The invention discloses a relation extraction method and system applicable to graph knowledge knowledge map, and belongs to the field of information processing. The characteristics of the method include: first, the object detection system gets the object set and the feature of the visual phrase, and then through the visual phrase system and the translation embedding system, the image visual features and the image semantic features are obtained, and the relationship prediction in the image is finally obtained by the classifier. The invention solves the problem of relation extraction between graph knowledge and knowledge map by combining knowledge map and image information. One
【技术实现步骤摘要】
一种适用图文知识图谱的关系抽取方法
本专利技术涉及信息处理领域,特别涉及图像目标检测以及知识图谱中的关系抽取算法。
技术介绍
图像目标检测目的是在于检测图像中包含的所有物体,基本做法是将图像划分区域后再对每个区域进行图像分类。知识图谱中的一个关键技术就是关系抽取算法。目前主要使用神经网络来解决关系抽取问题,将词向量和位置向量进行联合训练。然而目前已有的关系抽取全部是应用于文字信息中,本专利技术通过融合知识图谱与图像特征的信息,解决图文知识图谱的关系抽取问题。
技术实现思路
为了解决现有的技术问题,本专利技术提供了一种适用图文知识图谱的关系抽取技术方案。方案如下:步骤一,我们将图像输入物体检测系统得到物体集合以及视觉短语特征。步骤二,我们使用视觉短语系统得到图像所含物体关系的视觉短语。步骤三,我们使用翻译嵌入系统得到图像语义特征,通过计算向量预测出关系。步骤四,通过融合视觉短语系统以及翻译嵌入系统的输出得到图像中关系的最终预测。附图说明图1是本专利技术提供的图文知识图谱关系抽取的网络结构图。具体实施方式接下来将对本专利技术的实施方法作更详细的描述。图1是本专利技术提供的图文知识图谱关系抽取的系统结构图,其中包括:步骤S1:物体检测系统得到图像中的物体集合以及视觉短语特征。步骤S2:视觉短语系统得到图像视觉特征。步骤S3:翻译嵌入系统得到图像语义特征。步骤S4:融合视觉短语系统以及翻译嵌入系统的输出,使用分类器得到图像中的对象关系。下面将对每个步骤进行具体的说明:步骤S1:输入图像进入物体检测系统得到图像中检测到的所有物体集合以及视觉短语特征I。物体检测系统中我们 ...
【技术保护点】
1.一种适用图文知识图谱的关系抽取方法,其特征在于,所诉的方法包含以下的结构
【技术特征摘要】
1.一种适用图文知识图谱的关系抽取方法,其特征在于,所诉的方法包含以下的结构和步骤:(1)物体检测系统得到物体集合以及视觉短语特征:对输入的图像进行处理,得到图像中所有物体集合,并且将物体经过神经网络的特征输出作以及视觉短语特征;(2)视觉短语系统得到图像视觉特征:对步骤(1)得到的物体集合以及视觉短语特征进行处理,得到包含物体关系的视觉短语,计算得到预测关系的得分;(3)翻译嵌入系统得到图像语义特征:对步骤(1)得到的物体集合以及视觉短语特征使用词向量进行处理,并且映射到相应的关系空间中得到图像中的语义信息,计算得到语义的关系得分;(4)使用分类器得到图像中的对象关系:对步骤(2)和步骤(3)的输出进行处理,输入分类器得到图像中的关系。2.如权利要求1所述的方法,其特征在于,所述步骤(1)具体包括:(1.1)将图像输入网络得到图像特征图;(1.2)使用RPN(regionproposalnetwork)网络处理特征图,得到图像感兴趣的区域;(1.3)将图像感兴趣的区域输入神经卷积网络,得到每个区域...
【专利技术属性】
技术研发人员:李思,李智超,曾景城,高升,徐雅静,
申请(专利权)人:北京邮电大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。