[发明专利]一种多关系的同步抽取方法

权利要求书

1.一种多关系的同步抽取方法，其特征在于在整合数据集中的关系对后，改进抽取方式：采用先识别句中的主体和关系，再抽取客体的方式，达到多关系抽取同步抽取；同时采用联合抽取的方式，通过共享编码层，模型能够学习到两个任务之间的潜在全局信息，提高模型性能。

2.根据权利要求1所述的一种多关系的同步抽取方法，其特征在于具体实现步骤如下：

步骤1：获取互联网语料库，并将其整理得到文本，关系格式的数据集；

步骤2：对数据进行预处理，主要对所得数据集进行清洗和结构化整理，以便后续作为模型的输入；

步骤3：构建关系抽取模型；该模型由主体关系抽取模型和客体抽取模型两部分组成；

步骤4：关系抽取模型的训练；通过梯度下降算法，求得损失函数的最小化来训练模型；

步骤5：模型预测；对需要预测的文本内容，利用求得的概率的最大值来确定文本包含的关系；使用维特比算法，得到文本的主体标注序列、客体标注序列。

3.根据权利要求2所述的一种多关系的同步抽取方法，其特征在于步骤1具体实现步骤如下：

1-1获取现有公开的互联网语料库；

1-2构建数据集，其具体步骤如下：

1-2-1定义关系类型，具体参考行业内对于关系类型定义的规则规范；

1-2-2对关系进行标注；

对于存在关系的文本数据，可从中得到三元组(实体1,关系,实体2)；根据步骤1-2-1定义的关系类型，采用人工标注的方法，对互联网语料库中的实体和关系进行标注，生成文本，关系格式的数据集；

1-2-3数据集拆分；

将数据集中的所有文本数据拆分成两部分，其中85％作为训练集，15％作为测试集，分别用于模型的训练和测试。

4.根据权利要求3所述的一种多关系的同步抽取方法，其特征在于步骤2具体实现步骤如下：

2-1对于数据集中的文本数据，数据预处理包含以下步骤：

2-1-1数据清洗，删除文本数据中的非法字符、空格、换行符；

2-1-2以字为粒度对文本数据分割，构建字典；

构建的字典D＝{d₁,d₂,...,d_n}；其中n为字典的总长度，d_i表示字典中第i个字；因此一段文本数据S可以表示为其中i_n表示文本数据S中第n个字在字典D中的索引，从而可用字典索引重新表示文本数据S＝{i₁,i₂,...,i_n}；

2-2对于数据集中的关系数据，数据预处理步骤如下：

2-2-1将关系使用SPO三元组格式进行表示；S、P、O分别表示主体、关系和客体；

2-2-2将主体和关系相同的SPO三元组中的客体进行合并，形成S,P,O₁,O₂,...,O_n格式的训练样本；如果存在多个主体S或多个关系P，则形成多个训练样本。