申请/专利权人：云南电网有限责任公司电力科学研究院

申请日：2020-12-14

公开（公告）日：2024-03-22

公开（公告）号：CN112446215B

主分类号：G06F40/289

分类号：G06F40/289;G06F16/28;G06N3/0464;G06N3/049;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.03.23#实质审查的生效;2021.03.05#公开

摘要：本申请提供的一种实体关系联合抽取方法包括：利用BERT学习单字符向量，通过BiLSTM输出指定维度字符向量；字符向量拼接每个字符的位置信息向量，词表向量拼接词的位置信息向量，将所有字符向量和词表向量相连；Transformer编码器学习字符特征；进行实体分类；实体关系分类特征学习；实体关系分类。本申请通过底层共享网络参数的方式，进行联合抽取，解决抽取时间和误差累计的问题；通过引入分词与词表向量，解决实体边界的问题；通过引入实体边界信息和Sigmoid的方法解决实体重叠问题；通过Sigmoid的方法解决实体关系重叠的问题，克服了现有技术的不足。

主权项：1.一种实体关系联合抽取方法，其特征在于，包括：输入段落内容P，通过预训练模型BERT，得到连接上下文信息的字符相量矩阵I，将得到的字符向量矩阵I输入BiLSTM，设置BiLSTM输出维度为dd，输出指定维度字符向量；段落分词，将分词长度大于2的组成集合D；将集合D通过词表库，表示为词向量矩阵Iw；字符向量拼接每个字符的位置信息向量，词表向量拼接词的位置信息向量，将所有字符向量和词表向量相连，得到字符向量矩阵；将字符向量矩阵输入实体识别Transformer编码器中，得到实体识别Transformer编码器输出的字符嵌入矩阵Ge；以及将字符向量矩阵输入关系抽取Transformer编码器中，得到关系抽取Transformer编码器输出的字符嵌入矩阵Gr；将字符嵌入矩阵Ge中的每个字符向量通过两层线性变换，输入Sigmoid进行实体分类；将字符嵌入矩阵Ge、字符嵌入矩阵Gr、Lentity1、Lentity2进行拼接得到融合后的特征表示Gentity；将Gentity输入Transformer解码器，得到关系分类特征向量Rentity；其中Lentity为某一实体在段落文档中的位置信息；将Rentity通过两层线性变换，输入Sigmoid进行分类。

全文数据：

权利要求：

百度查询： 云南电网有限责任公司电力科学研究院 一种实体关系联合抽取方法

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