公开(公告)号：CN114239548B

公开(公告)日：2025-05-02

申请号：CN202111543918.7

申请日：2021-12-16

Applicant: 杭州电子科技大学

Inventor： 张旻 ,  杨启胜 ,  汤景凡 ,  姜明

IPC: G06F40/211 ,  G06F40/216 ,  G06F40/284 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0442

Abstract: 本发明公开了一种融合依存句法和指针生成网路的三元组抽取方法。首先本发明使用百度NLP工具解析句子，并利用句子解析后得到的词性结果将一些专用名词进行了泛化处理。另外，为了充分利用句子的依存结构信息，本发明引用了KVMN模型充分学习词与词之间的依赖弧以及他们的依赖关系类别的信息，在这之后使用Bi‑LSTM学习上下文内容，并使用注意机制计算注意力分布及句子表示向量。最后本发明通过建立一个扩展词汇表表示原词汇表和源文档中出现的所有词汇总集，计算每个词的概率，进行词生成。实验结果表明，本发明能很好解决词汇表不足的问题，并且着重强调了依存结构的信息，有较强的适用能力，有效提升三元组抽取方法的准确性。

公开(公告)号：CN114330293A

公开(公告)日：2022-04-12

申请号：CN202111638017.6

申请日：2021-12-29

Applicant: 杭州电子科技大学

Inventor： 张旻 ,  杨启胜 ,  汤景凡 ,  姜明

IPC: G06F40/211 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08 ,  G06F40/126

Abstract: 本发明公开了一种基于图同构网络的谓词抽取方法。本发明使用了DDParser工具对文本句子进行解析，并利用句子解析后得到的词性结果对分词序列中的专用名词进行泛化。对Bert的嵌入部分做调整，加入对词性信息的编码，将泛化后的词序列输入到微调后的Bert模型中进行编码。使用GIN网络来获取依存树中每一个节点的嵌入向量以及依存子树的表征向量。再这之后通过一层注意力机制，将语义信息还有依存结构信息融合起来得到最终的节点嵌入向量。最后，本发明将最终的词嵌入向量集合输入到一个二分类器中，得到谓词结果。本发明使用了深度学习的方式学习句子的结构模板特征，大大减少了人们的工作量，有着较强的跨领域性和适应能力，有效提升了谓词抽取方法的准确性。

公开(公告)号：CN114239548A

公开(公告)日：2022-03-25

申请号：CN202111543918.7

申请日：2021-12-16

Applicant: 杭州电子科技大学

Inventor： 张旻 ,  杨启胜 ,  汤景凡 ,  姜明

IPC: G06F40/211 ,  G06F40/216 ,  G06F40/284 ,  G06F40/289 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合依存句法和指针生成网路的三元组抽取方法。首先本发明使用百度NLP工具解析句子，并利用句子解析后得到的词性结果将一些专用名词进行了泛化处理。另外，为了充分利用句子的依存结构信息，本发明引用了KVMN模型充分学习词与词之间的依赖弧以及他们的依赖关系类别的信息，在这之后使用Bi‑LSTM学习上下文内容，并使用注意机制计算注意力分布及句子表示向量。最后本发明通过建立一个扩展词汇表表示原词汇表和源文档中出现的所有词汇总集，计算每个词的概率，进行词生成。实验结果表明，本发明能很好解决词汇表不足的问题，并且着重强调了依存结构的信息，有较强的适用能力，有效提升三元组抽取方法的准确性。