龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京邮电大学
摘要：本发明是一种基于BTBC模型的知识图谱构建方法，上下文编码层采用Tiered‑BiLSTM‑CRF模型，通过动态堆叠平面NER层来识别嵌套实体，每个平面NER层均为BiLSTM‑CRF的平面NER模型，每一层将LSTM层的实体输出融合，再输出到下一个平面NER层中，关系抽取层采用多头关系抽取模型，最后以三元组的格式存储在Neo4j图数据库里。本发明将具有更强文本特征表示能力的BERT预训练模型做特征表示层，结合Tiered‑BiLSTM‑CRF，突出了上下文语义特征中的重要特征，在识别多对关系的基础上，有效解决了实体重叠的问题，提高图谱构建的准确性。
主权项：1.一种基于BTBC模型的知识图谱构建方法，其特征在于：所述BTBC模型包括词嵌入层、上下文编码层、嵌套命名实体识别、关系抽取层和知识存储层，该知识图谱构建方法包括如下步骤：步骤1、通过BERT预训练语言模型，将句子中的每个字转化为低维的字向量；步骤2、将步骤1得到的字向量序列输入到Tiered-BiLSTM层，对句子进行编码，将前文与后文的信息融合到上下文编码层；步骤3、将步骤2检测到的实体上下文表示进行融合，使用逐位相加的方法对除尾部字符的内部实体进行融合，再与尾部字符进行向量拼接，最后用线性映射转化为原始维度；步骤4、将步骤2得到的标签序列和预测标签串联起来得到标签转移分数，条件随机场CRF通过考虑标签之间的相邻关系获得全局最优化标签序列；步骤5、将步骤3的原始维度和步骤4的全局最优化标签序列拼接，通过多头关系抽取模型，计算每个词最有可能对应的关系和头向量，通过sigmoid损失函数获取多个关系；步骤6、将步骤5输出以三元组的格式存储在Neo4j图数据库中。
全文数据：
权利要求：
百度查询： 南京邮电大学 一种基于BTBC模型的知识图谱构建方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号