[发明专利]数据关系抽取方法、装置、电子设备及存储介质

权利要求书

1.一种数据关系抽取方法，其特征在于，包括：

从待处理文本中获取分词得到的文本序列；

基于句法依存树，获取所述文本序列中每一词的相关依赖词及所述每一词与所述相关依赖词之间的语义关系；

根据所述每一词、所述每一词的相关依赖词及所述每一词与所述相关依赖词之间的语义关系，生成与所述待处理文本对应的目标词嵌入向量；

将所述目标词嵌入向量输入至深度卷积神经网络，通过所述深度卷积神经网络，基于所述目标词嵌入向量对所述待处理文本进行实体关系信息抽取，获取所述深度卷积神经网络输出的具有设定预测概率值的目标实体关系；

所述根据所述每一词、所述每一词的相关依赖词及所述每一词与所述相关依赖词之间的语义关系，生成与所述待处理文本对应的目标词嵌入向量，包括：

根据所述每一词生成第一词嵌入向量，根据所述每一词的相关依赖词，生成与所述第一词嵌入向量对应的第二词嵌入向量，及，根据所述每一词与所述相关依赖词间的语义关系，生成第三词嵌入向量；

将所述第一词嵌入向量、所述第二词嵌入向量及所述第三词嵌入向量进行合并，得到与所述待处理文本对应的目标词嵌入向量；

所述根据所述每一词生成第一词嵌入向量，根据所述每一词的相关依赖词，生成与所述第一词嵌入向量对应的第二词嵌入向量，及，根据所述每一词与所述相关依赖词间的语义关系，生成第三词嵌入向量，包括：

生成包含所述每一词的相关依赖词的相关词序列及包含所述每一词与所述相关依赖词之间的语义关系的语义关系序列；

对所述文本序列、所述相关词序列及所述语义关系序列进行文本长度标准化处理；

生成与文本长度标准化处理后的所述文本序列中每一词对应的第一词嵌入向量，生成与文本长度标准化处理后的所述相关词序列中每一相关依赖词对应的第二词嵌入向量，生成与文本长度标准化处理后的所述语义关系序列中每一语义关系对应的第三词嵌入向量。

2.根据权利要求1所述的方法，其特征在于，所述将所述第一词嵌入向量、所述第二词嵌入向量及所述第三词嵌入向量进行合并，得到与所述待处理文本对应的目标词嵌入向量，包括：

将所述第一词嵌入向量、所述第二词嵌入向量及所述第三词嵌入向量进行合并，得到与所述待处理文本对应的N*3M的目标词嵌入向量；

其中，所述N为长度标准化后的所述文本序列、所述相关词序列及所述语义关系序列中所包含的元素数量；所述M为所述第一词嵌入向量、所述第二词嵌入向量及所述第三词嵌入向量的向量维度。

3.根据权利要求1所述的方法，其特征在于，所述生成包含所述每一词的相关依赖词的相关词序列及包含所述每一词与所述相关依赖词之间的语义关系的语义关系序列，包括：

根据所述每一词、所述每一词的相关依赖词及所述每一词与所述相关依赖词之间的语义关系，得到文本序列中每一词的语义三元组；

对每一词的所述语义三元组进行整合，得到包含所述每一词的相关依赖词的相关词序列，及包含所述每一词与所述相关依赖词之间的语义关系的语义关系序列。

4.根据权利要求1所述的方法，其特征在于，所述从待处理文本中获取分词得到的文本序列，包括：

对所述待处理文本中的每一字进行标注，得到用于指示所述每一字的词语构成类别的标注信息；

根据所述标注信息，对所述待处理文本进行解析，得到构成所述待处理文本的词，并生成以所述词作为构成元素的文本序列。

5.根据权利要求1所述的方法，其特征在于，所述基于所述目标词嵌入向量对所述待处理文本进行实体关系信息抽取，获取所述深度卷积神经网络输出的具有设定预测概率值的目标实体关系之后，还包括：

将所述目标实体关系上传至区块链中。