[發明專利]三元組抽取方法及系統

有效

• 申請號: 202011276362.5
• 申請日: 2020-11-16
• 公開（公告）號: CN112560475B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 李文鋒;侯樂;趙九州;趙從志
• 申請（專利權）人: 和美（深圳）信息技術股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/295;G06F16/28;G06N3/0464;G06N3/049;G06N3/08
• 代理公司: 北京鍾維聯合知識產權代理有限公司 11579
• 代理人: 安娜

1.一種三元組抽取方法，其特征在于，包括：

利用分詞編碼器對批量文本信息進行處理得到對應的分詞文本、以及所述分詞文本對應的分詞編碼文本與分句編碼文本；所述分詞編碼文本包括所述分詞文本中每個分詞結果對應的編碼信息，所述分句編碼文本包括所述分詞文本中每句話的編碼信息；

利用ALBERT模型對所述分詞編碼文本與分句編碼文本進行處理，得到文本向量；

根據所述文本向量、所述分詞編碼文本與分句編碼文本，利用全連接層學習得到頭實體位置信息以及尾實體位置信息；

根據所述頭實體位置信息以及尾實體位置信息，確定抽取得到的三元組；

所述根據所述文本向量、所述分詞編碼文本與分句編碼文本，利用全連接層學習得到頭實體位置信息以及尾實體位置信息的步驟包括：

將所述文本向量輸入全連接層進行學習得到頭實體向量，并根據所述頭實體向量以及預設的頭實體頭部閾值以及頭實體尾部閾值確定頭實體位置信息；

將所述頭實體位置信息、所述分詞編碼文本與分句編碼文本輸入全連接層進行學習得到尾實體向量，并根據所述尾實體向量以及預設的尾實體頭部閾值以及尾實體尾部閾值確定尾實體位置信息。

2.根據權利要求1所述的三元組抽取方法，其特征在于，所述根據所述頭實體位置信息以及尾實體位置信息，確定抽取得到的三元組的步驟包括：

根據所述頭實體位置信息以及尾實體位置信息確定所述頭實體與尾實體之間關系實體位置信息；

根據所述頭實體位置信息、關系實體位置信息、以及尾實體位置信息之間關系實體位置信息在所述分詞文本中確定對應的頭實體文本、關系實體文本以及尾實體文本；

將所述頭實體文本、關系實體文本以及尾實體文本作為抽取得到的三元組。

3.根據權利要求2所述的三元組抽取方法，其特征在于，所述將所述文本向量輸入全連接層進行學習得到頭實體向量的步驟中的頭實體損失函數表示為：

其中，Hp(s)表示頭實體損失函數的二分類交叉熵損失；

yi表示第i個樣本的標簽，p(yi)表示該樣本屬于正樣本的概率；

對于正樣本yi＝1，loss＝-log(p(yi)),當p(yi)越大時，損失越小；

對于負樣本yi＝0，loss＝-log(1-p(yi)),當p(yi)越小時，損失越小。

4.根據權利要求3所述的三元組抽取方法，其特征在于，將所述頭實體位置信息、所述分詞編碼文本與分句編碼文本輸入全連接層進行學習得到尾實體向量的步驟中的尾實體損失函數表示為：

其中，Hp(o)表示尾實體損失函數的二分類交叉熵損失；

yi表示第i個樣本的標簽,p(yi)表示該樣本屬于正樣本的概率；

對于正樣本yi＝1，loss＝-log(p(yi)),當p(yi)越大時，損失越小；

對于負樣本yi＝0，loss＝-log(1-p(yi)),當p(yi)越小時，損失越小。

5.一種三元組抽取系統，其特征在于，包括：

分詞編碼器，用于對批量文本信息進行處理得到對應的分詞文本、以及所述分詞文本對應的分詞編碼文本與分句編碼文本；所述分詞編碼文本包括所述分詞文本中每個分詞結果對應的編碼信息，所述分句編碼文本包括所述分詞文本中每句話的編碼信息；

ALBERT模型單元，用于對所述分詞編碼文本與分句編碼文本進行處理，得到文本向量；

全連接層學習單元，用于根據所述文本向量、所述分詞編碼文本與分句編碼文本，利用全連接層學習得到頭實體位置信息以及尾實體位置信息；

三元組抽取單元，用于根據所述頭實體位置信息以及尾實體位置信息，確定抽取得到的三元組；

所述全連接層學習單元包括：

第一全連接層學習子單元，用于將所述文本向量輸入全連接層進行學習得到頭實體向量，并根據所述頭實體向量以及預設的頭實體頭部閾值以及頭實體尾部閾值確定頭實體位置信息；

第二全連接層學習子單元，用于將所述頭實體位置信息、所述分詞編碼文本與分句編碼文本輸入全連接層進行學習得到尾實體向量，并根據所述尾實體向量以及預設的尾實體頭部閾值以及尾實體尾部閾值確定尾實體位置信息。