[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(shí)體屬性抽取方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010316616.5
• 申請(qǐng)日: 2020-04-21
• 公開（公告）號(hào): CN111914055A
• 公開（公告）日: 2020-11-10
• 發(fā)明（設(shè)計(jì)）人: 郭紹翠;楊旭;宋正強(qiáng);孫維夫
• 申請(qǐng)（專利權(quán)）人: 煙臺(tái)職業(yè)學(xué)院
• 主分類號(hào): G06F16/31
• 分類號(hào): 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

本發(fā)明公開了一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實(shí)體屬性抽取方法，包括插入、編碼、處理和判定四個(gè)步驟，將文本信息里的字或者詞變成一個(gè)稠密的向量，便于取機(jī)器的識(shí)別，并創(chuàng)建一個(gè)為待變成稠密向量的詞與實(shí)體之間的位置；通過算法對(duì)文本信息里的多個(gè)實(shí)體進(jìn)行頭實(shí)體的辨別，并通過多輪問答的方式對(duì)對(duì)應(yīng)的頭實(shí)體進(jìn)行提問，得到對(duì)應(yīng)的實(shí)體與頭實(shí)體之間的關(guān)系，并通過制表的方式將頭實(shí)體與實(shí)體之間的關(guān)系實(shí)現(xiàn)一一對(duì)應(yīng)，便于機(jī)器根據(jù)算法進(jìn)行文本信息內(nèi)多個(gè)實(shí)體之間層級(jí)關(guān)系的區(qū)分，不會(huì)因兩個(gè)實(shí)體之間的距離大小受到限制，通過表格使各個(gè)實(shí)體之間的關(guān)系更加的明顯，防止出現(xiàn)關(guān)系錯(cuò)雜的情況，導(dǎo)致機(jī)器對(duì)文本信息的識(shí)別準(zhǔn)確率下降。

技術(shù)領(lǐng)域

本發(fā)明涉及信息抽取技術(shù)領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實(shí)體屬性抽取方法。

背景技術(shù)

信息抽取是把文本里包含的信息進(jìn)行結(jié)構(gòu)化處理，變成表格一樣的組織形式。輸入信息抽取系統(tǒng)的是原始文本，輸出的是固定格式的信息點(diǎn)。信息點(diǎn)從各種各樣的文檔中被抽取出來，然后以統(tǒng)一的形式集成在一起。這就是信息抽取的主要任務(wù)。信息以統(tǒng)一的形式集成在一起的好處是方便檢查和比較。信息抽取技術(shù)并不試圖全面理解整篇文檔，只是對(duì)文檔中包含相關(guān)信息的部分進(jìn)行分析。至于哪些信息是相關(guān)的，那將由系統(tǒng)設(shè)計(jì)時(shí)定下的領(lǐng)域范圍而定。

現(xiàn)有技術(shù)存在以下不足：

1、現(xiàn)有的信息抽取傳統(tǒng)技術(shù)對(duì)層級(jí)關(guān)系的處理較困難，導(dǎo)致工作人員難以根據(jù)文本信息里的多個(gè)實(shí)體之間進(jìn)行建模，使文本信息里的多個(gè)實(shí)體之間的層級(jí)關(guān)系難以被機(jī)器區(qū)分。

2、現(xiàn)有的信息抽取傳統(tǒng)技術(shù)在對(duì)一段文本信息進(jìn)行處理時(shí)，文本信息里的兩個(gè)實(shí)體之間的距離較遠(yuǎn)，且兩個(gè)實(shí)體之間相互存在關(guān)系，使機(jī)器在進(jìn)行信息抽取的過程中易因關(guān)系的錯(cuò)雜，導(dǎo)致識(shí)別準(zhǔn)確率下降的情況。

在所述背景技術(shù)部分公開的上述信息僅用于加強(qiáng)對(duì)本公開的背景的理解，因此它可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實(shí)體屬性抽取方法，通過算法對(duì)文本信息里的多個(gè)實(shí)體進(jìn)行頭實(shí)體的辨別，并通過多輪問答的方式對(duì)對(duì)應(yīng)的頭實(shí)體進(jìn)行提問，得到對(duì)應(yīng)的實(shí)體與頭實(shí)體之間的關(guān)系，通過表格體現(xiàn)出的各個(gè)實(shí)體之間的關(guān)系，便于機(jī)器根據(jù)算法進(jìn)行文本信息內(nèi)多個(gè)實(shí)體之間層級(jí)關(guān)系的區(qū)分，防止出現(xiàn)關(guān)系錯(cuò)雜的情況，導(dǎo)致機(jī)器對(duì)文本信息的識(shí)別準(zhǔn)確率下降，以解決技術(shù)中的上述不足之處。

為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于深度學(xué)習(xí)的信息技術(shù)數(shù)據(jù)實(shí)體屬性抽取方法，包括以下具體步驟：

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

二、編碼——對(duì)于關(guān)系識(shí)別來說，即包含卷積神經(jīng)網(wǎng)絡(luò)相關(guān)的，也包含運(yùn)行相關(guān)的，把上下文的信息考慮進(jìn)來。舉例說明，一個(gè)脈沖耦合神經(jīng)網(wǎng)絡(luò)可通過兩個(gè)實(shí)體把句子分為多個(gè)部分，每個(gè)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(jìn)行分類；

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

四、判定——對(duì)定長的向量進(jìn)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。

優(yōu)選的，將文本信息里的字或者詞變成一個(gè)稠密的向量，便于取機(jī)器的識(shí)別。

優(yōu)選的，創(chuàng)建一個(gè)為待變成稠密向量的詞與實(shí)體之間的位置。

優(yōu)選的，在獲取對(duì)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(gè)實(shí)體把句子分為多個(gè)部分，每個(gè)部分分別做卷積神經(jīng)網(wǎng)絡(luò)的最大值池化。

優(yōu)選的，再將最大值池化的每個(gè)部分經(jīng)過Softmax分類器進(jìn)行分類，避免因直接對(duì)多個(gè)部分進(jìn)行最大值池化造成數(shù)據(jù)信息的丟失，提高機(jī)器抽取的準(zhǔn)確度。