[发明专利]实体关系抽取方法、装置、设备及存储介质

权利要求书

1.一种实体关系抽取方法，其特征在于，所述方法包括：

获取待处理句子包，并将所述待处理句子包中的各句子输入预设PCNN模型，以获得各句子对应的初始句子向量；

根据通道注意力机制确定各初始句子向量的分段权重，并根据各初始句子向量的分段权重将对应的初始句子向量的分段重新组合，获得各句子对应的最终句子向量；

根据所述各句子对应的最终句子向量确定所述待处理句子包的特征向量，并将所述特征向量输入预设分类器，获得所述待处理句子包的实体关系分类。

2.如权利要求1所述的方法，其特征在于，所述获取待处理句子包，并将所述待处理句子包中的各句子输入预设PCNN模型，以获得各句子对应的初始句子向量，包括：

获取待处理句子包，并确定所述待处理句子包中各句子对应的单词特征向量；

将所述各句子对应的单词特征向量输入预设PCNN模型，以获得所述待处理句子包中各句子对应的初始句子向量。

3.如权利要求2所述的方法，其特征在于，所述预设PCNN模型包括输入层、卷积层和池化层，所述将所述各句子对应的单词特征向量输入预设PCNN模型，以获得所述待处理句子包中各句子对应的初始句子向量，包括：

将所述各句子对应的单词特征向量作为所述输入层的输入；

利用所述卷积层对所述各句子对应的单词特征向量进行卷积操作，获得各句子对应的单词结果向量；

按照预设规则将所述各句子对应的单词结果向量划分为若干分段，并利用所述池化层对各句子对应的单词结果向量的各分段进行最大池化处理，获得所述单词结果向量的各分段对应的最大池化向量；

将所述各分段对应的最大池化向量进行拼接，以获得所述待处理句子包中各句子对应的初始句子向量。

4.如权利要求3所述的方法，其特征在于，所述根据通道注意力机制确定各初始句子向量的分段权重，并根据各初始句子向量的分段权重将对应的初始句子向量的分段重新组合，获得各句子对应的最终句子向量，包括：

对所述待处理句子包中各句子对应的单词结果向量的各分段做全局自适应池化处理，以提取所述单词结果向量的各分段的局部全局信息；

根据所述局部全局信息确定所述各句子对应的单词结果向量的各分段的分段权重；

根据所述分段权重将对应的初始句子向量的分段重新组合，以获得各句子对应的最终句子向量。

5.如权利要求4所述的方法，其特征在于，所述根据所述局部全局信息确定所述各句子对应的单词结果向量的各分段的分段权重，包括：

将所述局部全局信息依次输入第一线性层、第一激活函数、第二线性层和第二激活函数获得所述各句子对应的单词结果向量的各分段的分段权重。

6.如权利要求1至5任一项所述的方法，其特征在于，所述根据所述各句子对应的最终句子向量确定所述待处理句子包的特征向量，并将所述特征向量输入预设分类器，获得所述待处理句子包的实体关系分类，包括：

根据所述各句子对应的最终句子向量和预设公式确定所述待处理句子包的特征向量；

将所述特征向量输入softmax分类器，获得所述待处理句子包的实体关系分类。

7.如权利要求6所述的方法，其特征在于，所述根据所述各句子对应的最终句子向量和预设公式确定所述待处理句子包的特征向量，包括：

根据所述各句子对应的最终句子向量和预设公式确定所述待处理句子包的特征向量；其中，所述预设公式为：

式中，b为句子包的特征向量，i为句子包中句子的编号，m为待处理句子包中句子的总个数，a_i为第i个句子的注意力权重，s_i为第i个句子的最终句子向量。