[发明专利]基于PCNN和多层注意力的远程监督关系分类方法有效
| 申请号： | 201910792860.6 | 申请日： | 2019-08-26 |
| 公开（公告）号： | CN110555084B | 公开（公告）日： | 2023-01-24 |
| 发明（设计）人： | 廖伟智;叶光磊;马亚恒;左东舟 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F18/2415;G06N3/045;G06N3/0464;G06N3/047;G06N3/048;G06N3/09 |
| 代理公司： | 成都东恒知盛知识产权代理事务所(特殊普通合伙) 51304 | 代理人： | 何健雄;廖祥文 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于PCNN和多层注意力的远程监督关系分类方法，属于信息技术领域；包括两个阶段，训练关系分类模型阶段和预测阶段；其中，训练关系分类模型阶段又包括：1)对关系分类模型的训练语料进行预处理；2)建立基于PCNN和Multi‑level attention的关系分类模型，并训练模型参数；3)训练模型，优化模型参数；4)将训练好的关系分类模型保存；预测阶段为使用训练好的关系分类模型，对待预测的数据进行关系类别预测。本发明提出的算法能更精确的确定句子中实体之间的关系类型，为一些下游工作提供了一个良好的基础；既减少了许多数据标注的人力，又具备了较高的精确度。 | ||
| 搜索关键词： | 基于 pcnn 多层 注意力 远程 监督 关系 分类 方法 | ||
【主权项】：
1.一种基于PCNN和多层注意力的远程监督关系分类方法，其特征在于：包括两个阶段，训练关系分类模型阶段和预测阶段；/n其中，训练关系分类模型阶段又包括：/n1)对关系分类模型的训练语料进行预处理；/n2)建立基于PCNN和Multi-level attention的关系分类模型，并训练模型参数；/n3)训练模型，优化模型参数；/n4)将训练好的关系分类模型保存；/n预测阶段为使用训练好的关系分类模型，对待预测的数据进行关系类别预测。/n
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电子科技大学，未经电子科技大学许可，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/201910792860.6/，转载请声明来源钻瓜专利网。
