在线文本实体抽取能力，助力应用解析海量文本数据

Posted 2022-06-23 HMSCore技术团队

随着信息化的发展，很多具有重要价值的知识隐藏分布在海量数据中，影响了人们获取知识的效率，如何处理繁杂的非结构化文本数据成为难题。

近日，HMS Core​​机器学习服务​​，该能力可以检测出文本中是否存在比如日期、姓名、专有名词等实体信息，并将此类实体抽取出来，即自动处理非结构化自然语言文本数据的能力。例如，影视行业的应用中常常会出现大量文字的影评、资讯等内容，使用在线文本实体抽取能力即可快速提取结构信息，帮助搭建知识图谱，便于用户清晰理解。

此外，文本实体抽取能力更多应用于问答系统、信息索引、知识图谱构建等领域。

问答系统

问答系统是信息检索系统的一种高级形式，它能用准确、简洁的自然语言回答用户提出的问题。在问答系统实现过程中，则需要用到文本实体抽取能力识别问题和知识库中的实体信息，再通过多种算法模型匹配出精准回答。

信息索引

使用在线文本实体抽取能力，可命名特定实体信息作为索引和超链接。比如用户在评论时提到的专有名词，可以生成超链接，便于其他用户检索了解相关内容。

知识图谱构建

知识图谱是由实体、关系和属性组成的一种数据结构，即具有有向图结构的一个知识库，文本实体抽取能力作为知识图谱构建过程中的底层能力，有着极其重要的作用。比如构建音乐知识图谱，首先需要大量的文本数据中提取出歌手、歌曲、作词、影视等相关信息，然后再进行知识图谱的搭建。 目前，华为机器学习服务在线文本实体抽取能力共支持人名、金钱、影视名、网页链接在内的16个实体类别，可根据实际语义场景应用于不同类别的App中。

集成步骤

1. 开发准备

详细准备步骤可参考​​华为开发者联盟官网​​。

2. 集成和配置apigateway鉴权

基于apigateway的鉴权机制：

"paths": 
"/entityExtract":  "post":  "operationId": "entityExtract",
"parameters": ["in": "body",  "name": "req",  "required": true,
"schema":  "$ref": "#/definitions/NerEnterReq"   ,  
"name": "X-Request-ID", "in": "header",  "required": true,
"type": "string"
, "name": "X-Package-Name",  "in": "header", "required": true,
"type": "string"  , ……],
 "responses": "200":    "description": "response of 200",
"schema":  "$ref": "#/definitions/ResponseEntityNerBodyVo"

3. 创建在线文本实体构造器

// 使用自定义的参数配置创建语种检测器。
 MLRemoteNerSetting setting = new MLRemoteNerSetting.Factory()
                .setSourceLangCode("zh")
                .create();
MLRemoteNer ner = MLNerFactory.getInstance().getRemoteNer(setting);
进行文本实体抽取。

4. 在线获取文本实体抽取

异步方法示例代码：

ner.asyncEntityExtract(input).addOnSuccessListener(new OnSuccessListener<RemoteNerResultItem[]>() 
            @Override
            public void onSuccess(RemoteNerResultItem[] remoteNerResults) 
                // 成功的处理逻辑。
                if(remoteNerResults != null)
                    // 有识别结果
                else 
                    //  识别结果为空
                
            
        ).addOnFailureListener(new OnFailureListener() 
            @Override
            public void onFailure(Exception e) 
                // 识别失败,获取相关异常信息。
                try 
                    MLException mlException = (MLException) e;
                    // 获取错误码，开发者可以对错误码进行处理，根据错误码进行差异化的页面提示。
                    int errorCode = mlException.getErrCode();
                    // 获取报错信息，开发者可以结合错误码，快速定位问题。
                    String errorMessage = mlException.getMessage();
                 catch (Exception error) 
                    // 转换错误处理。
                
            
        );

同步方法示例代码：

try 
       RemoteNerResultItem[] remoteNerResults = ner.syncEntityExtract(input);
       // 识别成功逻辑
       if(remoteNerResults != null)
       // 有识别结果
       else 
       //  识别结果为空
        
    catch (MLException mlException) 
       // 失败的处理逻辑。
       // 获取错误码，开发者可以对错误码进行处理，根据错误码进行差异化的页面提示。
       int errorCode = mlException.getErrCode();
       // 获取报错信息，开发者可以结合错误码，快速定位问题。
       String errorMessage = mlException.getMessage();
   

5. 完成后，释放资源

if (ner != null) 
    ner.stop();

了解更多详情>>

访问​​华为开发者联盟官网​​

获取​​开发指导文档​​

华为移动服务开源仓库地址：​​GitHub​​

关注我们，第一时间了解 HMS Core 最新技术资讯~