公开(公告)号：CN117521656B

公开(公告)日：2024-05-07

申请号：CN202311629250.7

申请日：2023-11-30

Applicant: 成都信息工程大学

Inventor： 张仕斌 ,  冯甲 ,  闫丽丽 ,  吕智颖 ,  秦智 ,  昌燕 ,  张昱程 ,  王戈锋 ,  王羽翼

IPC: G06F40/295 ,  G06F40/30 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/088 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种面向中文文本的端到端中文实体关系联合抽取方法，包括优化中文预训练模型，对输入的中文文本进行编码处理，生成中文文本的文本表示；对中文文本的文本表示进行实体解码处理，得到实体BIO标注序列和上下文表示向量；采用上下文注意力机制确定上下文注意力向量；将上下文注意力向量与中文文本的文本表示拼接后进行关系编码处理，得到关系编码表示；采用双仿射注意力机制进行关系解码处理，得到实体关系抽取结果。本发明能够捕捉到词级别的交叉依赖信息，能有效提升模型准确性和鲁棒性。

公开(公告)号：CN117521656A

公开(公告)日：2024-02-06

申请号：CN202311629250.7

申请日：2023-11-30

Applicant: 成都信息工程大学

Inventor： 张仕斌 ,  冯甲 ,  闫丽丽 ,  吕智颖 ,  秦智 ,  昌燕 ,  张昱程 ,  王戈锋 ,  王羽翼

IPC: G06F40/295 ,  G06F40/30 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/088 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种面向中文文本的端到端中文实体关系联合抽取方法，包括优化中文预训练模型，对输入的中文文本进行编码处理，生成中文文本的文本表示；对中文文本的文本表示进行实体解码处理，得到实体BIO标注序列和上下文表示向量；采用上下文注意力机制确定上下文注意力向量；将上下文注意力向量与中文文本的文本表示拼接后进行关系编码处理，得到关系编码表示；采用双仿射注意力机制进行关系解码处理，得到实体关系抽取结果。本发明能够捕捉到词级别的交叉依赖信息，能有效提升模型准确性和鲁棒性。