申请/专利权人：拓尔思信息技术股份有限公司

申请日：2020-09-04

公开（公告）日：2021-01-12

公开（公告）号：CN112214966A

主分类号：G06F40/126(20200101)

分类号：G06F40/126(20200101);G06F40/284(20200101);G06F40/295(20200101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.01.29#实质审查的生效;2021.01.12#公开

摘要：本发明属于信息处理领域，为了解决现有技术中实体识别和关系抽取存在无法充分利用实体识别时隐含的实体类别信息的技术问题，本发明提供一种基于深度神经网络的实体及关系联合抽取方法、非易失性存储介质和数据处理系统，使用深度神经网络采用一体化的方法实现将实体识别和关系抽取进行联合训练学习，并且对输入的文本无需人工干预组合实体，能够自动抽取出文本中包含的实体及实体间存在的关系。

主权项：1.一种基于深度神经网络的实体及关系联合抽取方法，其特征在于，包括：对输入文本进行文本切分处理，得到文本处理后的分词；对文本处理后的分词进行向量处理，并将向量化后分词输入至长短期记忆神经网络，对文本进行正向编码和反向编码；将所述正向编码和所述反向编码进行文本特征拼接处理，得到每个词语融合上下文信息后的特征；采用条件随机场算法获取实体标签间的条件转移概率及每个词语在实体标签上的概率分布，并将每个词语在对应的概率值最大的实体标签进行向量化表示；将文本中每个词语融合上下文信息后的特征与对应的标签向量表示，进行合并处理；依次遍历文本中的每个词语，并将每个词语对应的向量特征与文本中的其它词语对应的向量特征，按照文本处理过程中的包括分词、文本向量化、长短期记忆神经网络的正向和反向编码、特征融合、条件随机场算法、条件转移概率及每个词语在实体标签上的概率分布处理、特征之间进行注意力运算对应的深度神经网络模型，进行关系分类处理，基于关系分类处理结果，抽取出文本中包含的实体及实体间对应的关系。

全文数据：

权利要求：

百度查询： 拓尔思信息技术股份有限公司 基于深度神经网络的实体及关系联合抽取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD