信息处理方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及信息处理方法和装置。

背景技术：

随着互联网技术的发展，在互联网上每天都会产生海量的信息。这些信息的来源多样、内容多样，如何对这些信息进行收集并整理，是需要解决的问题。

因为词汇的使用非常灵活，在不同的场景下，同一个词汇可能有多种用法，因此，通常需要对收集到的词汇进行人工整理。

技术实现要素：

本申请实施例提出了信息处理方法和装置。

第一方面，本申请实施例提供了一种信息处理方法，包括：获取待处理的词组合，其中，待处理的词组合包括实体，以及该实体的属性；在预设结构化数据集合中，确定出与待处理的词组合对应的知识类型，并确定属于知识类型的属性作为候选属性，其中，候选属性包括至少两个；基于至少两个候选属性与待处理的词组合的相似度，确定出待处理的词组合中的属性所对应的候选属性。

在一些实施例中，待处理的词组合还包括与属性的属性值；在预设结构化数据集合中，确定出与待处理的词组合对应的知识类型，包括：在预设结构化数据集合中，确定实体的概念的知识类型和属性值的概念的知识类型，其中，实体的知识类型和属性值的知识类型均为至少一个。

在一些实施例中，在预设结构化数据集合中，确定出与待处理的词组合对应的知识类型，包括：对实体进行上位处理，得到实体的上位词；在预设结构化数据集合中，确定实体的上位词所对应的知识类型，并将该知识类型作为与待处理的词组合对应的知识类型。

在一些实施例中，待处理的词组合还包括与属性的属性值；方法还包括：对属性值进行上位处理，得到属性值的上位词；以及确定实体的上位词所对应的知识类型，并将该知识类型作为与待处理的词组合对应的知识类型，包括：确定实体的上位词所对应的知识类型，并确定属性值的上位词所对应的知识类型；将实体的上位词所对应的知识类型，和属性值的上位词所对应的知识类型，作为与待处理的词组合对应的知识类型。

在一些实施例中，在基于至少两个候选属性与待处理的词组合的相似度，确定出待处理的词组合中的属性所对应的候选属性之前，方法还包括：对于待处理的词组合中的实体、属性和属性值中的至少两者中的每一者，确定该者的特征，其中，至少两者中的每一者的特征包括至少两种；对于至少两者中各者的特征进行融合，将融合结果作为待处理的词组合的特征；以及基于至少两个候选属性与待处理的词组合的相似度，确定出待处理的词组合中的属性所对应的候选属性，包括：对待处理的词组合的特征与至少两个候选属性的特征之间的相似度进行排序；将得到的相似度序列中，最高的相似度所对应的候选属性作为待处理的词组合中的属性所对应的候选属性。

在一些实施例中，对待处理的词组合的特征与至少两个候选属性的特征之间的相似度进行排序，包括：将待处理的词组合的特征与至少两个候选属性的特征，输入预先训练的排序模型，以通过预先训练的排序模型，对待处理的词组合的特征与至少两个候选属性的特征之间的相似度进行排序。

在一些实施例中，方法还包括：对于待处理的词组合中的实体、属性和属性值中的至少一者中的每一者，确定该者的特征，其中，至少一者中的每一者的特征包括杰卡德特征和词袋特征的融合特征；对于至少两者中各者的特征进行融合，得到目标融合特征；确定目标融合特征与各个所确定的候选属性的特征之间的相似度；按照相似度由大到小的顺序，从各个所确定的候选属性中，选取预设数量或者预设比例的候选属性作为至少两个候选属性。

在一些实施例中，预先训练的排序模型可以通过如下步骤训练得到：获取样本集，其中，样本集包括正样本和负样本，正样本包括正样本词组合和属性样本，负样本包括负样本词组合和属性样本，正样本词组合的特征与属性样本的特征的相似度，大于负样本词组合的特征与属性样本的特征的相似度；将样本集中的多个样本组成的样本序列输入待训练的排序模型，预测出样本序列的样本中的特征之间的相似度的排序结果；基于预测出的排序结果训练待训练的排序模型，得到预先训练的排序模型。

