[發明專利]一種基于文本的實體關系抽取方法及裝置

有效

• 申請號: 201910944006.7
• 申請日: 2019-09-30
• 公開（公告）號: CN110704576B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 胡琳梅;石川;張路浩
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06F16/31
• 分類號: G06F16/31;G06F16/35;G06F16/36;G06N3/04;G06N3/08
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 孟維娜;高鶯然

本發明實施例提供了一種基于文本的實體關系抽取方法及裝置，該方法從預設的語料庫中確定待處理文本中待處理實體所屬描述文本中的詞作為待處理詞；根據待處理實體和待處理詞分別與待處理文本的所屬關系，得到文本向量表示；將述文本向量表示輸入至預設的關系分類模型，得到待處理實體間的關系表示，本實施例引入了待處理實體及待處理實體所屬的描述文本，以使得到的文本向量表示包含了待處理實體存在的潛在信息，可見，應用本實施例提供的方法能夠提高對文本進行分類的準確率。

技術領域

本發明涉及自然語言處理技術領域，特別是涉及一種基于文本的實體關系抽取方法及裝置。

背景技術

知識圖譜在許多自然語言處理任務中承擔著越來越重要的角色，例如自動問答和對話生成。然而，現有的知識圖譜還不夠完善，造成從原始文本中抽取實體間的語義關系時的準確率較低，可見，文本中實體間關系抽取的重要性。

現有技術提出一種實體關系抽取方法，該方法為通過輔助信息學習文本的向量表示，得到待處理文本的向量表示，并將得到的向量表示輸入至預設的分類器中，得到待處理文本中實體間的關系表示。

由上可見，該方法將實體看作是獨立的和沒有意義的獨熱向量，從而損失了實體間關系的潛在信息，從而造成該方法在對待處理文本進行分類時存在準確率低的問題。

發明內容

本發明實施例的目的在于提供一種基于文本的實體關系抽取方法及裝置，以提高對文本進行分類的準確率。具體技術方案如下：

第一方面，本發明實施例提供了一種基于文本的實體關系抽取方法，所述方法包括：

對待處理文本進行命名實體識別，獲得待處理實體；

從預設的語料庫中確定待處理實體所屬描述文本中的詞作為待處理詞；

根據所述待處理實體和所述待處理詞分別與所述待處理文本的所屬關系，得到待處理文本的文本向量表示；

將所述文本向量表示輸入至預設的關系分類模型，得到待處理實體間的關系表示；其中，所述關系分類模型為：預先采用樣本文本向量表示對預設的卷積神經網絡進行訓練得到的、用于預測文本的關系表示模型，所述樣本文本向量表示為根據樣本實體和樣本詞分別與第一樣本文本的所屬關系得到的第一樣本文本的向量表示，所述樣本實體為對所述第一樣本文本進行命名實體識別獲得的實體，所述樣本文本為從語料庫中確定的所述樣本實體所屬描述文本中的詞。

本發明的一個實施例中，所述根據所述待處理實體和所述待處理詞分別與所述待處理文本的所屬關系，得到待處理文本的文本向量表示，包括：

將所述待處理實體和所述待處理文本輸入至預設的向量表示模型，得到所述待處理實體的實體向量表示和待處理文本的初始向量表示，其中，所述實體向量表示模型為預先采用第二樣本文本對預設的卷積層神經網絡進行訓練得到的、用于預測文本的初始向量表示和文本中實體的實體向量表示的模型；

將所確定的待處理詞輸入至預設的詞向量表示模型，得到所述待處理詞的詞向量表示，其中，所述詞向量表示模型為預先采用樣本描述文本對預設的卷積神經網絡進行訓練得到的、用于預測文本中實體所屬描述文本中詞的向量表示的模型；所述樣本描述文本為從語料庫中獲取的包括樣本實體的文本；所述樣本實體為對第三樣本文本進行命名實體識別獲得的實體；

采用注意力機制，計算所述實體向量表示和所述詞向量表示之間的注意力權重，并基于所述注意力權重對所獲得的詞向量表示進行加權融合，得到所述待處理實體所屬描述文本的描述文本向量表示；

將所述描述文本向量表示與所述初始文本向量表示進行拼接，得到融合描述文本的待處理文本的文本向量表示。

本發明的一個實施例中，在所述將所述文本向量表示輸入至預設的關系分類模型，得到待處理實體間的關系表示之前，所述方法還包括：