[發明專利]數據關系抽取方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010935378.6
• 申請日: 2020-09-08
• 公開（公告）號: CN112016312B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 顏澤龍;王健宗;吳天博;程寧
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F40/30;G06N3/0464
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 李木燕

1.一種數據關系抽取方法，其特征在于，包括：

從待處理文本中獲取分詞得到的文本序列；

基于句法依存樹，獲取所述文本序列中每一詞的相關依賴詞及所述每一詞與所述相關依賴詞之間的語義關系；

根據所述每一詞、所述每一詞的相關依賴詞及所述每一詞與所述相關依賴詞之間的語義關系，生成與所述待處理文本對應的目標詞嵌入向量；

將所述目標詞嵌入向量輸入至深度卷積神經網絡，通過所述深度卷積神經網絡，基于所述目標詞嵌入向量對所述待處理文本進行實體關系信息抽取，獲取所述深度卷積神經網絡輸出的具有設定預測概率值的目標實體關系；

所述根據所述每一詞、所述每一詞的相關依賴詞及所述每一詞與所述相關依賴詞之間的語義關系，生成與所述待處理文本對應的目標詞嵌入向量，包括：

根據所述每一詞生成第一詞嵌入向量，根據所述每一詞的相關依賴詞，生成與所述第一詞嵌入向量對應的第二詞嵌入向量，及，根據所述每一詞與所述相關依賴詞間的語義關系，生成第三詞嵌入向量；

將所述第一詞嵌入向量、所述第二詞嵌入向量及所述第三詞嵌入向量進行合并，得到與所述待處理文本對應的目標詞嵌入向量；

所述根據所述每一詞生成第一詞嵌入向量，根據所述每一詞的相關依賴詞，生成與所述第一詞嵌入向量對應的第二詞嵌入向量，及，根據所述每一詞與所述相關依賴詞間的語義關系，生成第三詞嵌入向量，包括：

生成包含所述每一詞的相關依賴詞的相關詞序列及包含所述每一詞與所述相關依賴詞之間的語義關系的語義關系序列；

對所述文本序列、所述相關詞序列及所述語義關系序列進行文本長度標準化處理；

生成與文本長度標準化處理后的所述文本序列中每一詞對應的第一詞嵌入向量，生成與文本長度標準化處理后的所述相關詞序列中每一相關依賴詞對應的第二詞嵌入向量，生成與文本長度標準化處理后的所述語義關系序列中每一語義關系對應的第三詞嵌入向量。

2.根據權利要求1所述的方法，其特征在于，所述將所述第一詞嵌入向量、所述第二詞嵌入向量及所述第三詞嵌入向量進行合并，得到與所述待處理文本對應的目標詞嵌入向量，包括：

將所述第一詞嵌入向量、所述第二詞嵌入向量及所述第三詞嵌入向量進行合并，得到與所述待處理文本對應的N*3M的目標詞嵌入向量；

其中，所述N為長度標準化后的所述文本序列、所述相關詞序列及所述語義關系序列中所包含的元素數量；所述M為所述第一詞嵌入向量、所述第二詞嵌入向量及所述第三詞嵌入向量的向量維度。

3.根據權利要求1所述的方法，其特征在于，所述生成包含所述每一詞的相關依賴詞的相關詞序列及包含所述每一詞與所述相關依賴詞之間的語義關系的語義關系序列，包括：

根據所述每一詞、所述每一詞的相關依賴詞及所述每一詞與所述相關依賴詞之間的語義關系，得到文本序列中每一詞的語義三元組；

對每一詞的所述語義三元組進行整合，得到包含所述每一詞的相關依賴詞的相關詞序列，及包含所述每一詞與所述相關依賴詞之間的語義關系的語義關系序列。

4.根據權利要求1所述的方法，其特征在于，所述從待處理文本中獲取分詞得到的文本序列，包括：

對所述待處理文本中的每一字進行標注，得到用于指示所述每一字的詞語構成類別的標注信息；

根據所述標注信息，對所述待處理文本進行解析，得到構成所述待處理文本的詞，并生成以所述詞作為構成元素的文本序列。

5.根據權利要求1所述的方法，其特征在于，所述基于所述目標詞嵌入向量對所述待處理文本進行實體關系信息抽取，獲取所述深度卷積神經網絡輸出的具有設定預測概率值的目標實體關系之后，還包括：

將所述目標實體關系上傳至區塊鏈中。