在一些实施例中，获取样本集，包括：将与预设结构化数据集合中，属于知识类型且与目标属性对应的词组合，作为正样本词组合，其中，目标属性为待处理的词组合中的属性所对应的候选属性；将与预设结构化数据集合中，属于知识类型且不与目标属性对应的词组合，作为负样本词组合。

第二方面，本申请实施例提供了一种信息处理装置，包括：获取单元，被配置成获取待处理的词组合，其中，待处理的词组合包括实体，以及该实体的属性；候选确定单元，被配置成在预设结构化数据集合中，确定出与待处理的词组合对应的知识类型，并确定属于知识类型的属性作为候选属性，其中，候选属性包括至少两个；属性确定单元，被配置成基于至少两个候选属性与待处理的词组合的相似度，确定出待处理的词组合中的属性所对应的候选属性。

在一些实施例中，待处理的词组合还包括与属性的属性值；候选确定单元，被配置成按照如下方式执行在预设结构化数据集合中，确定出与待处理的词组合对应的知识类型：在预设结构化数据集合中，确定实体的概念的知识类型和属性值的概念的知识类型，其中，实体的知识类型和属性值的知识类型均为至少一个。

在一些实施例中，候选确定单元，被配置成按照如下方式执行在预设结构化数据集合中，确定出与待处理的词组合对应的知识类型：对实体进行上位处理，得到实体的上位词；在预设结构化数据集合中，确定实体的上位词所对应的知识类型，并将该知识类型作为与待处理的词组合对应的知识类型。

在一些实施例中，待处理的词组合还包括与属性的属性值；装置还包括：上位单元，被配置成对属性值进行上位处理，得到属性值的上位词；以及候选确定单元，被配置成按照如下方式执行确定实体的上位词所对应的知识类型，并将该知识类型作为与待处理的词组合对应的知识类型：确定实体的上位词所对应的知识类型，并确定属性值的上位词所对应的知识类型；将实体的上位词所对应的知识类型，和属性值的上位词所对应的知识类型，作为与待处理的词组合对应的知识类型。

在一些实施例中，所述装置还包括：特征确定单元，被配置成在所述基于至少两个所述候选属性与所述待处理的词组合的相似度，确定出所述待处理的词组合中的属性所对应的候选属性之前，对于所述待处理的词组合中的实体、属性和属性值中的至少两者中的每一者，确定该者的特征，其中，所述至少两者中的每一者的特征包括至少两种；融合单元，被配置成对于所述至少两者中各者的特征进行融合，将融合结果作为所述待处理的词组合的特征；以及所述属性确定单元，进一步被配置成按照如下方式执行所述基于至少两个所述候选属性与所述待处理的词组合的相似度，确定出所述待处理的词组合中的属性所对应的候选属性：对所述待处理的词组合的特征与至少两个所述候选属性的特征之间的相似度进行排序；将得到的相似度序列中，最高的相似度所对应的候选属性作为待处理的词组合中的属性所对应的候选属性。

在一些实施例中，所述属性确定单元，进一步被配置成按照如下方式执行所述对所述待处理的词组合的特征与至少两个所述候选属性的特征之间的相似度进行排序：将所述待处理的词组合的特征与至少两个所述候选属性的特征，输入预先训练的排序模型，以通过所述预先训练的排序模型，对所述待处理的词组合的特征与所述至少两个所述候选属性的特征之间的相似度进行排序。

在一些实施例中，所述装置还包括：第一确定单元，被配置成对于所述待处理的词组合中的实体、属性和属性值中的至少一者中的每一者，确定该者的特征，其中，至少一者中的每一者的特征包括杰卡德特征和词袋特征的融合特征；目标确定单元，被配置成对于所述至少两者中各者的特征进行融合，得到目标融合特征；相似度确定单元，被配置成确定所述目标融合特征与各个所确定的候选属性的特征之间的相似度；选取单元，被配置成按照相似度由大到小的顺序，从各个所确定的候选属性中，选取预设数量或者预设比例的候选属性作为所述至少两个所述候选属性。

