申请/专利权人:北京工商大学
申请日:2023-12-01
公开(公告)日:2024-02-27
公开(公告)号:CN117610572A
主分类号:G06F40/295
分类号:G06F40/295;G06F40/205;G06F40/126;G06N3/042;G06N3/045;G06N3/08;G06F40/30
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.15#实质审查的生效;2024.02.27#公开
摘要:本发明属于自然语言处理技术领域,公开了一种基于正负样本训练的图注意力文档级关系抽取方法及系统,首先对数据集进行预处理,然后将数据集输入编码器中获得文件的上下文编码,此后同时创建提及图和共指引用来识别文档中的实体部分,通过图注意力机制将提及图和共指引用图中的节点信息进行合并获得最终的实体图,对实体图中的路径进行融合,结合路径与实体节点的信息,预测实体对之间的关系。本发明使用正负样本训练的方式训练模型,解决了数据集中的噪音问题以及长尾问题;构建共指引用图,有效提取句子中的代词实体,使得实体信息更加完善;利用图注意力机制,自适应融合邻居节点的信息,获取更完善的实体关系信息,模型准确率更高。
主权项:1.一种基于正负样本训练的图注意力文档级关系抽取方法,其特征在于,首先对数据集进行处理,将数据集中的文档输入到编码器中获得每个单词的嵌入表示;在此之后,模型通过一种双通道的方式分别利用GCN和GAT同时构建提及图和共指引用图,然后将共指引用图合并到体制图中形成提及共指图,再根据图中每个节点的信息,将指向同一实体的节点合并为一个实体节点构建实体图,根据实体图中节点之间的边对关系进行预测,最后根据预测的实体关系结果构建实体和关系的正负样本进行训练,从而得到最终的关系预测模型。
全文数据:
权利要求:
百度查询: 北京工商大学 图注意力网络文档级关系抽取方法及系统
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。