系，最后利用泛化模式匹配所述企业相关数据集合中的目标文本，可以快速准确的从目标文本抽取人物关系。因此本发明提出的企业人物关系抽取方法，可以提高人物关系抽取的准确性。
85.如图2所示，是本发明一实施例提供的企业人物关系抽取装置的功能模块图。
86.本发明所述企业人物关系抽取装置100可以安装于电子设备中。根据实现的功能，所述企业人物关系抽取装置100可以包括模式扩展模块101、模式泛化模块102、文本匹配模块103及实体关系抽取模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
87.在本实施例中，关于各模块/单元的功能如下：
88.所述模式扩展模块101，用于构建目标企业中企业人物的基本模式，对所述基本模式进行人物扩展，得到企业人物的扩展模式；
89.所述模式泛化模块102，用于对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式；
90.所述文本匹配模块103，用于获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本；
91.所述实体关系抽取模块104，用于抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系。
92.详细地，所述企业人物关系抽取装置100各模块的具体实施方式如下：
93.步骤一、所述模式扩展模块101构建目标企业中企业人物的基本模式，对所述基本模式进行人物扩展，得到企业人物的扩展模式。
94.本发明实施例中，所述企业人物的基本模式是指企业关系中的单个三元组，包括头实体-关系-尾实体，例如，《实体1》-同事-《实体2》，其中，“《实体1》”为头实体，“同事”表示关系，“《实体2》”表示尾实体。所述企业人物的扩展模式是指根据企业组织架构组成的多个层级三元组集合，例如，《实体a》-销售部门-《实体b》-销售人员-《实体c》-同事-《实体d》。
95.详细地，所述构建目标企业中企业人物的基本模式，包括：
96.基于所述目标企业中员工间的社会关系构建员工基本模式；
97.基于所述目标企业中部门间的结构关系构建部门基本模式；
98.基于所述目标企业中员工与部门间的组织关系构建员工部门基本模式；
99.确定所述员工基本模式、所述部门基本模式及所述员工部门基本模式为所述目标企业中企业人物的基本模式。
100.本发明一可选实施例中，所述员工基本模式表示员工与员工间的实体关系，例如，《实体a》-同事-《实体b》；所述部门基本模式表示部门与部门间的实体关系，例如，《实体a》-销售部门-《实体b》；所述员工部门基本模式表示部门与员工间的实体关系，例如，《实体b》-销售人员-《实体c》。
101.详细地，所述对所述基本模式进行人物扩展，得到企业人物的扩展模式，包括：
102.基于所述目标企业中的部门组织关系及人员组织关系对所述基本模式进行人物扩展，得到企业人物的扩展模式。
103.本发明实施例中，所述部门组织关系包括不同部门间的实体关系，例如a公司下包含“销售部门”b部门，b部门下又包含“销售小组”c小组等，所述人员组织关系包括不同员工与部门的实体关系，例如，扩展模式为《实体a》-销售部门-《实体b》-销售人员-《实体c》。由于不同企业的组织关系不同，通过构建人物关系的基本模式与扩展模式，可以进一步提高实体识别的效率及准确率。
104.步骤二、所述模式泛化模块102对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式。
105.具体地，所述对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式，包括：
106.利用预设的关键词替换所述扩展模式中的实体，得到第一泛化模式；
107.对所述扩展模式中的关系进行分词处理，并重新将分词作为关系，得到第二泛化模式；
108.确定所述第一泛化模式及所述第二泛化模式为所述企业人物的泛化模式。
109.本发明一可选实施例中，所述预设的关键词可以为公司简称、员工花名、人称代词“你”、“我”、“他”、“她”、“你们”、“他们”等。例如，所述第一泛化模式可以为：你们-销售部门-《实体b》。
110.进一步地，所述对所述扩展模式中的关系进行分词处理，并重新将分词作为关系，得到第二泛化模式，包括：
111.对所述扩展模式中的关系进行分词处理，得到关系分词；
112.基于所述关系分词重新构建所述目标企业中企业人物的扩展模式，并利用预设的关键词替换新构建的扩展模式中的实体，得到第二泛化模式。
113.本发明实施例中，可以利用预设的关键词替换实体构建第二泛化模式，例如，他的
同事-《实体2》；通过对关系进行分词得到第二泛化模式，例如，关系为“销售人员”，通过分词及替换的第二泛化模式包括，你们的-销售-《实体c》、《实体b》-销售-《实体c》等。
114.本发明实施例中，通过对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式，可以基于目标企业的实际情况，进一步提高企业人物关系抽取的准确率。
115.步骤三、所述文本匹配模块103获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本。
116.本发明实施例中，所述企业相关数据集合是指从不同平台搜索到的与目标企业相关的信息，例如，从社交平台、公司官网等抓取到的文本信息，包括公司部门分类信息、员工基本信息、社交平台交流信息等。
117.详细地，所述获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本，包括：
118.利用预设的爬取工具爬取所述目标企业的企业相关数据集合；
119.基于所述泛化模式中的关键词匹配所述企业相关数据集合中的目标文本。