在一些实施例中，所述预先训练的排序模型可以通过如下步骤训练得到：获取样本集，其中，所述样本集包括正样本和负样本，所述正样本包括正样本词组合和属性样本，所述负样本包括负样本词组合和属性样本，正样本词组合的特征与属性样本的特征的相似度，大于负样本词组合的特征与属性样本的特征的相似度；将所述样本集中的多个样本组成的样本序列输入待训练的排序模型，预测出所述样本序列的样本中的特征之间的相似度的排序结果；基于预测出的排序结果训练所述待训练的排序模型，得到所述预先训练的排序模型。

在一些实施例中，所述获取样本集，包括：将与所述预设结构化数据集合中，属于所述知识类型且与目标属性对应的词组合，作为所述正样本词组合，其中，所述目标属性为所述待处理的词组合中的属性所对应的候选属性；将与所述预设结构化数据集合中，属于所述知识类型且不与所述目标属性对应的词组合，作为所述负样本词组合。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如信息处理方法中任一实施例的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如信息处理方法中任一实施例的方法。

本申请实施例提供的信息处理方案，获取待处理的词组合，其中，所述待处理的词组合包括实体，以及该实体的属性；在预设结构化数据集合中，确定出与所述待处理的词组合对应的知识类型，并确定属于所述知识类型的属性作为候选属性，其中，所述候选属性包括至少两个；基于至少两个所述候选属性与所述待处理的词组合的相似度，确定出所述待处理的词组合中的属性所对应的候选属性。本申请实施例能够在预设结构化数据集合中，快速而准确地确定出与词组合中的属性对应的候选属性，从而有助于实现将陌生的词组合自动关联到结构化的数据中，避免了人力的消耗，并提高了关联的效率和准确度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请一些实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的信息处理方法的一个实施例的流程图；

图3是根据本申请的信息处理方法的一个应用场景的示意图；

图4是根据本申请的信息处理方法的又一个实施例的流程图；

图5是根据本申请的信息处理装置的一个实施例的结构示意图；

图6是适于用来实现本申请一些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

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的信息处理方法或信息处理装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。

这里的终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的词组合等数据进行分析等处理，并将处理结果(例如词组合中的属性所对应的候选属性)反馈给终端设备。

需要说明的是，本申请实施例所提供的信息处理方法可以由服务器105或者终端设备101、102、103执行，相应地，信息处理装置可以设置于服务器105或者终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的信息处理方法的一个实施例的流程200。该信息处理方法，包括以下步骤：

步骤201，获取待处理的词组合，其中，待处理的词组合包括实体，以及该实体的属性。

在本实施例中，信息处理方法的执行主体(例如图1所示的服务器或终端设备)可以获取待处理的词组合。这里的词组合可以包括至少两个词，比如，可以包括实体，例如实体可以是某个人的人名。此外，词组合还可以包括实体的属性。

步骤202，在预设结构化数据集合中，确定出与待处理的词组合对应的知识类型，并确定属于知识类型的属性作为候选属性，其中，候选属性包括至少两个。

在本实施例中，上述执行主体可以在预设的结构化数据集合中，确定出待处理的词组合所对应的知识类型(type)。知识类型为上位概念，比如，可以是实体的上位概念。上述执行主体可以采用各种方式确定出词组合对应的知识类型。举例来说，上述执行主体可以获取到词组合中，实体词的id(identity，身份标识)，并确定出该id所属的知识类型。此外，上述执行主体可以确定实体的上位词，并确定出该上位词同义的知识类型，并将该知识类型作为待处理的词组合对应的知识类型。在预设结构化数据集合中，在每个知识类型下存在属于该知识类型的若干属性。

预设结构化数据集合为符合预设约束(schema)的数据集合，比如，该预设约束可以是约束三个词相连组成的词组合中，首尾两个词为人名。比如，词组合为张三-妻子-刘英。

举例来说，实体为某人名，知识类型包括“歌星”、“人物”、“事物”。属于该“人物”知识类型的属性，也即该知识类型下的属性包括“姓名”、“妻子”、“血型”、“年龄”、“性别”。属于该“事物”知识类型的属性包括“名称”、“属性”等等。

