[發明專利]關系抽取的方法、裝置、設備及存儲介質

在審

• 申請號: 202111350221.8
• 申請日: 2021-11-15
• 公開（公告）號: CN114090788A
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 唐光遠;羅琴;李潤靜;陳海波;熊瓊;張俊杰
• 申請（專利權）人: 珠海格力電器股份有限公司;珠海聯云科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/284;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 唐會娜

1.一種關系抽取的方法，其特征在于，包括：

獲取與空調相關的至少兩個待識別的文本；

對各個所述待識別的文本進行語義編碼，得到與所述待識別的文本各自對應的詞向量；

基于各個詞向量，提取各個所述待識別的文本之間的依賴關系。

2.根據權利要求1所述的關系抽取的方法，其特征在于，所述對各個所述待識別的文本進行語義編碼，得到與所述待識別的文本各自對應的詞向量，包括：

將各個所述待識別的文本輸入到預先訓練好的ELMo模型中，利用所述ELMo模型對各個所述待識別的文本進行語義編碼，得到每個所述待識別的文本各自的詞向量。

3.根據權利要求2所述的關系抽取方法，其特征在于，所述基于各個詞向量，提取各個所述待識別的文本之間的依賴關系，包括：

將各個所述詞向量，輸入到預先訓練好的深度金字塔卷積神經網絡模型中，提取各個所述待識別的文本之間的依賴關系。

4.根據權利要求1～3任意一項所述的關系抽取方法，其特征在于，所述依賴關系包括：配件從屬關系、屬性長度從屬關系、屬性管徑從屬關系、屬性數量從屬關系和主客從屬關系中的至少一種。

5.根據權利要求3所述的關系抽取方法，其特征在于，所述將各個所述待識別的文本輸入到預先訓練好的ELMo模型中之前，還包括：

獲取標注好的與空調相關的多個訓練文本；

利用所述訓練文本，對初始ELMo模型進行訓練，得到訓練好的ELMo模型以及各個所述訓練文本各自對應的目標詞向量；

利用各個所述目標詞向量，對初始深度金字塔卷積神經網絡模型進行訓練，得到訓練好的深度金字塔卷積神經網絡模型。

6.根據權利要求5所述的關系抽取方法，其特征在于，所述獲取標注好的與空調相關的多個訓練文本，包括：

獲取空調文本文件；

對所述空調文本文件進行數據清洗，得到清洗后的數據；

對所述清洗后的數據進行標注，得到標注好的空調相關的多個訓練文本。

7.根據權利要求6所述的關系抽取方法，其特征在于，所述對所述空調文本文件進行數據清洗，得到清洗后的數據，包括：

獲取預設的停用詞列表；其中，所述停用詞列表中包括至少一個停用詞；

獲取預設的符號列表；其中，所述符號列表中包括至少一個無用符號；

遍歷所述空調文本文件，查找所述空調文本文件中存在的與所述停用詞相匹配的第一文本，以及查找所述空調文本文件中存在的與所述無用符號相匹配的第二文本，刪除所述第一文本和所述第二文本，得到清洗后的數據。

8.一種關系抽取的裝置，其特征在于，包括：

獲取模塊，用于獲取與空調相關的至少兩個待識別的文本；

編碼模塊，用于對各個所述待識別的文本進行語義編碼，得到與所述待識別的文本各自對應的詞向量；

提取模塊，用于基于各個詞向量，提取各個所述待識別的文本之間的依賴關系。

9.一種電子設備，其特征在于，包括：處理器、存儲器和通信總線，其中，處理器和存儲器通過通信總線完成相互間的通信；

所述存儲器，用于存儲計算機程序；

所述處理器，用于執行所述存儲器中所存儲的程序，實現權利要求1～7任意一項所述的關系抽取的方法。

10.一種計算機可讀存儲介質，存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1～7任意一項所述的關系抽取的方法。