[发明专利]一种基于语义依存图的关系提取方法

摘要

本发明公开了一种基于语义依存图的关系提取方法。本发明包括如下步骤：步骤(1)训练双向循环卷积注意神经网络；步骤(2)读取语句数据；步骤(3)将数据输入训练好的深度神经网络，输出数据与各个关系的相关度。本发明通过引入语义依存图的信息来降低噪声数据和增强数据特征信息的方法。通过从语义依存图中提出来的实体对之间的最短路径中提取句子的特征信息。本发明通过引入语义依存图和双向循环卷积注意网络进行关系提取，通过语义依存的分析并提取的实体间最短路径，可以有效的降低远程监督学习带来的噪声数据影响，从而提高了关系提取的准确率。

主权项

1.一种基于语义依存图的关系提取方法，其特征在于包括如下步骤：步骤(1)训练双向循环卷积注意神经网络；步骤(2)读取语句数据；步骤(3)将数据输入训练好的深度神经网络，输出数据与各个关系的相关度；步骤(1)包括如下步骤：步骤A对输入数据进行语义分析，提取实体对的最短路径，并编码整理序列化；所述的最短路径包含词和依赖关系边；步骤B构建双向循环卷积注意神经网络，确定双向循环卷积注意神经网络每一层的输入输出的向量维度、计算方式、训练方式；步骤C特征提取，将处理好的数据和对应的结果标签输入到双向循环卷积注意神经网络中，提取出每个组的特征；步骤D对于步骤C中的每个组，计算组的特征与结果候选集中每个关系的相关度，将相关度最大的作为该组提取的结果；步骤E利用交叉熵损失函数计算结果与标签的误差，并调整双向循环卷积注意神经网络中的参数。