[發(fā)明專利]文本的實(shí)體關(guān)系抽取方法和模型訓(xùn)練方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010082707.7
• 申請(qǐng)日: 2020-02-07
• 公開（公告）號(hào): CN111339774B
• 公開（公告）日: 2022-11-29
• 發(fā)明（設(shè)計(jì)）人: 陳曦;盧睿軒;文瑞;孫繼超;劉羽
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06F40/295
• 分類號(hào): G06F40/295;G06F40/30;G06F16/36
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 譚英強(qiáng)

1.一種文本的實(shí)體關(guān)系抽取方法，其特征在于，包括以下步驟：

獲取輸入文本；

對(duì)所述輸入文本進(jìn)行識(shí)別處理，得到所述輸入文本中的至少兩個(gè)實(shí)體和所述至少兩個(gè)實(shí)體的類型；

從所述至少兩個(gè)實(shí)體中確定目標(biāo)實(shí)體對(duì)；

根據(jù)目標(biāo)實(shí)體的類型，將所述輸入文本中的所述目標(biāo)實(shí)體替換成用于表示所述目標(biāo)實(shí)體的類型的字符，將所述替換文本或者輸入文本中所有與所述目標(biāo)實(shí)體類型相同的非目標(biāo)實(shí)體替換為沒有具體含義的字符，得到所述輸入文本的替換文本，所述非目標(biāo)實(shí)體是指所述至少兩個(gè)實(shí)體中除目標(biāo)實(shí)體以外的實(shí)體；

從所述替換文本中提取語義特征信息；

從所述輸入文本中提取依存關(guān)系特征信息；

將所述語義特征信息和所述依存關(guān)系特征信息進(jìn)行組合處理后再分類，得到所述目標(biāo)實(shí)體對(duì)的關(guān)系分類結(jié)果，以確定所述目標(biāo)實(shí)體對(duì)的關(guān)系。

2.根據(jù)權(quán)利要求1所述的一種文本的實(shí)體關(guān)系抽取方法，其特征在于，所述從所述輸入文本中提取依存關(guān)系特征信息，包括：

對(duì)所述輸入文本進(jìn)行依存關(guān)系分析處理，得到所述輸入文本的依存關(guān)系信息；

對(duì)所述輸入文本進(jìn)行詞嵌入處理，得到所述輸入文本中詞語的詞向量；

通過圖狀態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)所述輸入文本中詞語的詞向量進(jìn)行處理，得到所述輸入文本的依存關(guān)系特征信息；

其中，所述圖狀態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)包括多個(gè)節(jié)點(diǎn)，所述輸入文本中每個(gè)詞語的詞向量被輸入到所述圖狀態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)的不同節(jié)點(diǎn)中，所述圖狀態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)根據(jù)所述輸入文本的依存關(guān)系信息改變各節(jié)點(diǎn)的連接關(guān)系，使所述輸入文本的依存關(guān)系信息映射到循環(huán)神經(jīng)網(wǎng)絡(luò)的各節(jié)點(diǎn)的連接關(guān)系中。

3.根據(jù)權(quán)利要求2所述的一種文本的實(shí)體關(guān)系抽取方法，其特征在于，所述依存關(guān)系信息是樹狀圖，所述樹狀圖包括第一層至第N層，其中，第一層為根節(jié)點(diǎn)層，N為大于等于2的整數(shù)；

所述通過圖狀態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)所述輸入文本中詞語的詞向量進(jìn)行處理，得到所述輸入文本的依存關(guān)系特征信息，包括：

按照第一層到第N層的順序，更新所述依存關(guān)系信息中每一層的詞語對(duì)應(yīng)的詞向量所在的節(jié)點(diǎn)的輸出向量；

在更新完所述圖狀態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)的所有節(jié)點(diǎn)后，根據(jù)所有節(jié)點(diǎn)的輸出向量得到第二向量以表征所述依存關(guān)系特征信息；

其中，位于同一層的詞語對(duì)應(yīng)的詞向量所在的節(jié)點(diǎn)同步更新。

4.根據(jù)權(quán)利要求2或3所述的一種文本的實(shí)體關(guān)系抽取方法，其特征在于，所述圖狀態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)中的各節(jié)點(diǎn)對(duì)本節(jié)點(diǎn)中的詞向量和接收到的關(guān)聯(lián)節(jié)點(diǎn)的輸出向量進(jìn)行加權(quán)后得到本節(jié)點(diǎn)的輸出向量；

其中，所述關(guān)聯(lián)節(jié)點(diǎn)包括與本節(jié)點(diǎn)相鄰的節(jié)點(diǎn)或者與本節(jié)點(diǎn)存在依存關(guān)系的節(jié)點(diǎn)，兩個(gè)節(jié)點(diǎn)存在依存關(guān)系是指兩個(gè)節(jié)點(diǎn)中的詞向量分別對(duì)應(yīng)的詞語在依存關(guān)系信息中存在直接的關(guān)系。

5.根據(jù)權(quán)利要求1或2所述的一種文本的實(shí)體關(guān)系抽取方法，其特征在于，所述語義特征信息由第一向量表示，所述依存關(guān)系特征由第二向量表示；

所述將所述語義特征信息和所述依存關(guān)系特征信息進(jìn)行組合處理，其具體為：

將第一向量和第二向量進(jìn)行拼接處理。

6.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的一種文本的實(shí)體關(guān)系抽取方法，其特征在于，所述從所述至少兩個(gè)實(shí)體中確定目標(biāo)實(shí)體對(duì)，具體為：

根據(jù)所述實(shí)體的類型，從所述至少兩個(gè)實(shí)體中選擇滿足預(yù)設(shè)的類型關(guān)系的兩個(gè)實(shí)體作為目標(biāo)實(shí)體對(duì)。

7.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的一種文本的實(shí)體關(guān)系抽取方法，其特征在于，還包括以下步驟：

對(duì)得到的所述目標(biāo)實(shí)體對(duì)的關(guān)系進(jìn)行校驗(yàn)。