海量数据集事件关系抽取方法技术

本发明专利技术公开了一种海量数据集事件关系抽取方法，包括：S1：三元组之间按照关联规则建立关联关系和关联强度，组成无向网；S2：连接三元组中的前项词向量、后项词向量和实体类型，作为无向网中节点的特征；S3：对无向网中每个节点进行分类处理，抽取事件中的实体关系。解决了大数据集或海量数据集中事件关系的抽取精度和速度问题，由于使用了卷积网路，可以进行并行运算，由此解决了抽取速度问题；同时由于是在图数据结构上使用了卷积网络提取特征，因此利用卷积网路提取特征强的优势，解决了传统方法由于提取特征弱造成的精度低的缺陷。

Extraction method of event relationship in massive data set

【技术实现步骤摘要】
海量数据集事件关系抽取方法
本专利技术涉及事件关系抽取领域，尤其涉及海量数据集事件关系抽取方法。
技术介绍
目前在知识图谱系统的开发中，对于事件关系的抽取，主流算法都是基于远程监督的算法，该种算法对小数据量的数据集比较实用，一旦数据集中的实体数量达到千万级别以上，就面临计算缓慢，事件关系抽取精度不高，需要海量人工标注的训练样本等缺点。传统的远程监督训练的算法在大数据集和海量数据集上很难达到60%，传统方式所需人工标注的样本数量基本要到10万级别甚至更高。
技术实现思路
为了解决上述问题，本专利技术提出一种海量数据集事件关系抽取方法，包括以下步骤：S1：三元组之间按照关联规则建立关联关系和关联强度，组成无向网；S2：连接三元组中的前项词向量、后项词向量和实体类型，作为无向网中节点的特征；S3：对无向网中每个节点进行分类处理，抽取事件中的实体关系。优选的，以FP-树频集算法为基础建立关联规则。优选的，无向网的组成过程包括以下步骤：S11：将事件描述成包括主语、谓语和宾语的三元组，所述三元组作为一个节点；S12：节点和节点之间进行连接，连接线上标记关联关系与关联强度。优选的，所述步骤S2包括：本文档来自技高网...

【技术保护点】
1.海量数据集事件关系抽取方法，其特征在于，包括以下步骤：S1：三元组之间按照关联规则建立关联关系和关联强度，组成无向网；S2：连接三元组中的前项词向量、后项词向量和实体类型，作为无向网中节点的特征；S3：对无向网中每个节点进行分类处理，抽取事件中的实体关系。

【技术特征摘要】
1.海量数据集事件关系抽取方法，其特征在于，包括以下步骤：S1：三元组之间按照关联规则建立关联关系和关联强度，组成无向网；S2：连接三元组中的前项词向量、后项词向量和实体类型，作为无向网中节点的特征；S3：对无向网中每个节点进行分类处理，抽取事件中的实体关系。2.根据权利要求1所述的海量数据集事件关系抽取方法，其特征在于，以FP-树频集算法为基础建立关联规则。3.根据权利要求1所述的海量数据集事件关系抽取方法，其特征在于，无向网的组成过程包括以下步骤：S11：将事件描述成包括主语、谓语和宾语的三元组，所述三元组作为一个节点；S12：节点和节点之间进行连接，连接线上标记关联关系与关联强度。4.根据权利要求1所述的海量数据集事件关系抽取方法，其特征在于，所述步骤S2包括：S21：分别抽取三元组中的前项和后项，合并成前项词向量和后项词向量；S22：抽取三元组中的实体类型；...

【专利技术属性】
技术研发人员：陈泽勇，张治同，张莉，姚松，
申请(专利权)人：成都迪普曼林信息技术有限公司，
类型：发明
国别省市：四川,51