步骤203，基于至少两个候选属性与待处理的词组合的相似度，确定出待处理的词组合中的属性所对应的候选属性。

在本实施例中，上述执行主体可以基于待处理的词组合，和上述至少两个候选属性中各个候选属性之间的相似度，确定出该词组合中的属性所对应的候选属性。在实践中，上述执行主体可以采用各种方式确定出该词组合中的属性所对应的候选属性。举例来说，上述执行主体可以对各个候选属性与待处理的词组合的相似度进行排序，并将最高的相似度所对应的候选属性作为上述待处理的词组合中的属性所对应的候选属性。

具体地，候选属性与待处理的词组合之间的相似度，可以是候选属性的特征，与待处理的词组合的特征之间的相似度。这里的词组合的特征可以包括词组合中的属性的特征，还可以包括词组合中的属性值的特征、实体的特征等等。

上述执行主体确定出的属性所对应的候选属性，即建立了该属性与该候选属性之间的映射关系。这样，上述执行主体可以将候选属性在预设结构化数据集合中与其他词之间的关联关系，作为该属性的关联关系，还可以将候选属性所属的知识类型，作为该属性的知识类型。

可选地，上述执行主体可以在步骤203之后，将待处理的词组合中的属性所对应的候选属性的相似度，与预设的相似度阈值进行比较。若大于或等于相似度阈值，则可以将待处理的词组合中的属性所对应的候选属性，关联到预设结构化数据集合中，还可以关联至知识图谱中。若小于上述相似度阈值，则舍弃该候选属性。

本申请的上述实施例提供的方法能够在预设结构化数据集合中，快速而准确地确定出与词组合中的属性对应的候选属性，从而有助于实现将陌生的词组合自动关联到结构化的数据中，避免了人力的消耗，并提高了关联的效率和准确度。

在本实施例的一些可选的实现方式中，上述待处理的词组合还包括与属性的属性值；步骤202可以包括：在预设结构化数据集合中，确定实体的概念的知识类型和属性值的概念的知识类型，其中，实体的知识类型和属性值的知识类型均为至少一个。

在这些可选的实现方式中，上述执行主体可以直接从预设结构化数据集合中，确定出知识类型。具体地，词组合可以是spo三元组，即实体、属性、属性值(subject-predicate-object)。在预设结构化数据集合中，存在至少一级的知识类型。比如，三个级的知识类型可以包括：“歌星”、“人物”、“事物”。上述执行主体可以确定出实体的概念也即释义，并在预设结构化数据集合中，确定出该概念所属的知识类型。此外，上述执行主体还可以确定出属性值的概念，确定出该概念所属的知识类型。具体地，在预设结构化数据集合中，存在属于每个知识类型的多个概念，这里的概念可以是实体的概念，属性的概念，还可以是属性值的概念等等。

上述执行主体可以将对于实体和属性值这两者所确定的知识类型，皆作为待处理的词组合对应的知识类型。

这些实现方式可以直接从预设结构化数值集合中，准确地确定出知识类型。

在本实施例的一些可选的实现方式中，步骤202可以包括：对实体进行上位处理，得到实体的上位词；在预设结构化数据集合中，确定实体的上位词所对应的知识类型，并将该知识类型作为与待处理的词组合对应的知识类型。

在这些可选的实现方式中，上述执行主体可以对实体进行上位处理，从而得到实体的上位词。之后，上述执行主体可以确定出该上位词所对应的知识类型，并将该知识类型作为与上述待处理的词组合对应的知识类型。具体地，对原词进行上位处理指进行上位泛化，得到比原词的范围更大，更具概括性的上位词。

上述执行主体可以采用各种方式确定实体的上位词所对应的知识类型。比如，上述执行主体可以仅仅将预设结构化数据集合的各个知识类型中，与上位词完全一致的知识类型，作为实体的上位词所对应的知识类型。再比如，上述执行主体还可以将与上位词的词义相似度大于预设数值比如95％的知识类型作为实体的上位词所对应的知识类型。此外，上述执行主体还可以首先确定与上位词完全一致的知识类型(第一者)，并确定与该知识类型的语义相似度大于预设阈值的知识类型(第二者)，并将这两者(第一者和第二者)皆作为实体的上位词所对应的知识类型。

