[發(fā)明專利]實(shí)體關(guān)系抽取方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201911342897.5
• 申請(qǐng)日: 2019-12-23
• 公開（公告）號(hào): CN111126067B
• 公開（公告）日: 2022-02-18
• 發(fā)明（設(shè)計(jì)）人: 賈丹丹;張丹;于琳琳;王九碩
• 申請(qǐng)（專利權(quán)）人: 北大方正集團(tuán)有限公司;北京北大方正電子有限公司
• 主分類號(hào): G06F40/295
• 分類號(hào): G06F40/295;G06F40/30;G06F16/33;G06F16/35;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司 11205
• 代理人: 張子青;臧建明

本發(fā)明提供一種實(shí)體關(guān)系抽取方法及裝置，該方法包括：根據(jù)訓(xùn)練語料的實(shí)體信息和關(guān)鍵詞生成正則表達(dá)式；將訓(xùn)練語料進(jìn)行分詞獲得分詞結(jié)果；將分詞結(jié)果轉(zhuǎn)換為向量，并將向量輸入神經(jīng)網(wǎng)絡(luò)；將向量輸入神經(jīng)網(wǎng)絡(luò)的第一隱藏層，輸出向量集合；根據(jù)正則表達(dá)式將向量集合輸入神經(jīng)網(wǎng)絡(luò)的第二隱藏層，輸出向量表達(dá)式；將向量表達(dá)式輸入神經(jīng)網(wǎng)絡(luò)的輸出層，輸出實(shí)體關(guān)系類別的概率；根據(jù)實(shí)體關(guān)系類別的概率對(duì)實(shí)體信息進(jìn)行關(guān)系抽取。通過利用正則表達(dá)式與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法對(duì)實(shí)體信息進(jìn)行關(guān)系抽取，解決了遠(yuǎn)程監(jiān)督模型受到噪聲數(shù)據(jù)干擾導(dǎo)致準(zhǔn)確率低的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)領(lǐng)域，尤其涉及一種實(shí)體關(guān)系抽取方法及裝置。

背景技術(shù)

互聯(lián)網(wǎng)技術(shù)的發(fā)展與普及給人們的生活帶來了很多便利，通過提取網(wǎng)絡(luò)海量的文本數(shù)據(jù)中有價(jià)值的信息，對(duì)改善人們的生活有著十分重要的作用和意義。通過信息抽取技術(shù)，實(shí)現(xiàn)了從海量自然語言文本中抽取結(jié)構(gòu)化的數(shù)據(jù)，從而為人們構(gòu)建知識(shí)庫(kù)、自動(dòng)問答及文本挖掘等領(lǐng)域提供了有效幫助。

在根據(jù)信息抽取技術(shù)構(gòu)建知識(shí)庫(kù)的過程中，通常利用關(guān)系抽取技術(shù)，從非結(jié)構(gòu)化文本中抽取三元組用于構(gòu)建知識(shí)庫(kù)。隨著網(wǎng)絡(luò)中數(shù)據(jù)的不斷增加，知識(shí)庫(kù)中的信息也需要持續(xù)更新，關(guān)系抽取技術(shù)實(shí)現(xiàn)了知識(shí)庫(kù)自動(dòng)更新，因此關(guān)系抽取模型的效果很大程度上決定了知識(shí)庫(kù)的質(zhì)量。現(xiàn)有技術(shù)中，一般采用深度神經(jīng)網(wǎng)絡(luò)的關(guān)系抽取方法構(gòu)建知識(shí)庫(kù)。在利用深度神經(jīng)網(wǎng)絡(luò)關(guān)系抽取方法訓(xùn)練模型時(shí)，采用遠(yuǎn)程監(jiān)督的方法生成關(guān)系抽取的訓(xùn)練語料，解決了關(guān)系抽取數(shù)據(jù)匱乏的問題。

但是，現(xiàn)有的遠(yuǎn)程監(jiān)督關(guān)系抽取方法易受到噪聲數(shù)據(jù)的影響，導(dǎo)致模型的準(zhǔn)確率普遍很低。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種實(shí)體關(guān)系抽取方法及裝置，提高了實(shí)體關(guān)系抽取方法的準(zhǔn)確率。

第一方面，本發(fā)明提供一種實(shí)體關(guān)系抽取方法，包括：

根據(jù)訓(xùn)練語料的實(shí)體信息和關(guān)鍵詞生成正則表達(dá)式；

將所述訓(xùn)練語料進(jìn)行分詞獲得分詞結(jié)果，將所述分詞結(jié)果轉(zhuǎn)換為向量，并將所述向量輸入神經(jīng)網(wǎng)絡(luò)；

將所述向量輸入神經(jīng)網(wǎng)絡(luò)的第一隱藏層，輸出向量集合；

根據(jù)正則表達(dá)式將所述向量集合輸入神經(jīng)網(wǎng)絡(luò)的第二隱藏層，輸出向量表達(dá)式；

將所述向量表達(dá)式輸入神經(jīng)網(wǎng)絡(luò)的輸出層，輸出實(shí)體關(guān)系類別的概率；

根據(jù)所述實(shí)體關(guān)系類別的概率對(duì)實(shí)體信息進(jìn)行關(guān)系抽取。

在一種可能的設(shè)計(jì)中，所述將所述分詞結(jié)果輸入神經(jīng)網(wǎng)絡(luò)的第一隱藏層，輸出向量集合，包括：

將所述分詞結(jié)果輸入神經(jīng)網(wǎng)絡(luò)的第一隱藏層，根據(jù)所述第一隱藏層中的參數(shù)輸出向量集合，其中，所述參數(shù)包括輸入門參數(shù)、遺忘門參數(shù)、細(xì)胞狀態(tài)參數(shù)和輸出門參數(shù)。

在一種可能的設(shè)計(jì)中，所述根據(jù)訓(xùn)練語料的實(shí)體信息和關(guān)鍵詞生成正則表達(dá)式，包括：

通過對(duì)訓(xùn)練語料進(jìn)行分詞，獲得候選關(guān)鍵詞；

通過對(duì)所述候選關(guān)鍵詞進(jìn)行聚類，獲得聚類結(jié)果；

對(duì)聚類結(jié)果進(jìn)行篩選處理類別關(guān)鍵詞；

根據(jù)訓(xùn)練語料的實(shí)體信息和所述類別關(guān)鍵詞生成正則表達(dá)式。

在一種可能的設(shè)計(jì)中，所述通過對(duì)訓(xùn)練語料進(jìn)行分詞，獲得候選關(guān)鍵詞，包括：

通過對(duì)訓(xùn)練語料進(jìn)行分詞；

利用TF-IDF算法對(duì)所述分詞結(jié)果進(jìn)行過濾，獲得候選關(guān)鍵詞。

在一種可能的設(shè)計(jì)中，所述通過對(duì)所述候選關(guān)鍵詞進(jìn)行聚類，獲得類別關(guān)鍵詞，包括：

利用word2vec算法對(duì)所述候選關(guān)鍵詞進(jìn)行聚類，獲得類別關(guān)鍵詞。