公开(公告)号：CN113901758A

公开(公告)日：2022-01-07

申请号：CN202111133794.5

申请日：2021-09-27

Applicant: 南京邮电大学

Inventor： 徐小龙 ,  董益豪 ,  朱曼 ,  吴晓诗 ,  胡惠娟

IPC: G06F40/126 ,  G06F40/242 ,  G06F40/295 ,  G06N3/04 ,  G06N3/08

Abstract: 一种面向知识图谱自动构建系统的关系抽取方法，首先对文本进行编码转换成词向量，初步提取文本特征；再利用文本的句法依存结构生成句法依存树，通过对每种关系类别进行加权生成带权依存邻接矩阵，使用图卷积神经网络对文本中的句法依存信息进行提取；同步地，将多头注意力机制直接作用于编码后的文本生成注意力矩阵，使用相同结构的图卷积神经网络对文本本身句法依存信息以外的信息进行提取；最后得到两个实体和句子本身的特征表示，使用前馈神经网络和归一化指数函数对所有可能的关系类别进行打分，选取分数最高的关系作为关系分类结果。本发明能够充分获取文本不同维度的信息，在关系抽取的公开数据集上取得了优异的效果。

公开(公告)号：CN113947085B

公开(公告)日：2024-11-08

申请号：CN202111235560.1

申请日：2021-10-22

Applicant: 南京邮电大学

Inventor： 徐小龙 ,  费岳凡 ,  朱曼 ,  吴晓诗 ,  胡慧娟

IPC: G06F40/295 ,  G06F40/216 ,  G06F16/332 ,  G06F17/15 ,  G06F17/16

Abstract: 一种面向智能问答系统的命名实体识别方法，包括如下步骤：为每条样本以滑动窗口的方式拼接上下文，并将普通的文本数据形式转化为机器阅读理解数据的形式；通过Bert预训练模型生成词向量特征；根据词向量特征，分别使用多尺度卷积与双向时序运算对其进行编码，得到样本的全局特征与局部特征；以等权重的方式为词向量特征拼接上全局特征与局部特征以增强词向量特征，得到上下文特征；对上下文特征采用多个线性网络识别文本中的命名实体。本发明能够充分利用问答系统中用户输入句子的上下文信息，以精准地抽取出用户问题中的命名实体；可以在命名实体识别的公开数据上都取得优异的效果，在对准确率要求较高的智能问答系统中具有良好的实用性。

公开(公告)号：CN113947085A

公开(公告)日：2022-01-18

申请号：CN202111235560.1

申请日：2021-10-22

Applicant: 南京邮电大学

Inventor： 徐小龙 ,  费岳凡 ,  朱曼 ,  吴晓诗 ,  胡慧娟

IPC: G06F40/295 ,  G06F40/216 ,  G06F16/332 ,  G06F17/15 ,  G06F17/16

Abstract: 一种面向智能问答系统的命名实体识别方法，包括如下步骤：为每条样本以滑动窗口的方式拼接上下文，并将普通的文本数据形式转化为机器阅读理解数据的形式；通过Bert预训练模型生成词向量特征；根据词向量特征，分别使用多尺度卷积与双向时序运算对其进行编码，得到样本的全局特征与局部特征；以等权重的方式为词向量特征拼接上全局特征与局部特征以增强词向量特征，得到上下文特征；对上下文特征采用多个线性网络识别文本中的命名实体。本发明能够充分利用问答系统中用户输入句子的上下文信息，以精准地抽取出用户问题中的命名实体；可以在命名实体识别的公开数据上都取得优异的效果，在对准确率要求较高的智能问答系统中具有良好的实用性。