这些实现方式可以通过上位词，更全面地确定知识类型，提高确定知识类型的召回率。

在这些实现方式的一些可选的应用场景中，待处理的词组合还包括与属性的属性值；上述方法还可以包括：对属性值进行上位处理，得到属性值的上位词；以及，这些实现方式中的确定实体的上位词所对应的知识类型，并将该知识类型作为与待处理的词组合对应的知识类型，可以包括：确定实体的上位词所对应的知识类型，并确定属性值的上位词所对应的知识类型；将实体的上位词所对应的知识类型，和属性值的上位词所对应的知识类型，作为与待处理的词组合对应的知识类型。

在这些应用场景中，上述执行主体不仅可以对实体进行上位处理，还可以对属性值进行上位处理，以得到属性值的上位词。并采用确定实体的上位词所对应的知识类型的方式，确定出属性值的上位词所对应的知识类型。之后，上述执行主体可以将实体的上位词所对应的知识类型以及属性值的上位词所对应的知识类型，皆作为与待处理的词组合对应的知识类型。

这些应用场景可以确定出属性值的上位词，从而在利用实体的基础上，还利用了属性值，从而进一步扩大了确定知识类型的召回率。

继续参见图3，图3是根据本实施例的信息处理方法的应用场景的一个示意图。在图3的应用场景中，执行主体301可以获取待处理的词组合“张三-媳妇”302，其中，待处理的词组合包括实体“张三”，以及该实体的属性“媳妇”。执行主体301在预设结构化数据集合中，确定出与待处理的词组合对应的知识类型“歌星”、“人物”303，并确定属于知识类型的属性作为候选属性304，其中，候选属性包括25个。执行主体301基于上述候选属性与待处理的词组合的相似度，确定出待处理的词组合中的属性“媳妇”所对应的候选属性“妻子”305。

进一步参考图4，其示出了信息处理方法的又一个实施例的流程400。该信息处理方法的流程400，包括以下步骤：

步骤401，获取待处理的词组合，其中，待处理的词组合包括实体，以及该实体的属性。

在本实施例中，信息处理方法的执行主体(例如图1所示的服务器或终端设备)可以获取待处理的词组合。这里的词组合可以包括多个词，比如，可以包括实体，例如实体可以是某个人的人名。此外，词组合还可以包括实体的属性。

步骤402，在预设结构化数据集合中，确定出与待处理的词组合对应的知识类型，并确定属于知识类型的属性作为候选属性，其中，候选属性包括至少两个。

在本实施例中，上述执行主体可以在预设的结构化数据集合中，确定出待处理的词组合所对应的知识类型。上述执行主体可以采用各种方式确定出词组合对应的知识类型，并确定出至少两个候选属性。

步骤403，对于待处理的词组合中的实体、属性和属性值中的至少两者中的每一者，确定该者的特征，其中，至少两者中的每一者的特征包括至少两种。

在本实施例中，上述执行主体可以确定出多种词组合的特征。这里的特征可以是去除了公共子串后的特征。具体地，特征可以包括以下的至少一者：杰卡德(jaccard)特征、词袋(bagofwords，bow)特征、广义回归神经网络(grnn)模型进行词嵌入(embedding)处理得到的特征、利用跳字(skipgram)模型进行词嵌入(embedding)得到的特征。

在实践中，实体、属性或属性值的特征可以是以下的至少一者：一般分词得到的特征，在细化分词(分词的粒度小于一般分词)后得到的特征、上位词的特征。此外，词组合的特征还可以包括实体和属性值之间的共现特征，也即该词组合中的实体和属性值，与所确定的知识类型中的实体和属性值的杰卡德特征。

