[发明专利]一种基于细粒度语义信息增强的实体关系抽取的方法

摘要

本发明提出了一种基于细粒度语义信息增强的实体关系抽取方法，该方法包括：在输入层选取句子上下文信息构成句子初始向量；在编码层使用BERT预训练语言模型捕获文本的所有隐藏特征向量；在实体识别层借助指针网络获取头实体、尾实体范围表示，并获得实体类型信息；在关系抽取层使用之前的隐藏特征向量拼接实体类型信息去获得头尾实体的隐藏向量表示从进行关系抽取；然后在输出层之前加入细粒度类别词典使用注意力机制去获取关系类别的权重，连接输出层，使用Softmax对关系进行抽取分类。由于BERT的存在，本模型能够地对句子进行编码提取全部特征，而指针网络也为解决重叠实体三元组提取问题提供了较好的解决思路；最后构建细粒度类别词典使用注意力机制获取权重解决关系类别样例不平衡问题，最终提高了实体关系抽取的准确率。