[发明专利]一种关系抽取系统、方法和装置

权利要求书

1.一种关系抽取系统，其特征在于，包括：

来自变换器的双向编码器表征量BERT层，用于对输入句子的向量矩阵进行分类，所述分类的类别包括实体无关系的噪音句子和实体有关系的句子；

卷积神经网络CNN层，用于将被分类为实体有关系的句子的向量矩阵转换为句向量；

注意力层，用于计算所述句向量与关系向量之间的相似度，基于所述相似度为所述句向量设置权重，并基于所述句向量的加权求和结果得到所述关系向量的输出矩阵；

线性层，用于对所述输出矩阵降维，以得到输出向量；

Softmax层，用于对所述输出向量执行概率规划计算，以获取所述输入句子的关系概率分布。

2.根据权利要求1所述的关系抽取系统，其特征在于，还包括：

词向量计算工具，用于将所述输入句子分为100个词，其中输入句子中多于100个词的多余部分被截掉，不足100个词的输入句子的不足部分用零补全；将所述100个词分别转换为维度为50的词向量；基于每个词的词向量生成所述输入句子的向量矩阵。

3.根据权利要求2所述的关系抽取系统，其特征在于，

所述CNN层，用于将被分类为实体有关系的句子的向量矩阵转换为维度为230的句向量；所述关系向量的数目为N；所述输出矩阵为N×230矩阵；

所述线性层，用于将所述N×230矩阵转换为N维的输出向量。

4.根据权利要求1所述的关系抽取系统，其特征在于，

所述BERT层，用于将类别为噪音句子的向量矩阵附加标签值0，将类别为实体有关系的句子的向量矩阵附加标签值1；

所述卷积神经网络CNN层，用于将标签值1的向量矩阵转换为句向量。

5.根据权利要求1所述的关系抽取系统，其特征在于，

所述关系抽取系统的损失函数为L，L＝L₁+L₂；

其中L₁为句子分类损失函数，L₂为关系分类损失函数。

6.一种关系抽取方法，其特征在于，包括：

使能来自变换器的双向编码器表征量BERT层对输入句子的向量矩阵进行分类，所述分类的类别包括实体无关系的噪音句子和实体有关系的句子；

使能卷积神经网络CNN层将被分类为实体有关系的句子的向量矩阵转换为句向量；

使能注意力层计算所述句向量与关系向量之间的相似度，基于所述相似度为所述句向量设置权重，并基于所述句向量的加权求和结果得到所述关系向量的输出矩阵；

使能线性层对所述输出矩阵降维，以得到输出向量；

使能Softmax层对所述输出向量执行概率规划计算，以获取所述输入句子的关系概率分布。

7.根据权利要求6所述的关系抽取方法，其特征在于，该方法还包括：

使能词向量计算工具将所述输入句子分为100个词，其中输入句子中多于100个词的多余部分被截掉，不足100个词的输入句子的不足部分用零补全；将所述100个词分别转换为维度为50的词向量；基于每个词的词向量生成所述输入句子的向量矩阵。

8.根据权利要求6所述的关系抽取方法，其特征在于，

使能BERT层对输入句子的向量矩阵进行分类包括：使能所述BERT层将类别为噪音句子的向量矩阵附加标签值0，将类别为实体有关系的句子的向量矩阵附加标签值1；

所述使能CNN层将被分类为实体有关系的句子的向量矩阵转换为句向量包括：使能所述CNN层将标签值1的向量矩阵转换为句向量。

9.一种关系抽取装置，其特征在于，包括处理器和存储器；

所述存储器中存储有可被所述处理器执行的应用程序，用于使得所述处理器执行如权利要求6-8中任一项所述的关系抽取方法。

10.一种计算机可读存储介质，其特征在于，其中存储有计算机可读指令，该计算机可读指令用于执行如权利要求6-8中任一项所述的关系抽取方法。