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:哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
摘要:本发明涉及自然语言处理技术领域,特别是指一种基于依存图解析的一体化中文信息抽取方法及装置。方法包括:构建待处理文本的依存图;构建模型框架并训练模型框架,获得中文信息抽取模型;通过中文信息抽取模型获取待处理文本中文字之间的关系,获得待处理文本中字与字之间预测边的概率;提取字与字之间预测边的概率超过0.5的数据,输入至解码器中进行解码,并从相应的预测标签的分布中取到该字与字之间的标签,获得待处理文本的依存图,完成基于依存图解析的一体化中文信息抽取。本发明脱离特定的任务独立的运行并且有很好的性能,同时由于使用字粒度的方式进行建图来表示关系,能够对不同的数据集都采用一致的处理方式,得到统一的模型输入。
主权项:1.一种基于依存图解析的一体化中文信息抽取方法,其特征在于,所述方法包括:S1、构建待处理文本的依存图;S2、构建模型框架并训练所述模型框架,获得中文信息抽取模型;所述S2中的构建模型框架并训练所述模型框架,包括:构建模型框架,所述模型框架包括:文本编码器、第一正则化模块、全连接层、第二正则化模块、双仿射模块、三仿射模块、边分类器以及标签分类器;基于所述依存图中的数据集联合训练所述模型框架中的文本编码器、第一正则化模块、全连接层、第二正则化模块、双仿射模块、三仿射模块、边分类器以及标签分类器,获得中文信息抽取模型;S3、通过所述中文信息抽取模型获取所述待处理文本中文字之间的关系,获得待处理文本中字与字之间预测边的概率;提取字与字之间预测边的概率超过0.5的数据,输入至解码器中进行解码,并从相应的预测标签的分布中取到字与字之间的标签,获得待处理文本的依存图,完成基于依存图解析的一体化中文信息抽取;所述S3中的通过所述中文信息抽取模型提取所述待处理文本中文字之间的关系,获得待处理文本中字与字之间预测边的概率,包括:将待处理文本中按照字粒度进行划分的文本输入到文本编码器中,文本编码器用来将文本表示成嵌入;将文本嵌入输入到第一正则化模块中,对文本嵌入进行防止过拟合处理;将所述第一正则化模块的输出输入至全连接层,将全连接层的输出结果输入至第二正则化模块,获得字作为头节点和尾节点的嵌入表示;将待处理文本字与字的边关系中,所述字作为头节点和尾节点的嵌入表示输入双仿射模块或三仿射模块,获得字与字之间的边关系概率;获取两个边的关系的概率矩阵,通过所述边分类器判断字与字是否存在边;获得边的判断结果,通过全连接层和正则化模块获得相应的表示后,输入到双仿射模块,获得字与字之间所有关系的概率;将字与字之间所有关系的概率输入至标签分类器,通过所述标签分类器选择字与字之间的关系。
全文数据:
权利要求:
百度查询: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种基于依存图解析的一体化中文信息抽取方法及装置
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。