[发明专利]基于深度学习多头选择模型的表头列实体关系匹配方法

说明书

本发明公开了基于深度学习多头选择模型的表头列实体关系匹配方法，包括：对表格的数据项定义数据实体属性类别，比如时间、姓名、公司名等，并构建正则识别方法；构建表头的任意两列组合的人工特征；将表头字符序列、表头对应的数据属性序列经过各自的embedding层之后；编码层采用bi‑lstm模型结构；将上下文编码信息基于多头选择机制进行任意位置两两组合拼接；计算表头序列任意两两位置对每个关系类别的binary损失值；将损失值收敛至最佳的模型保留，并作为用于预测的模型。基于深度学习多头选择模型的表头列实体关系匹配方法，通过表头和模型使其该方法具有一定的便捷性。

技术领域

本发明涉及表头列实体技术领域，具体为基于深度学习多头选择模型的表头列实体关系匹配方法。

背景技术

表头列实体关系匹配技术是判定表格的两列实体的对应关系，该技术对表格信息挖掘具有重要作用，现有的技术方案是采用数据项碰撞进行判定，忽略了表头语义的信息，这种方式需要自己维护一个基准数据库，方可进行数据碰撞，方案启动成本比较大，以及没有使用表头语义进行辅助判定。因此我们对此做出改进，提出基于深度学习多头选择模型的表头列实体关系匹配方法。

发明内容

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明基于深度学习多头选择模型的表头列实体关系匹配方法，包括以下几个步骤：

步骤一：对表格的数据项定义数据实体属性类别，包括时间、姓名和公司名，并构建正则识别方法；

步骤二：构建表头的任意两列组合的人工特征，人工特征的构建方式可依据实际场景需要进行选择，同时记录表头任意两列实体的关系匹配问题；

步骤三：将表头字符序列、表头对应的数据属性序列经过各自的embedding层之后，合并向量作为下一编码层的输入；

步骤四：编码层采用bi-lstm模型结构，输出为表头序列融合了上下文编码信息的各位置编码；

步骤五：将上下文编码信息基于多头选择模型进行任意位置两两组合拼接，然后对拼接向量进行关系分类；

步骤六：计算表头序列任意两两位置对每个关系类别的binary损失值，然后利用损失值进行反向传播更新模型参数；

步骤七：将损失值收敛至最佳的模型保留，并作为用于预测的模型。

作为本发明的一种优选技术方案，所述步骤一表头为“电视剧集演员姓名、所属公司名、公司电话、公司地址、拍摄时间、拍摄地址、工作邮箱、导演姓名、所属公司名、剧集长度和首映时间”构成的文字，表头列指其中单独每列的文字。

作为本发明的一种优选技术方案，所述步骤三表头字符序列words，属性序列attrs，分别经过两个embedding矩阵的映射转换，假设位置i的字符经过转换后为w_{i}，位置i的属性经过转换后为a_{i}，那么位置i的合并embedding向量为e_{i}＝[w_{i}:a_{i}]。

作为本发明的一种优选技术方案，所述步骤四使用bi-lstm作为表头字符序列的编码层，在编码的过程中，将引入表格数据项的属性，数据项属性可以由正则匹配方式获取。

作为本发明的一种优选技术方案，所述步骤五中上下文编码信息为对于输入表头字符序列任意两位置i和j，其经过bi-lstm编码之后的最终表示为u_{i}和u_{j}，人工构建的两两位置特征m_{ij}。

作为本发明的一种优选技术方案，所述输入表头字符序列计算位置i和位置j之间的关系标签为r_{k}的分数为：