[发明专利]一种结合属性信息的实体多分类方法

摘要

本发明公开了一种结合属性信息的实体多分类方法。实体分类任务的目的是对一个实体结合其上下文信息赋予合适的类别标签。在实体多分类任务中，实体的类别标签仅有一个，通过分类模型预测类别标签概率，将概率最大的标签作为实体的类别。本发明基于传统的实体分类方法，结合知识库实体的属性信息，利用深度学习方法分别对实体、属性以及上下文进行特征表示，其中实体表示包括词汇和字符级别两种特征，上下文特征表示引入了实体感知的注意力机制。此外，通过实体和属性特征的联合训练，避免预测阶段需要引入属性信息。最后，综合利用实体和上下文特征实现实体多分类。本方法通过引入属性信息作为额外特征，提高的实体多分类的效果。

主权项

1.一种结合属性信息的实体多分类方法，其特征在于，包括以下步骤：(1)使用循环神经网络表示实体字符级别特征，使用平均编码器表示实体词汇级别初步特征；(2)使用双向LSTM表示上下文初步特征，并结合上下文初步特征和实体词汇级别初步特征得到实体词汇级别的更新特征和最终特征，然后结合实体字符级别特征和实体词汇级别最终特征得到实体最终特征；(3)使用实体感知的注意力机制得到上下文最终特征；(4)使用Max‑pooling方式表示实体的属性特征，并联合实体词汇级别的更新特征构建实体‑属性的cosine相似度损失函数；(5)融合步骤(2)得到的实体最终特征和步骤(3)得到的上下文最终特征实现实体多分类，并构建交叉熵损失函数，最后联合步骤(4)得到的实体‑属性损失函数进行优化训练。