[发明专利]一种基于长难句化简的电力专利文本实体关系抽取方法

说明书

本发明涉及一种基于长难句化简的电力专利文本实体关系抽取方法，S01：将电力专利文本的正文构造数据训练集与测试集按比例划分，再将其与常用词汇表以及电力术语词汇表一并输入到语句化简模块；S02：对于输入的电力专利文本的正文构造数据训练集与测试集，根据常用词汇表以及电力术语词，语句化简模块进行文本的长难句化简，将长难句转化为一系列的简单句；S03：将化简后的简单句输入双向GRU神经网络模型进行关系抽取，得到实体间关系；S04：使用基于规则的关系抽取算法进行信息元组抽取所述实体间关系进一步获取实体属性信息。本发明方法提高了电力专利文本关系抽取的准确率，满足电力领域的文本处理需求。

技术领域

本申请涉及电力技术技术领域，尤其涉及一种基于长难句化简的电力专利文本实体关系抽取方法。

背景技术

随着人工智能时代的到来，我国电力技术也进入了高速发展时期，关于电力技术信息化，智能化的研究也逐步成为电力领域的研究热点，伴随这些研究产生了大量的电力专利文本，若采用纯人工的方式对这些文本进行处理需要耗费大量人力物力以及时间金钱，因此利用计算机帮助人们处理文本是时代发展趋势。实体关系抽取是文本处理领域的一个经典任务，在过去的20多年里都有持续研究开展，特征工程、核方法、图模型曾被广泛应用其中，并取得了一些阶段性的成果。随着深度学习时代来临，神经网络模型则为实体关系抽取带来了新的突破。

但是目前关系抽取在实际应用中仍面临许多挑战，如数据规模问题，复杂语境问题等。仅依靠神经网络提取单句语义特征，难以应对关系抽取的各种复杂需求和挑战。尤其电力专利文本与通用领域的文本在句式的使用上有明显区别，这使得通用领域的关系抽取模型在电力专利文本上关系抽取准确率较低。

针对以上问题，结合电力专利文本的语句模式，提出一种基于长难句化简的电力专利文本实体关系抽取方法是目前需要解决的主要问题。

发明内容

本申请提供了一种基于长难句化简的电力专利文本实体关系抽取方法，以解决电力专利文本正文存在大量省略主语的多定语长难句，电力专利文本与通用领域的文本在句式的使用上有明显区别，这使得通用领域的关系抽取模型在电力专利文本上关系抽取准确率较低的问题。

本申请采用的技术方案如下：

本发明提供了一种基于长难句化简的电力专利文本实体关系抽取方法，

S01：将电力专利文本的正文构造数据训练集与测试集按比例划分，再将其与常用词汇表以及电力术语词汇表一并输入到语句化简模块；

S02：对于输入的电力专利文本的正文构造数据训练集与测试集，根据常用词汇表以及电力术语词汇表，语句化简模块进行文本的长难句化简，将长难句转化为一系列的简单句；

S03：将化简后的简单句输入双向GRU神经网络模型进行关系抽取，得到实体间关系；

S04：使用基于规则的关系抽取算法进行信息元组抽取所述实体间关系进一步确定实体属性信息。

进一步地，所述根据常用词汇表以及电力术语词汇表，语句化简模块进行文本的长难句化简，将长难句转化为一系列的简单句，包括以下步骤：

将常用词汇表与电力术语词汇表结合起来构成组合词汇表，构造所述组合词汇表对训练集和测试集中的词进行编号；

将所述组合词汇表输入词向量模型中生成词向量，将生成的词向量输入到基于Bi-LSTM的编码器-解码器模型里，所述词向量模型与所述基于Bi-LSTM的编码器-解码器模型组合成的基本模型进行化简。

进一步地，将所述组合词汇表输入词向量模型中生成词向量，将生成的词向量输入到基于Bi-LSTM的编码器-解码器模型里，所述词向量模型与所述基于Bi-LSTM的编码器-解码器模型组合成的基本模型进行化简，包括：