步骤404，对于至少两者中各者的特征进行融合，将融合结果作为待处理的词组合的特征。

在本实施例中，上述执行主体可以确定出多种词组合的特征，并将这些特征进行融合。具体地，词的特征为向量，因此，特征之间的融合可以指向量的拼接。

在实践中，对每一者可以确定出多种特征，比如，杰卡德特征和词袋特征。上述执行主体可以利用对任意一者的各个特征预设的权重，将各种特征进行加权平均，从而将加权平均的结果作为该者的特征。

步骤405，对待处理的词组合的特征与至少两个候选属性的特征之间的相似度进行排序。

在本实施例中，上述执行主体可以确定待处理的词组合的特征与各个候选属性的特征之间的相似度，并对这些相似度进行排序，得到相似度序列。

在本实施例的一些可选的实现方式中，步骤405可以包括：将待处理的词组合的特征与至少两个候选属性的特征，输入预先训练的排序模型，以通过预先训练的排序模型，对待处理的词组合的特征与至少两个候选属性的特征之间的相似度进行排序。

在这些可选的实现方式中，上述执行主体可以通过预先训练的排序模型，实现输出排序后的各个相似度。这里的排序模型可以是ltr(learningtorank，ltr)模型。具体地，上述执行主体可以向排序模型输入一个序列。该序列中的每个元素包括待处理的词组合的特征，和一个候选属性的特征。不同元素所包括的候选属性的特征是不同的。上述执行主体可以利用排序模型，确定每个元素中的词组合的特征与候选属性的特征的相似度。之后，上述执行主体利用排序模型对各个相似度进行排序并获取相似度序列。

这些实现方式可以利用排序模型，准确地对相似度进行排序。

在这些实现方式的一些可选的应用场景中，预先训练的排序模型可以通过以下步骤训练得到：获取样本集，其中，样本集包括正样本和负样本，正样本包括正样本词组合和属性样本，负样本包括负样本词组合和属性样本，正样本词组合的特征与属性样本的特征的相似度，大于负样本词组合的特征与属性样本的特征的相似度；将样本集中的多个样本组成的样本序列输入待训练的排序模型，预测出样本序列的样本中的特征之间的相似度的排序结果；基于预测出的排序结果训练待训练的排序模型，得到预先训练的排序模型。

在这些可选的应用场景中，上述执行主体可以将样本集中的样本，输入待训练的排序模型，从而预测出所输入的每个样本内的特征之间的相似度，并预测出各个相似度之间的顺序。任意一次所输入的样本可以包括正样本和/或负样本。样本集中的样本可以分一次或多次输入，每一次可以输入包括多个样本的样本序列。

具体地，这里的每个样本内的特征指正样本词组合的特征与属性样本的特征，或者负样本词组合的特征与属性样本的特征。

在实践中，正样本词组合的特征与属性样本的特征之间的相似度，可以大于相似度阈值。负样本词组合的特征与属性样本的特征之间的相似度，可以小于该相似度阈值，还可以小于另一个相似度阈值。相比于上述的相似度阈值，这里的另一个相似度阈值的数值更小。

这些应用场景可以利用正样本和负样本对排序模型进行训练，从而得到准确的排序模型。

可选地，上述的应用场景中的获取样本集可以包括：将与预设结构化数据集合中，属于知识类型且与目标属性对应的词组合，作为正样本词组合，其中，目标属性为待处理的词组合中的属性所对应的候选属性；将与预设结构化数据集合中，属于知识类型且不与目标属性对应的词组合，作为负样本词组合。

在这些可选的应用场景中，可以将已经关联到预设结构化数据集合中的词组合中，属于上述知识类型且与目标属性对应的词组合，作为正样本词组合。此外，上述执行主体还可以将属于上述知识类型且与目标属性不对应的词组合作为负样本词组合。具体地，在预设结构化数据集合中包括有与每个属性对应的词组合，也存在与该属性不对应的词组合。

