[發明專利]一種基于知識圖譜的紅樓夢人物關系框架相似度評判方法

在審

• 申請號: 202011008324.1
• 申請日: 2020-09-23
• 公開（公告）號: CN112101009A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 鄭麗敏;呂慶
• 申請（專利權）人: 中國農業大學
• 主分類號: G06F40/242
• 分類號: G06F40/242;G06F40/216;G06F40/295;G06F16/36;G06F16/28;G06K9/62;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于知識圖譜的紅樓夢人物關系框架相似度評判方法，其特征在于：搜集數據的補全以及自定義百家姓、人物詞典的構造以及對數據集的標注方法：

(1)搜集紅樓夢人物、關系以及與人物相關的地點，整理整合多來源的數據，查缺補漏，得到一個相對全面的數據；

(2)搜集百家姓，搜集小說中出現頻率較高的人物名字中的第一個字，如果百家姓中沒有則添加進去，比如說獨孤求敗，獨孤在百家姓中沒有，但是在小說中出現的頻率十分高，只取‘獨’這一個字加入百家姓中；

(3)將整理好的紅樓夢人物、地點、新百家姓構建人物字典，具體為：人物、地點以人物+PER標簽，地點+LOC標簽的方法構建人物詞典；新百家姓中的姓加B-PER標簽；加入人物字典；編寫python編碼匹配人物字典，將紅樓夢整本txt文件轉換為標準的BIO形式的txt文件；將BIO形式的txt文件以7:3的比例分為訓練集和測試集，用k折切割將訓練集的不同部分作為驗證集；

(4)將unknow關系加入搜集到的紅樓夢關系中，以數字+關系方式構建關系詞典；依據關系詞典，以數字+句子的方法對句子打標簽，其中句子中的人物名稱用掩碼+通配符表示；將打過標簽的數據集文件以8:2的比例分為訓練集和測試集，用k折切割將訓練集的不同部分作為驗證集。

2.一種基于知識圖譜的紅樓夢人物關系框架相似度評判方法，其特征在于：對原生BERT模型的改進，得到WBERT：

(1)實驗證明BERT每一層對文本的理解都有所不同，為此對BERT模型進行了微調；

(2)將BERT的12層TRANSFORMER生成的表示賦予一個權重，權重的初始化為：a_i＝Dense_unit＝1(represent_i)(其中a_i表示第i層的初始權重，Dense表示全連接層，represent_i表示第i層的輸出，unit＝1表示最后將向量降維到一維，從而得到a₁-a₁₂這12個初始化權重；

(3)通過訓練來確定權重值，將a₁-a₁₂這12個初始化權重作比較，得出權重值最大的賦值為a₀；

(4)將ai(represent_i)(其中i不等于0，ai表示第i層的權重，represent_i表示第i層的輸出)分別通過一個池化層作最大池化，池化層為3×3×768的核；

(5)將a₀(represent₀)(a₀表示a₁-a₁₂中最大的權重值，represent₀表示這個值對應的輸出)與池化后的向量做拼接；

(6)再通過一層全連接層將(5)得到拼接向量降維至512維：output＝Dense_unit＝512(其中output表示最后的輸出，Dense表示全連接層，unit＝512表示最后將向量降維到512維)。