一种基于集成学习的关系抽取方法及系统

    公开(公告)号:CN111125434B

    公开(公告)日:2023-06-27

    申请号:CN201911171322.1

    申请日:2019-11-26

    Abstract: 本发明涉及自然语言处理和深度学习技术领域,特别涉及一种处理远程监督关系抽取中重复实体方法及系统。本发明的主要技术方案包括:将语料根据实体对组成句包,确定含重复实体语句中的目标实体位置;构建包含语义和位置信息的词向量;通过多角度卷积神经网络,构建句向量;通过动态路由机制,构建句包级别的向量以及对句包分类。本发明提供的关系抽取方法及系统定位到并能够有效处理现有远程监督关系抽取方法及系统没有提及的重复实体导致的注意力偏差问题。

    一种基于上位概念信息的事件检测方法

    公开(公告)号:CN113157859A

    公开(公告)日:2021-07-23

    申请号:CN202110367116.9

    申请日:2021-04-06

    Abstract: 本发明提出一种基于上位概念信息的事件检测方法,包括S1、输入的语句S,通过第一模型构建所述语句的上位概念信息向量表示Zs;S2、将所述语句S和所述向量表示Zs输入第二模型,获取所述语句的事件触发词和的事件类别。本发明充分考虑了现实中单个触发词可能触发多种不同事件类型的情况,利用不同事件类别之间存在的层次关联关系,并将这种关联关系当作额外的监督信息融入事件检测过程,为触发词的识别以及分类提供了辅助的决策,且不会引入额外的噪声信息,同时能够有效提升事件检测的效果。

    一种基于论元短语的论元角色识别的方法

    公开(公告)号:CN113239694B

    公开(公告)日:2022-06-14

    申请号:CN202110622945.7

    申请日:2021-06-04

    Abstract: 本发明提出一种基于论元短语的论元角色识别方法,包括S1、输入的语句S和事件类型C,通过第一模型构建所述语句中每个论元的论元短语表示Spani和所述事件类型的向量表示Eevent;S2、将所述语句的论元短语表示Spani和所述事件类型的向量表示Eevent输入第二模型,获取所述语句中所有论元的角色类别。本发明充分考虑了在进行论元角色识别过程中单个单词的向量表示不具有很好的分类特征、没有利用短语信息等问题,利用事件论元的短语信息,从而有效地学习到论元的分类特征,进一步提升论元角色识别的效果。

    一种基于集成学习的关系抽取方法及系统

    公开(公告)号:CN111125434A

    公开(公告)日:2020-05-08

    申请号:CN201911171322.1

    申请日:2019-11-26

    Abstract: 本发明涉及自然语言处理和深度学习技术领域,特别涉及一种处理远程监督关系抽取中重复实体方法及系统。本发明的主要技术方案包括:将语料根据实体对组成句包,确定含重复实体语句中的目标实体位置;构建包含语义和位置信息的词向量;通过多角度卷积神经网络,构建句向量;通过动态路由机制,构建句包级别的向量以及对句包分类。本发明提供的关系抽取方法及系统定位到并能够有效处理现有远程监督关系抽取方法及系统没有提及的重复实体导致的注意力偏差问题。

    一种基于上位概念信息的事件检测方法

    公开(公告)号:CN113157859B

    公开(公告)日:2023-04-18

    申请号:CN202110367116.9

    申请日:2021-04-06

    Abstract: 本发明提出一种基于上位概念信息的事件检测方法,包括S1、输入的语句S,通过第一模型构建所述语句的上位概念信息向量表示Zs;S2、将所述语句S和所述向量表示Zs输入第二模型,获取所述语句的事件触发词和的事件类别。本发明充分考虑了现实中单个触发词可能触发多种不同事件类型的情况,利用不同事件类别之间存在的层次关联关系,并将这种关联关系当作额外的监督信息融入事件检测过程,为触发词的识别以及分类提供了辅助的决策,且不会引入额外的噪声信息,同时能够有效提升事件检测的效果。

    一种基于论元短语的论元角色识别的方法

    公开(公告)号:CN113239694A

    公开(公告)日:2021-08-10

    申请号:CN202110622945.7

    申请日:2021-06-04

    Abstract: 本发明提出一种基于论元短语的论元角色识别方法,包括S1、输入的语句S和事件类型C,通过第一模型构建所述语句中每个论元的论元短语表示Spani和所述事件类型的向量表示Eevent;S2、将所述语句的论元短语表示Spani和所述事件类型的向量表示Eevent输入第二模型,获取所述语句中所有论元的角色类别。本发明充分考虑了在进行论元角色识别过程中单个单词的向量表示不具有很好的分类特征、没有利用短语信息等问题,利用事件论元的短语信息,从而有效地学习到论元的分类特征,进一步提升论元角色识别的效果。

Patent Agency Ranking