[发明专利]关系抽取模型的建立方法以及关系抽取方法

权利要求书

1.一种关系抽取模型的建立方法，其特征在于，包括：

获取标注后的文本样本集，所述标注后的文本样本集包括多个标注出实体、实体类别以及关系类别的文本样本；

对标注出实体、实体类别以及关系类别的每个文本样本进行预处理；

抽取出标注后的每个文本样本中包含相同实体对的多个语句作为一个语句包，获取每个文本样本的语句包组，每个文本样本的语句包组至少包括一个语句包；

至少基于预先构建的文本样本集的每个文本样本的实体有向无环图以及标注出的所述文本样本集的每个文本样本的实体，获取每个实体的候选实体类别以及候选实体类别的所有父实体类别；至少基于预先构建的文本样本集的每个文本样本的关系有向无环图以及每个实体的候选实体类别以及候选实体类别的所有父实体类别，获取实体对的候选关系以及候选关系的所有父关系；

至少基于每个实体的候选实体类别以及候选实体类别的所有父实体类别，以及所述文本样本集的每个文本样本的每个实体的标注出的实体类别，至少使用TextCNN获取分层多分类损失；至少基于实体对的候选关系以及候选关系的所有父关系，以及每个文本样本的语句包组，至少使用分层注意力网络获取分层注意力损失；以及

基于所述分层多分类损失以及所述分层注意力损失构建关系抽取模型，以标注出的关系类别作为训练目标对所述关系抽取模型进行训练。

2.根据权利要求1所述的关系抽取模型的建立方法，其特征在于，对标注出实体、实体类别以及关系类别的每个文本样本进行预处理，包括：

基于知识图谱的实体概念结构将标注后的文本样本集的每个文本样本的样本空间的实体类别编码为实体类别向量，基于知识图谱的关系概念结构将标注后的文本样本集的每个文本样本的样本空间的关系编码为关系向量；获取所述文本样本集中的每个文本样本的词向量。

3.根据权利要求1或2所述的关系抽取模型的建立方法，其特征在于，文本样本的实体、实体类别以及关系类别的标注，至少通过对文本样本集中的每个文本样本进行命名实体识别，从而标注出每个文本样本的实体、实体类别以及关系类别。

4.根据权利要求1或2所述的关系抽取模型的建立方法，其特征在于，所述预先构建的文本样本集的每个文本样本的实体有向无环图基于知识图谱中的实体概念结构构造，所述预先构建的文本样本集的每个文本样本的关系有向无环图基于知识图谱中的关系概念结构构造。

5.根据权利要求2所述的关系抽取模型的建立方法，其特征在于，所述实体类别向量优选为one-hot向量，所述关系向量优选为one-hot向量，所述词向量优选为GloVe向量。

6.一种关系抽取方法，其特征在于，使用权利要求1至5中任一项所述的建立方法建立的关系抽取模型进行关系抽取，包括：

对目标文本进行实体识别，识别出所述目标文本的至少一个实体；以及

使用所述关系抽取模型对进行了实体识别后的所述目标文本进行关系抽取，将条件概率最大的关系作为所述目标文本的实体对关系。