[发明专利]一种基于集成学习的关系抽取方法及系统

权利要求书

1.一种基于集成学习的关系抽取方法，其特征在于，所述方法包括：

S1、接收文本数据和实体对，分句，确定语句的目标实体对，构建由包含所述实体对的语句组成的句包；

S2、对语句中单词构建词向量，为语句构建词向量序列；

S3、通过多角度卷积神经网络，从词向量序列中提取语句特征，构建句向量；

S4、通过动态路由机制，使用句向量“投票”方法构建句包向量；

S5、通过由全连接层和softmax层构成的分类器，确定句包对应的关系；

所述多角度卷积神经网络包括卷积层、池化层和全连接层；

所述步骤S4中，通过动态路由机制计算得到句包向量，该机制的迭代计算公式为：

其中，j为迭代次数，q_i为句包中第i个句向量，为耦合系数，表示q_i所占权重，加和为1，b^j为句包向量，d为存耦合系数的临时变量，squash是激活函数。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，确定语句的目标实体对的步骤包括：

S11、把语句中所述实体对的两类实体和位置信息分别放入集合E₁,E₂中；

S12、将距离最近的所述实体对放入集合C中；

S13、如果集合C中只有一个实体对，那么该实体对为目标实体对；否则，将距离句子中间位置最近的实体对放入集合D中；

S14、如果集合D中只有一个实体对，那么该实体对为目标实体对；否则集合中第一个实体对为目标实体对。

3.根据权利要求1所述的方法，其特征在于，所述步骤S2中构建词向量的步骤包括：

S21、将语句s＝{w₁,w₂,...,w_n}中的单词与目标实体对的相对距离映射为d_e维位置向量其中，w_i为语句中第i个单词，n为语句中单词数量，e₁,e₂分别表示目标实体对的两个目标实体；

S22、使用Skip-gram模型，对每个单词w_i构建其词向量v_i；

S23、构建包含位置信息的词向量x_i及语句的词向量序列X：

X＝x₁,x₂,...,x_n。

4.根据权利要求1所述的方法，其特征在于，所述步骤S3中，卷积层包含两个一维卷积核，大小分别为3和7，池化层采取top-4池化方法，经过全连接层获取句向量q。

5.根据权利要求1所述的方法，其特征在于，所述步骤S5中，将由句包向量构成的矩阵B作为分类器中全连接层的输入，其输出为：

o＝W^rB+D

其中，W^r为参数矩阵，D为偏置向量，B为包级别的表示矩阵，B由多个句包向量构成。

6.根据权利要求5所述的方法，其特征在于，所述步骤S5中，分类器中softmax层将全连接层的输出归一化，计算句包分到每一类关系的关系概率p(r|B,θ)：

其中，θ为多角度卷积神经网络和分类器的参数，n为句包数目，r为关系。

7.根据权利要求6所述的方法，其特征在于，所述步骤S5中，以交叉熵J(θ)为目标函数训练所述多角度卷积神经网络和所述分类器；

其中，n为句包数目，r为关系，B_i为第i个句包向量，为第i个句包的关系，表示当参数为θ时，第i个句包向量分到关系的关系概率；

训练完成后，对于输入到分类器的句包，关系概率最大的关系为句包所属关系。