[發(fā)明專利]一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實體屬性抽取方法

在審

• 申請?zhí)枺?/td>: 202010316616.5
• 申請日: 2020-04-21
• 公開（公告）號: CN111914055A
• 公開（公告）日: 2020-11-10
• 發(fā)明（設(shè)計）人: 郭紹翠;楊旭;宋正強;孫維夫
• 申請（專利權(quán)）人: 煙臺職業(yè)學(xué)院
• 主分類號: G06F16/31
• 分類號: G06F16/31;G06F16/35;G06F40/295;G06F16/332
• 代理公司: 深圳紫晴專利代理事務(wù)所(普通合伙) 44646
• 代理人: 付欽偉

1.一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實體屬性抽取方法，其特征在于，包括以下具體步驟：

一、插入——將字或者詞變成一個稠密的向量，一般認(rèn)為待變成稠密向量的詞與實體之間的位置是一個相對位置；

二、編碼——對于關(guān)系識別來說，即包含卷積神經(jīng)網(wǎng)絡(luò)相關(guān)的，也包含運行相關(guān)的，把上下文的信息考慮進來。舉例說明，一個脈沖耦合神經(jīng)網(wǎng)絡(luò)可通過兩個實體把句子分為多個部分，每個部分分別做卷積神經(jīng)網(wǎng)絡(luò)的最大值池化，再經(jīng)過Softmax分類器進行分類；

三、處理——處理器可以處理分辨出兩個實體是由于哪個詞分辨出是顧傭的關(guān)系；

四、判定——對定長的向量進行判定分類，主要是把兩部分的一些模型的參數(shù)在底層被共享起來。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實體屬性抽取方法，其特征在于，將文本信息里的字或者詞變成一個稠密的向量，便于取機器的識別。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實體屬性抽取方法，其特征在于，創(chuàng)建一個為待變成稠密向量的詞與實體之間的位置。

4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實體屬性抽取方法，其特征在于，在獲取對應(yīng)位置的稠密向量后，使脈沖耦合神經(jīng)網(wǎng)絡(luò)通過兩個實體把句子分為多個部分，每個部分分別做卷積神經(jīng)網(wǎng)絡(luò)的最大值池化。

5.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實體屬性抽取方法，其特征在于，再將最大值池化的每個部分經(jīng)過Softmax分類器進行分類，避免因直接對多個部分進行最大值池化造成數(shù)據(jù)信息的丟失，提高機器抽取的準(zhǔn)確度。

6.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實體屬性抽取方法，其特征在于，對編碼后的兩個實體進行處理，便于確定兩個實體之間的從屬關(guān)系。

7.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實體屬性抽取方法，其特征在于，使機器進行層級關(guān)系的區(qū)分時，便于根據(jù)從屬關(guān)系進行層級關(guān)系的辨別。

8.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實體屬性抽取方法，其特征在于，便于在對不同長度的向量進行層級關(guān)系的分辨后，對定長的向量進行建模。

9.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實體屬性抽取方法，其特征在于，便于使底層的模型參數(shù)可在外界設(shè)備命令需求時得到共享，便于提高機器數(shù)據(jù)抽取的速率。