-
公开(公告)号：CN113051904B
公开(公告)日：2022-11-18
申请号：CN202110430242.4
申请日：2021-04-21
Applicant: 东南大学
Abstract: 本发明公开了一种面向小规模知识图谱的链接预测方法，包括步骤：构造正负样例三元组；拼接三元组中实体、关系，将三元组转换为文本；使用BERT特征编码器编码该文本，获得文本中单词特征向量表示；采用多任务学习机制，分别构造句子级别特征、实体级别特征、三元组级别特征完成链接预测、关系分类、相关性排序的多任务学习。本发明实现小规模知识图谱的链接预测方法，将图谱中三元组转变为文本形式，学习图谱中文本语义信息，完成小规模知识图谱的链接预测任务；在三元组拼接文本中增加实体标识符，扩充BERT模型字典，捕获文本中实体特征；采用多任务学习机制完成链接预测、关系分类、相关性排序三种关联任务，进而提升链接预测任务效果。
-
公开(公告)号：CN113051891B
公开(公告)日：2022-11-18
申请号：CN202110040698.X
申请日：2021-01-13
Applicant: 东南大学
IPC: G06F40/216 , G06F40/211 , G06F40/295 , G06F16/33 , G06F16/35
Abstract: 本发明公开了一种面向机场应急预案文本的实体与关系联合抽取方法，实现对机场应急预案文本的实体识别与实体关系抽取，主要包括以下步骤：机场应急预案文本过滤筛选；使用特征编码器编码机场应急预案文本句子，获得句子中单词的特征向量表示；基于句子中单词特征向量识别句子中主体实体；构建主体实体与句子中单词的注意力权重，拼接单词加权特征向量并与原始特征向量；依据拼接后的单词特征向量识别句子在每一关系类型下的客体实体，组建关系三元组，本发明实现机场应急预案文本的实体识别与实体关系抽取，考虑主体实体与句子中单词的关联，计算实体‑单词注意力权重，关注句子中与主体实体更相关的单词，进而提高实体关系抽取的准确率。
-
公开(公告)号：CN113051904A
公开(公告)日：2021-06-29
申请号：CN202110430242.4
申请日：2021-04-21
Applicant: 东南大学
Abstract: 本发明公开了一种面向小规模知识图谱的链接预测方法，包括步骤：构造正负样例三元组；拼接三元组中实体、关系，将三元组转换为文本；使用BERT特征编码器编码该文本，获得文本中单词特征向量表示；采用多任务学习机制，分别构造句子级别特征、实体级别特征、三元组级别特征完成链接预测、关系分类、相关性排序的多任务学习。本发明实现小规模知识图谱的链接预测方法，将图谱中三元组转变为文本形式，学习图谱中文本语义信息，完成小规模知识图谱的链接预测任务；在三元组拼接文本中增加实体标识符，扩充BERT模型字典，捕获文本中实体特征；采用多任务学习机制完成链接预测、关系分类、相关性排序三种关联任务，进而提升链接预测任务效果。
-
公开(公告)号：CN113051891A
公开(公告)日：2021-06-29
申请号：CN202110040698.X
申请日：2021-01-13
Applicant: 东南大学
IPC: G06F40/216 , G06F40/211 , G06F40/295 , G06F16/33 , G06F16/35
Abstract: 本发明公开了一种面向机场应急预案文本的实体与关系联合抽取方法，实现对机场应急预案文本的实体识别与实体关系抽取，主要包括以下步骤：机场应急预案文本过滤筛选；使用特征编码器编码机场应急预案文本句子，获得句子中单词的特征向量表示；基于句子中单词特征向量识别句子中主体实体；构建主体实体与句子中单词的注意力权重，拼接单词加权特征向量并与原始特征向量；依据拼接后的单词特征向量识别句子在每一关系类型下的客体实体，组建关系三元组，本发明实现机场应急预案文本的实体识别与实体关系抽取，考虑主体实体与句子中单词的关联，计算实体‑单词注意力权重，关注句子中与主体实体更相关的单词，进而提高实体关系抽取的准确率。
-
-
-
Search Results
4
records
(took 0.017 seconds)
