[发明专利]一种基于深度神经网络的实体关系抽取方法在审
| 申请号： | 201610532802.6 | 申请日： | 2016-07-07 |
| 公开（公告）号： | CN106202044A | 公开（公告）日： | 2016-12-07 |
| 发明（设计）人： | 熊盛武;陈振东;段鹏飞;缪少豪;王娜;毛晶晶 | 申请（专利权）人： | 武汉理工大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27 |
| 代理公司： | 武汉开元知识产权代理有限公司 42104 | 代理人： | 潘杰;胡艺 |
| 地址： | 430070 湖北省*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络的实体关系抽取方法，包括：将句子的每个字或类别关键词分别映射到字向量或类别向量，根据字向量和类别向量对句子进行特征提取，将所提取的特征首尾相接输入全连接分类层，即得到抽取结果。本发明利用了机器学习中的普通神经网络与卷积神经网络进行文本的实体关系抽取，提高了实体关系抽取的准确率和性能，简化了实体关系抽取中的人工工作量。利用了预训练的字向量，提高了神经网络的收敛速度和准确率；引入句子特征与类别特征，使用卷积神经网络和普通神经网络进行提取，解决了长短句问题，提高了实体关系抽取的性能。 | ||
| 搜索关键词： | 一种 基于 深度 神经网络 实体 关系 抽取 方法 | ||
【主权项】：
一种基于深度神经网络的实体关系抽取方法，其特征在于，包括：步骤1，将句子的每个字或类别关键词分别映射到字向量或类别向量；步骤2，根据所述字向量和所述类别向量对所述句子进行特征提取；步骤3，将所述步骤2所提取的特征首尾相接输入全连接分类层，即得到抽取结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉理工大学，未经武汉理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610532802.6/，转载请声明来源钻瓜专利网。