这些可选的应用场景可以通过将预设结构化数据集合中的词组合作为样本，来增加样本的数量，从而让训练得到的排序模型更加准确。

步骤406，将得到的相似度序列中，最高的相似度所对应的候选属性作为待处理的词组合中的属性所对应的候选属性。

在本实施例中，上述执行主体可以将相似度最高的候选属性，作为待处理的词组合中的属性所对应的候选属性。

本实施例可以通过确定词组合中至少两者的多种特征，来更加准确地表示出词组合，提升了确定相似度的准确度。

在本实施例的一些可选的实现方式中，上述方法还可以包括：对于待处理的词组合中的实体、属性和属性值中的至少一者中的每一者，确定该者的特征，其中，至少一者中的每一者的特征包括杰卡德特征和词袋特征的融合特征；对于至少两者中各者的特征进行融合，得到目标融合特征；确定目标融合特征与各个所确定的候选属性的特征之间的相似度；按照所对应的相似度由大到小的顺序，从各个所确定的候选属性中，选取预设数量或者预设比例的候选属性作为至少两个候选属性。

在这些可选的实现方式中，上述执行主体可以在步骤403之前，可以进行候选属性的筛选，从而筛选出上述至少两个候选属性。具体地，上述执行主体可以对实体、属性、属性值中的至少一者中的每一者，确定该者的多种特征，多种特征包括杰卡德特征和词袋特征。

上述执行主体在对相似度进行排序之后，可以得到相似度序列。这样，上述执行主体可以从该相似度序列中，按照从大到小的顺序，确定预设数量或者预设比例的相似度，并将这些确定出的相似度所对应的候选属性作为上述步骤402和步骤405中的至少两个候选属性。

这些实现方式可以对候选属性先进行初筛，以提高确定与词组合对应的候选属性的效率。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种信息处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征或效果。该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的信息处理装置500包括：获取单元501、候选确定单元502和属性确定单元503。其中，获取单元501，被配置成获取待处理的词组合，其中，待处理的词组合包括实体，以及该实体的属性；候选确定单元502，被配置成在预设结构化数据集合中，确定出与待处理的词组合对应的知识类型，并确定属于知识类型的属性作为候选属性，其中，候选属性包括至少两个；属性确定单元503，被配置成基于至少两个候选属性与待处理的词组合的相似度，确定出待处理的词组合中的属性所对应的候选属性。

在一些实施例中，信息处理装置500的获取单元501可以获取待处理的词组合。这里的词组合可以包括至少两个词，比如，可以包括实体，例如实体可以是某个人的人名。此外，词组合还可以包括实体的属性。

在一些实施例中，候选确定单元502可以在预设的结构化数据集合中，确定出待处理的词组合所对应的知识类型。知识类型为上位概念，比如，可以是实体的上位概念。上述执行主体可以采用各种方式确定出词组合对应的知识类型。

在一些实施例中，属性确定单元503可以基于待处理的词组合，和上述至少两个候选属性中各个候选属性之间的相似度，确定出该词组合中的属性所对应的候选属性。在实践中，上述执行主体可以采用各种方式确定出该词组合中的属性所对应的候选属性。

在本实施例的一些可选的实现方式中，所述待处理的词组合还包括与所述属性的属性值；所述候选确定单元，被配置成按照如下方式执行所述在预设结构化数据集合中，确定出与所述待处理的词组合对应的知识类型：在预设结构化数据集合中，确定所述实体的概念的知识类型和所述属性值的概念的知识类型，其中，所述实体的知识类型和所述属性值的知识类型均为至少一个。

在本实施例的一些可选的实现方式中，所述候选确定单元，被配置成按照如下方式执行所述在预设结构化数据集合中，确定出与所述待处理的词组合对应的知识类型：对所述实体进行上位处理，得到所述实体的上位词；在预设结构化数据集合中，确定所述实体的上位词所对应的知识类型，并将该知识类型作为与所述待处理的词组合对应的知识类型。

在本实施例的一些可选的实现方式中，所述待处理的词组合还包括与所述属性的属性值；所述装置还包括：上位单元，被配置成对所述属性值进行上位处理，得到所述属性值的上位词；以及所述候选确定单元，被配置成按照如下方式执行所述确定所述实体的上位词所对应的知识类型，并将该知识类型作为与所述待处理的词组合对应的知识类型：确定所述实体的上位词所对应的知识类型，并确定所述属性值的上位词所对应的知识类型；将所述实体的上位词所对应的知识类型，和所述属性值的上位词所对应的知识类型，作为与所述待处理的词组合对应的知识类型。

