申请/专利权人:中国科学院信息工程研究所
申请日:2023-11-22
公开(公告)日:2024-04-09
公开(公告)号:CN117852523A
主分类号:G06F40/205
分类号:G06F40/205;G06F40/279;G06F40/30;G06N3/045;G06N3/0895;G06N3/09;G06N3/0464;G06F18/213;G06F18/10;G06N3/082
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:本发明涉及一种学习鉴别性语义和多视角上下文的跨域小样本关系抽取方法和装置。该方法包括:进行数据预处理,将语义提示模板拼接在数据集中每个句子的尾部;构建特征提取网络、语义对比学习网络、多视角上下文学习网络和关系分类网络,多视角上下文学习网络中包含信息过滤机制;通过语义对比学习损失和关系分类损失训练模型,并利用验证集获得最优模型;利用最优模型抽取目标域的句子中的关系。本发明利用语义对比学习提高模型识别具有相似实体语义的不同关系的能力,通过多视角的上下文学习模块提高模型利用上下文信息区分不同关系的能力,并通过权重自适应的信息过滤机制避免学习上下文的过程中过度关注实体从而获得更全面的上下文知识。
主权项:1.一种学习鉴别性语义和多视角上下文的跨域小样本关系抽取方法,其特征在于,包括以下步骤:进行数据预处理,包括将语义提示模板拼接在数据集中每个句子的尾部;构建跨域小样本关系抽取模型,所述跨域小样本关系抽取模型包含特征提取网络、语义对比学习网络、多视角上下文学习网络和关系分类网络,所述多视角上下文学习网络中包含信息过滤机制;利用数据集中的训练集,通过语义对比学习损失函数和关系分类损失函数训练所述跨域小样本关系抽取模型,并利用验证集获得最优模型;利用所述最优模型抽取目标域的句子中的关系。
全文数据:
权利要求:
百度查询: 中国科学院信息工程研究所 一种学习鉴别性语义和多视角上下文的跨域小样本关系抽取方法和装置
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。