120.本发明一可选实施例中，所述基于所述泛化模式中的关键词匹配所述企业相关数据集合中的目标文本，包括：
121.对所述企业相关数据集合中的文本进行分词并向量化处理，得到第一向量；
122.对所述泛化模式中的关键词进行分词并向量化处理，得到第二向量；
123.计算所述第一向量及所述第二向量的相似度，确定相似度大于预设阈值的第二向量对应的文本为目标文本。
124.本发明实施例中，可以通过预设的爬虫工具爬取目标企业在互联网上的相关信息，利用泛化模式中关键词(包括人称代词、分词处理后的关系分词等)进行相关度匹配，确定相似度高的文本为目标文本。
125.步骤四、所述实体关系抽取模块104抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系。
126.具体地，所述抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系，包括：
127.利用预设的实体抽取模型抽取所述目标文本中的目标实体；
128.将所述目标实体填充至所述泛化模式中，确定所述泛化模式中的关系为所述目标实体的目标关系。
129.本发明实施例中，所述预设的实体抽取模型可以为lattice lstm模型、can-ner模型等。例如，基于泛化模式《实体b》-销售-《实体c》中的关键词“销售”找到目标文本为“a公司聘用b员工为销售人员”，通过实体抽取模型确定目标实体为“a公司”及“b员工”，并填充至泛化模式《实体b》-销售-《实体c》中，得到《a公司》-销售-《b员工》。
130.本实施例通过对目标企业中企业人物的基本模式进行人物扩展，得到企业人物的扩展模式，对企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式，可以不断深度挖掘目标企业中不同人物间的实体关系，最后利用泛化模式匹配所述企业相关数据集合中的目标文本，可以快速准确的从目标文本抽取人物关系。因此本发明提出的企业人物关系抽取装置，可以提高人物关系抽取的准确性。
131.如图3所示，是本发明一实施例提供的实现所述企业人物关系抽取方法的电子设备的结构示意图。
132.所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如企业人物关系抽取程序。
133.其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如企业人物关系抽取程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
134.所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如企业人物关系抽取程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
135.所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
136.所述总线13可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
137.图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
138.例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的
直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
139.进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
140.可选地，该电子设备还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
141.应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
142.所述电子设备中的所述存储器11存储的企业人物关系抽取程序是多个指令的组合，在所述处理器10中运行时，可以实现：
143.构建目标企业中企业人物的基本模式，对所述基本模式进行人物扩展，得到企业人物的扩展模式；
144.对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式；
145.获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本；
146.抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系。
147.具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
148.进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
149.本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
150.构建目标企业中企业人物的基本模式，对所述基本模式进行人物扩展，得到企业人物的扩展模式；
151.对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式；
152.获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本；
153.抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系
为所述目标实体的目标关系。
154.在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
