[发明专利]基于强化学习的关系抽取方法和装置在审
| 申请号： | 201810003062.6 | 申请日： | 2018-01-02 |
| 公开（公告）号： | CN108280058A | 公开（公告）日： | 2018-07-13 |
| 发明（设计）人： | 何世柱;刘康;赵军;曾祥荣 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F17/30 |
| 代理公司： | 北京瀚仁知识产权代理事务所(普通合伙) 11482 | 代理人： | 郭文浩;陈晓鹏 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及自然语言处理技术领域，具体提供了一种基于强化学习的关系抽取方法和装置，旨在解决如何在弱监督数据中进行关系抽取的技术问题。为此目的，本发明中的基于强化学习的关系抽取方法，包括下述步骤：获取句子中各词的词向量和各词的位置向量；依据各词的词向量和位置向量，利用预设关系抽取器获取句子的关系类别；其中，预设关系抽取器为基于神经网络构建的模型，包括用于获取各词对应的词的向量表示的向量表示层，用于获取特征映射向量的卷积神经网络层，用于获取最终句子的向量表示的池化层，用于获取句子的关系类别的分类器层。通过本发明可以利用有监督模型在弱监督数据中获取句子的关系类别。 | ||
| 搜索关键词： | 句子 关系抽取 强化学习 向量表示 方法和装置 监督数据 位置向量 预设关系 抽取器 词向量 自然语言处理技术 卷积神经网络 神经网络构建 映射向量 分类器 池化 监督 | ||
【主权项】：
1.一种基于强化学习的关系抽取方法，其特征在于，所述方法包括：步骤S100，获取句子中各词的词向量和各词的位置向量；步骤S200，依据所获取的各词的词向量和各词的位置向量，利用预设关系抽取器获取句子的关系类别；其中，所述预设关系抽取器为基于神经网络构建的模型，所述预设关系抽取器包括向量表示层、卷积神经网络层、池化层和分类器层；所述向量表示层，用于将所述各词的词向量和各词的位置向量进行拼接，获取各词对应的词的向量表示；所述卷积神经网络层，用于依据所述向量表示层所获取的词的向量表示，获取特征映射向量；所述池化层，用于依据所述卷积神经网络层所获取的特征映射向量，获取初步句子的向量表示，并将其与词的位置向量拼接，获取最终句子的向量表示；所述分类器层，用于依据所述池化层所获取的最终句子的向量表示，获取句子关系类别概率值，并将所获取的句子关系类别概率值最大的关系类别作为句子的关系类别。
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中国科学院自动化研究所，未经中国科学院自动化研究所许可，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/201810003062.6/，转载请声明来源钻瓜专利网。
