-
公开(公告)号:CN113468874B
公开(公告)日:2024-04-16
申请号:CN202110643976.0
申请日:2021-06-09
申请人: 大连理工大学
IPC分类号: G06F40/279 , G06F40/30 , G06N3/049 , G06N3/08 , G06N3/0464
摘要: 一种基于图卷积自编码的生物医学关系抽取方法,为了充分利用依赖关系,有效捕获语义结构,并降低计算成本,包括卷积自编码器通过编码器对所述不同子空间的邻接矩阵编码,通过解码器对编码器输出的邻接矩阵进行重构,得到维度与输入矩阵相同的邻接矩阵;将从获得单词的隐层状态表示和重构的邻接矩阵输入到N个单独图卷积网络中,编码不同子空间表示,使图卷积网络编码依存森林中长距离依赖特征;将不同子空间表示串联,获得所有子空间信息的输出向量,经过全连接层获得各节点输出向量后进行关系分类,实验结果证明,本模型可以更有效地捕获依赖信息,获取语义结构。
-
公开(公告)号:CN113468874A
公开(公告)日:2021-10-01
申请号:CN202110643976.0
申请日:2021-06-09
申请人: 大连理工大学
IPC分类号: G06F40/279 , G06F40/30 , G06N3/04 , G06N3/08
摘要: 一种基于图卷积自编码的生物医学关系抽取方法,为了充分利用依赖关系,有效捕获语义结构,并降低计算成本,包括卷积自编码器通过编码器对所述不同子空间的邻接矩阵编码,通过解码器对编码器输出的邻接矩阵进行重构,得到维度与输入矩阵相同的邻接矩阵;将从获得单词的隐层状态表示和重构的邻接矩阵输入到N个单独图卷积网络中,编码不同子空间表示,使图卷积网络编码依存森林中长距离依赖特征;将不同子空间表示串联,获得所有子空间信息的输出向量,经过全连接层获得各节点输出向量后进行关系分类,实验结果证明,本模型可以更有效地捕获依赖信息,获取语义结构。
-