在本实施例的一些可选的实现方式中，所述装置还包括：特征确定单元，被配置成在所述基于至少两个所述候选属性与所述待处理的词组合的相似度，确定出所述待处理的词组合中的属性所对应的候选属性之前，对于所述待处理的词组合中的实体、属性和属性值中的至少两者中的每一者，确定该者的特征，其中，所述至少两者中的每一者的特征包括至少两种；融合单元，被配置成对于所述至少两者中各者的特征进行融合，将融合结果作为所述待处理的词组合的特征；以及所述属性确定单元，进一步被配置成按照如下方式执行所述基于至少两个所述候选属性与所述待处理的词组合的相似度，确定出所述待处理的词组合中的属性所对应的候选属性：对所述待处理的词组合的特征与至少两个所述候选属性的特征之间的相似度进行排序；将得到的相似度序列中，最高的相似度所对应的候选属性作为待处理的词组合中的属性所对应的候选属性。

在本实施例的一些可选的实现方式中，所述属性确定单元，进一步被配置成按照如下方式执行所述对所述待处理的词组合的特征与至少两个所述候选属性的特征之间的相似度进行排序：将所述待处理的词组合的特征与至少两个所述候选属性的特征，输入预先训练的排序模型，以通过所述预先训练的排序模型，对所述待处理的词组合的特征与所述至少两个所述候选属性的特征之间的相似度进行排序。

在本实施例的一些可选的实现方式中，所述装置还包括：第一确定单元，被配置成对于所述待处理的词组合中的实体、属性和属性值中的至少一者中的每一者，确定该者的特征，其中，至少一者中的每一者的特征包括杰卡德特征和词袋特征的融合特征；目标确定单元，被配置成对于所述至少两者中各者的特征进行融合，得到目标融合特征；相似度确定单元，被配置成确定所述目标融合特征与各个所确定的候选属性的特征之间的相似度；选取单元，被配置成按照相似度由大到小的顺序，从各个所确定的候选属性中，选取预设数量或者预设比例的候选属性作为所述至少两个所述候选属性。

在本实施例的一些可选的实现方式中，所述预先训练的排序模型可以通过如下步骤训练得到：获取样本集，其中，所述样本集包括正样本和负样本，所述正样本包括正样本词组合和属性样本，所述负样本包括负样本词组合和属性样本，正样本词组合的特征与属性样本的特征的相似度，大于负样本词组合的特征与属性样本的特征的相似度；将所述样本集中的多个样本组成的样本序列输入待训练的排序模型，预测出所述样本序列的样本中的特征之间的相似度的排序结果；基于预测出的排序结果训练所述待训练的排序模型，得到所述预先训练的排序模型。

在本实施例的一些可选的实现方式中，所述获取样本集，包括：将与所述预设结构化数据集合中，属于所述知识类型且与目标属性对应的词组合，作为所述正样本词组合，其中，所述目标属性为所述待处理的词组合中的属性所对应的候选属性；将与所述预设结构化数据集合中，属于所述知识类型且不与所述目标属性对应的词组合，作为所述负样本词组合。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)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装置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ram603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom602以及ram603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。

通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上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装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述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。在本公开的实施例中，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。而在本公开的实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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。

描述于本申请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，例如，可以描述为：一种处理器包括获取单元、候选确定单元和属性确定单元。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，例如，获取单元还可以被描述为“获取待处理的词组合的单元”。

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装置中所包含的；也可以是单独存在，而未装配入该装置中。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该装置执行时，使得该装置：获取待处理的词组合，其中，所述待处理的词组合包括实体，以及该实体的属性；在预设结构化数据集合中，确定出与所述待处理的词组合对应的知识类型，并确定属于所述知识类型的属性作为候选属性，其中，所述候选属性包括至少两个；基于至少两个所述候选属性与所述待处理的词组合的相似度，确定出所述待处理的词组合中的属性所对应的候选属性。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。