申请/专利权人：无锡学院

申请日：2024-01-30

公开（公告）日：2024-04-09

公开（公告）号：CN117852498A

主分类号：G06F40/126

分类号：G06F40/126;G06F40/30;G06F16/35;G06N3/042;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于关系原型和实体类型的关系提取方法，包括：构建约束图；构建关系抽取模型ERPET，关系抽取模型ERPET包括句子编码器、约束图编码器和关系分类器；将句子中的每个单词向量化，得到单词向量；采用PCNN网络构建句子袋中每个句子的向量表示；将每个单词相对于头实体和尾实体的相对位置进行向量化，得到位置向量；将句子表示和实体类型表示进行拼接，得到包含实体类型信息的第二句子表示；将上述步骤得到的表示输入两层全连接层和预设的softmax函数，得到各个类别的概率分布预测，最大概率对应的类别即为分类结果；通过本发明方法增强关系抽取模型ERPET对长尾关系实例的表征能力，提升提取长尾关系的能力。

主权项：1.一种基于关系原型和实体类型的关系提取方法，其特征在于，包括以下步骤：1统计训练集中的关系和实体类型对应关系，构建约束图；2构建关系抽取模型ERPET，关系抽取模型ERPET包括句子编码器、约束图编码器和关系分类器；向关系抽取模型ERPET中输入数据集，数据集中的每个实例包含句子、实体对和实体类型，设输入的句子为s＝{w1，w2，…，wn}，头实体位置为p1，尾实体位置为p2，头实体类型为t1，尾实体类型为t2；3将句子中的每个单词向量化，得到单词向量；采用PCNN网络构建句子袋中每个句子的向量表示；4将每个单词相对于头实体和尾实体的相对位置进行向量化，得到位置向量；5将单词向量和位置向量进行拼接得到句子向量；6采用PCNN网络提取句子向量的特征，得到第一句子表示；7使用图卷积GCN神经网络模型对约束图进行编码，得到约束图Embedding；8根据约束图Embedding得到头尾实体类型的Embedding，并使用ReLU和tanh函数激活；9将步骤6的句子表示和步骤8的实体类型表示进行拼接，得到包含实体类型信息的第二句子表示；10将步骤9得到的表示输入两层全连接层和预设的softmax函数，得到各个类别的概率分布预测，最大概率对应的类别即为分类结果；11使用预设的总损失函数对预测值与真实值计算损失。

全文数据：

权利要求：

百度查询： 无锡学院 一种基于关系原型和实体类型的关系提取方法

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