[发明专利]一种面向中文文本的端到端实体关系联合抽取方法在审
| 申请号： | 201910659195.3 | 申请日： | 2019-07-22 |
| 公开（公告）号： | CN110472235A | 公开（公告）日： | 2019-11-19 |
| 发明（设计）人： | 徐汕;胡博钦;张晶亮;梁炬;谢水庚;郝志强;职亮亮 | 申请（专利权）人： | 北京航天云路有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06N3/04 |
| 代理公司： | 11210 北京纽乐康知识产权代理事务所(普通合伙) | 代理人： | 刘艳艳<国际申请>=<国际公布>=<进入 |
| 地址： | 100039 北京市海淀区西*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 中文文本 实体关系 抽取 构建 端到端 自动化 非结构化文本 三元组信息 标签序列 人工标注 人工审核 数据标注 词向量 三元组 数据集 联合 分词 建模 工业产品 学习 句子 标注 图谱 应用 中文 | ||
1.一种面向中文文本的端到端实体关系联合抽取方法，其特征在于，包括以下步骤：
从百度百科中获得工业产品相关数据，再进行人工标注和人工审核；
对标注好的数据集进行分词，包括其中的句子和实体关系信息，使用Word2Vec方法构建词向量；
句子格式化：首先将句子按不同的长度范围，划分成不同的句子集合，再在每个句子的首尾分别加上特殊符号，并将同一集合中的句子扩展到同一长度；
构建端到端的深度学习模型来生成标签序列，所述端到端的深度学习模型为CNN-LSTM模型；
使用Precision，Recall以及F1值来作为模型预测结果的评价标准。
2.根据权利要求1所述的端到端实体关系联合抽取方法，其特征在于，所述端到端的深度学习模型包含字级编码器、词级编码器和一个带有偏差损失的基于LSTM的解码层。
3. 根据权利要求2所述的端到端实体关系联合抽取方法，其特征在于，所述字级编码器使用CNN来获取句子中第i个词中的字符特征。
4.根据权利要求3所述的端到端实体关系联合抽取方法，其特征在于，所述词级编码器的输入是由上一步的字符特征与当前词的词向量拼接而成；所述词级编码器输出的每个词的特征由上一层网络的输出和输入层拼接而成。
5.根据权利要求4所述的端到端实体关系联合抽取方法，其特征在于，所述词向量经过预训练的模型进行初始化，并在模型训练过程中不断更新。
6.根据权利要求2所述的端到端实体关系联合抽取方法，其特征在于，在所述解码层，使用LSTM来处理标签序列。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京航天云路有限公司，未经北京航天云路有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910659195.3/1.html，转载请声明来源钻瓜专利网。
