[發明專利]知識圖譜關系抽取方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011423929.7
• 申請日: 2020-12-08
• 公開（公告）號: CN112560490A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 余爾鑫;田原;常毅
• 申請（專利權）人: 吉林大學
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/211;G06N3/04
• 代理公司: 北京恒博知識產權代理有限公司 11528
• 代理人: 張曉芳

1.一種知識圖譜關系抽取方法，其特征在于，所述方法包括：

獲取至少一個句子集合；其中，所述句子集合包括多個相同實體的句子；

將所述至少一個句子集合輸入句子層次化模型輸出所述至少一個句子集合中每個句子的最終表示；

將所述至少一個句子集合中每個句子的最終表示與動態注意力機制結合，獲得所述至少一個句子集合的關系分類策略；其中，所述動態注意力機制用于表示所述每個句子的層次表示在對應的句子集合中的權重。

2.如權利要求1所述的方法，其特征在于，所述句子層次化模型包括：詞向量層、嵌入層、以及分段卷積神經網絡層；

所述將所述至少一個句子集合輸入句子層次化模型輸出所述至少一個句子集合中每個句子的最終表示，包括：

將當前句子集合中的每個句子輸入所述詞向量層輸出所述當前句子中的多個詞向量；

將所述當前句子中的多個詞向量輸入所述嵌入層輸出所述當前句子的嵌入式表示；

將所述當前句子的嵌入式表示輸入所述分段卷積神經網絡層輸出所述當前句子的最終表示。

3.如權利要求2所述的方法，其特征在于，所述將當前句子集合中的每個句子輸入所述詞向量層輸出所述當前句子中的多個詞向量，包括：將所述當前句子集合中的每個句子輸入所述詞向量層輸出所述當前句子的預設維度的多個詞向量。

4.如權利要求2所述的方法，其特征在于，所述將所述當前句子中的多個詞向量輸入所述嵌入層輸出所述當前句子的嵌入式表示，包括：

將所述每個句子中的多個詞向量輸入所述實體感知的嵌入層得到所述每個句子中的頭實體、頭實體的位置表示、尾實體、以及尾實體的位置表示；

基于所述頭實體和所述頭實體的位置表示確定所述每個句子中頭實體感知的嵌入式表示；

基于所述尾實體和所述尾實體的位置表示確定所述每個句子中尾實體感知的嵌入式表示；

將所述每個句子中頭實體感知的嵌入式表示和所述每個句子中尾實體感知的嵌入式表示插入對應的句子中，得到所述每個句子的嵌入式表示。

5.如權利要求2所述的方法，其特征在于，所述分段卷積神經網絡包括卷積層和分段最大池化層；

所述將所述當前句子的嵌入式表示輸入所述分段卷積神經網絡層輸出所述當前句子的最終表示，包括：

將當前句子的嵌入式表示輸入所述卷積層輸出所述當前句子的高緯度特征表示；其中，所述高維度特征表示用于表示所述當前句子的嵌入式經所述卷積層中的卷積核處理后得到的所述當前句子的高維度特征；

基于所述當前句子的高緯度特征表示、所述當前句子的頭實體的位置嵌入式表示、以及所述尾實體的位置嵌入式表示利用所述分段最大池化層將所述當前句子切分為三段，確定所述當前句子中每段的最大值；

將所述當前句子中每段的最大值進行串聯，得到所述當前句子的最終表示。

6.如權利要求1-5任一所述的方法，其特征在于，所述將所述至少一個句子集合中每個句子的層次表示與動態注意力機制結合，獲得所述至少一個句子集合的關系分類策略，包括：

將所述至少一個句子集合中每個句子的層次表示與所述動態注意力機制結合，得到所述句子集合對應的關系三元組的標簽；其中，所述關系三元組包括：主體、關系、以及客體；

在所述句子集合對應的關系三元組的標簽與預設的關系三元組的標簽匹配的情況下，得到所述至少一個句子集合的關系分類策略。

7.如權利要求6所述的方法，其特征在于，所述將所述至少一個句子集合中每個句子的層次表示與動態注意力機制結合，獲得所述至少一個句子集合的關系分類策略，還包括：

在所述句子集合對應的關系三元組的標簽與預設的關系三元組的標簽不匹配的情況下，調整所述動態注意力機制結合中每個句子的最終表示在對應的句子集合中的權重，直到所述句子集合對應的關系三元組的標簽與預設的關系三元組的標簽匹配，得到所述至少一個句子集合的關系分類策略。