-
公开(公告)号：CN109902171A
公开(公告)日：2019-06-18
申请号：CN201910090408.5
申请日：2019-01-30
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于分层知识图谱注意力模型的文本关系抽取方法及系统，其方法包括：首先根据待处理文本选取训练文本集和知识图谱，并对训练文本集和知识图谱分别进行预处理；然后构建分层知识图谱注意力模型，并利用预处理后的训练文本及对该模型进行训练；最后将所述待处理文本中所有句子的头实体和尾实体进行标注，并将标注后的待处理文本输入所述训练后的分层知识图谱注意力模型，得到关系结果。本发明的有益效果是：本发明所提出的技术方案提出一种分层知识图谱注意力模型，利用知识图谱表示帮助模型分配句子和词的权重，提高了模型的关系预测的准确率和召回率，进而提高了文本关系的抽取准确度。
-
公开(公告)号：CN109902171B
公开(公告)日：2020-12-25
申请号：CN201910090408.5
申请日：2019-01-30
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于分层知识图谱注意力模型的文本关系抽取方法及系统，其方法包括：首先根据待处理文本选取训练文本集和知识图谱，并对训练文本集和知识图谱分别进行预处理；然后构建分层知识图谱注意力模型，并利用预处理后的训练文本及对该模型进行训练；最后将所述待处理文本中所有句子的头实体和尾实体进行标注，并将标注后的待处理文本输入所述训练后的分层知识图谱注意力模型，得到关系结果。本发明的有益效果是：本发明所提出的技术方案提出一种分层知识图谱注意力模型，利用知识图谱表示帮助模型分配句子和词的权重，提高了模型的关系预测的准确率和召回率，进而提高了文本关系的抽取准确度。
-
公开(公告)号：CN111241294A
公开(公告)日：2020-06-05
申请号：CN201911424470.X
申请日：2019-12-31
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供一种基于依赖解析和关键词的图卷积网络的关系抽取方法，首先对结构化文本进行句子依赖解析生成依赖解析图，并通过关键词对句子进行修剪；利用word2vec获取句子的词嵌入向量和位置嵌入向量，拼接后得到词向量序列；对所述词向量序列进行双向GRU神经网络，得到输出向量矩阵；采用图卷积网络处理所述输出向量矩阵，得到句子的依赖表示；将所述输出向量矩阵以及句子的依赖表示通过多头注意力机制进行结合得到句子的表示向量；采用softmax函数建立关系以及实体类型的预测模型，并将所述句子的表示向量作为预测模型的输入，由此训练得到预测概率最大的关系作为抽取结果。
-
公开(公告)号：CN111241294B
公开(公告)日：2023-05-26
申请号：CN201911424470.X
申请日：2019-12-31
Applicant: 中国地质大学(武汉)
IPC: G06F16/36 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06N3/0985 , G06N3/045
Abstract: 本发明提供一种基于依赖解析和关键词的图卷积网络的关系抽取方法，首先对结构化文本进行句子依赖解析生成依赖解析图，并通过关键词对句子进行修剪；利用word2vec获取句子的词嵌入向量和位置嵌入向量，拼接后得到词向量序列；对所述词向量序列进行双向GRU神经网络，得到输出向量矩阵；采用图卷积网络处理所述输出向量矩阵，得到句子的依赖表示；将所述输出向量矩阵以及句子的依赖表示通过多头注意力机制进行结合得到句子的表示向量；采用softmax函数建立关系以及实体类型的预测模型，并将所述句子的表示向量作为预测模型的输入，由此训练得到预测概率最大的关系作为抽取结果。
-
-
-
Search Results
4
records
(took 0.016 seconds)