155.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
156.另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
157.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
158.因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
159.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
160.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
161.此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
162.最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：
1.一种企业人物关系抽取方法，其特征在于，所述方法包括：构建目标企业中企业人物的基本模式，对所述基本模式进行人物扩展，得到企业人物的扩展模式；对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式；获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本；抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系。2.如权利要求1中所述的企业人物关系抽取方法，其特征在于，所述构建目标企业中企业人物的基本模式，包括：基于所述目标企业中员工间的社会关系构建员工基本模式；基于所述目标企业中部门间的结构关系构建部门基本模式；基于所述目标企业中员工与部门间的组织关系构建员工部门基本模式；确定所述员工基本模式、所述部门基本模式及所述员工部门基本模式为所述目标企业中企业人物的基本模式。3.如权利要求1所述的企业人物关系抽取方法，其特征在于，所述对所述基本模式进行人物扩展，得到企业人物的扩展模式，包括：基于所述目标企业中的部门组织关系及人员组织关系对所述基本模式进行人物扩展，得到企业人物的扩展模式。4.如权利要求1所述的企业人物关系抽取方法，其特征在于，所述对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式，包括：利用预设的关键词替换所述扩展模式中的实体，得到第一泛化模式；对所述扩展模式中的关系进行分词处理，并重新将分词作为关系，得到第二泛化模式；确定所述第一泛化模式及所述第二泛化模式为所述企业人物的泛化模式。5.如权利要求4所述的企业人物关系抽取方法，其特征在于，所述对所述扩展模式中的关系进行分词处理，并重新将分词作为关系，得到第二泛化模式，包括：对所述扩展模式中的关系进行分词处理，得到关系分词；基于所述关系分词重新构建所述目标企业中企业人物的扩展模式，并利用预设的关键词替换新构建的扩展模式中的实体，得到第二泛化模式。6.如权利要求1所述的企业人物关系抽取方法，其特征在于，所述获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本，包括：利用预设的爬取工具爬取所述目标企业的企业相关数据集合；基于所述泛化模式中的关键词匹配所述企业相关数据集合中的目标文本。7.如权利要求1中所述的企业人物关系抽取方法，其特征在于，所述抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系，包括：利用预设的实体抽取模型抽取所述目标文本中的目标实体；将所述目标实体填充至所述泛化模式中，确定所述泛化模式中的关系为所述目标实体
的目标关系。8.一种企业人物关系抽取装置，其特征在于，所述装置包括：模式扩展模块，用于构建目标企业中企业人物的基本模式，对所述基本模式进行人物扩展，得到企业人物的扩展模式；模式泛化模块，用于对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式；文本匹配模块，用于获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本；实体关系抽取模块，用于抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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如权利要求1至7中任意一项所述的企业人物关系抽取方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的企业人物关系抽取方法。

技术总结
本发明涉及数据处理技术，揭露了一种企业人物关系抽取方法，包括：构建目标企业中企业人物的基本模式，对所述基本模式进行人物扩展，得到企业人物的扩展模式，对所述企业人物的扩展模式进行关键词替换泛化处理及关键词分词泛化处理，得到企业人物的泛化模式，获取所述目标企业的企业相关数据集合，利用所述泛化模式匹配所述企业相关数据集合中的目标文本，抽取所述目标文本中所述泛化模式对应的目标实体，确定所述泛化模式中的关系为所述目标实体的目标关系。本发明还提出一种企业人物关系抽取装置、设备及计算机可读存储介质。本发明可以提高人物关系抽取的准确性。明可以提高人物关系抽取的准确性。明可以提高人物关系抽取的准确性。


技术研发人员：洪丰 黄敏 周伟杰 熊善良 蔡文笔 韦有朋
受保护的技术使用者：北京海卓飞网络科技有限公司
技术研发日：2023.03.23
技术公布日：2023/7/22