[发明专利]一种基于开放式信息抽取的文本关系自动标注方法

说明书

本发明提出了一种基于开放式信息抽取的文本关系自动标注方法，获取结构化知识数据库，根据数据库确定目标实体并进行对应的非结构化文本信息的获取与预处理；基于开放式信息抽取工具完成句子的实体关系三元组提取；将三元组对齐到数据库中进行初步的关系标签匹配；对关系标签和关系短语进行语义相似度的计算，并筛选出相似度最高的关系标签；判断选取的关系标签的相似度大小是否达到设定的阈值，达到阈值则作为标注结果，完成自动标注。本发明减少了关系抽取工作中人工标注数据耗费的时间和提高了自动标注的数据质量，为不同领域的关系抽取模型构建所需的数据集提供了新的方向。

技术领域

本发明属于计算机自然语言处理领域，具体涉及一种基于开放式信息抽取的文本关系自动标注方法。

背景技术

随着知识图谱的不断发展，其在各行各业的应用也越来越广泛。知识图谱可以以更直观的方式帮助用户更快、更有效地获取关键信息。而在知识图谱的构建过程中，关系抽取是其中非常重要的一环

关系抽取作为文本信息抽取的主要任务之一，其目的在于根据上下文语义判断文本语句中两个实体的潜在关系。目前，关系抽取最常用的方法是基于有监督的模型以及深度学习模型，然而两者均需要依赖于大量的人工标注语料来帮助模型学习实体关系特征，这在实际应用中往往很难获取。因此，基于远程监督的数据自动标注方法应运而生，其原理是将文本中出现的实体对对齐到已有知识库中，利用知识库中的信息给实体对打标签。该方法虽然简单可行，但经常由于知识库所给标签与实际文本语义不符，导致标注结果中含有大量的错误标签，而利用这样的标注数据将会严重降低关系抽取模型的性能。

目前减少远程监督错误标注数据影响的方法有如下几种：薛露，宋威提出了一种作用于分层注意力机制关系抽取模型的动态标签方法(薛露,宋威.基于动态标签的关系抽取方法[J].计算机应用,2020,40(06):1601-1606.)，利用动态标签方法的评分函数来评价远程监督标签是否为噪声；孙新，申长红提出了一种结合实体描述信息的跨句包关系抽取方法(孙新,申长虹,姜景虎,崔家铭.结合实体描述信息的跨句包关系抽取方法[J/OL].计算机工程:1-11[2020-09-18].1000-3428.0058189)，通过设计跨关系、跨句包注意力机制获取关系特征来鉴别有效实例。上述方法虽然可以一定程度上可以减少远程监督错误标注数据的影响，但没有从根本上去解决远程监督产生错误标注的问题。以上方法所构建的关系抽取模型的p值、r值、f值都在45％左右，无法满足实际应用需求。因此从根本上解决远程监督产生错误标注的问题才是提高关系抽取模型性能最行之有效的方法。

发明内容

本发明的目的在于提出一种基于开放式信息抽取的文本关系自动标注方法，解决关系自动标注方法中产生大量错误标签的问题。

实现本发明目的的技术解决方案为：一种基于开放式信息抽取的文本关系自动标注方法，包括如下步骤：

步骤1：建立大型的结构化知识数据库，根据数据库确定目标实体并进行对应的非结构化文本信息的获取与预处理。

步骤2：基于开放式信息抽取工具完成句子的实体关系三元组提取。

步骤3：将三元组对齐到数据库中进行初步的关系标签匹配。

步骤4：对关系标签和关系短语进行语义相似度的计算，并筛选出相似度最高的关系标签。

步骤5：判断选取的关系标签的相似度大小是否达到设定的阈值，达到阈值则作为标注结果，完成自动标注。

本发明与现有技术相比，其显著优点为：采用自动标注的形式，并且利用开放式信息抽取的关系短语，极大地减少了关系抽取工作中人工标注数据耗费的时间和提高了自动标注的数据质量，为不同领域的关系抽取模型构建所需的数据集提供了新的方向。

附图说明

图1是基于开放式信息抽取的文本关系自动标注方法的流程图。

具体实施方式