一种基于上下文编码和多层感知机的关系抽取方法及装置制造方法及图纸

本发明专利技术明提供一种基于上下文编码和多层感知机的关系抽取方法及装置，属于关系抽取技术领域，本发明专利技术包括以下步骤：S1：提取实体对的上下文编码信息；S2：生成实体关系的编码信息；S3：训练基于多层感知机的关系分类模型；S4：使用模型抽取待处理文本的关系。本发明专利技术的理论基础是两个实体之间的关系类型依赖于实体所在的上下文环境，尤其是实体两侧近邻要素的语义特征，如果能够提取实体对所在上下文环境的语义特征，可以提高关系(尤其是多义关系)抽取的准确性。相比其它关系抽取方法，本发明专利技术能够更好地描述实体对的上下文环境信息，提高关系抽取的准确率。

【技术实现步骤摘要】
一种基于上下文编码和多层感知机的关系抽取方法及装置
本专利技术涉及命名实体识别、关系抽取、上下文编码、多层感知机等技术，尤其涉及一种基于上下文编码和多层感知机的关系抽取方法及装置。
技术介绍
关系是描述实体对之间语义联系的三元组，其形式是(A，ɑ，B)，其中A、B是实体，ɑ是实体间的语义联系。关系大量存在于自然文本中，例如：句子“M国总统A来到C国”中包含关系(M国，总统，A)和(A，来到，C国)。关系抽取是信息抽取领域的重要研究内容，可以建立不同实体间的依赖类型，将非结构化文本转化为结构化或半结构化知识，形成由知识构成的关系网络，用于智能问答、语义搜索、社团发现等智能型服务。目前，常用的关系抽取方法包括下述三种：(1)规则模板法通过分析句式特点，设计若干模板(正则表达式)，使用模板在文本中匹配出关系三元组。这种方法需要构建庞大的模板库，早期由专家手工写出模板，人力耗费极大；近年来开始采用自动化方式生成模板，最常用的是Bootstrapping算法，根据最初几个实例从文本中提取种子模板，然后将进一步应用于文本，获得新的实本文档来自技高网...

【技术保护点】
1.一种基于上下文编码和多层感知机的关系抽取方法，其特征在于，/n包括以下步骤：/nS1：提取实体对的上下文编码信息；/nS2：生成实体关系的编码信息；/nS3：训练基于多层感知机的关系分类模型；/nS4：使用模型抽取待处理文本的关系。/n

【技术特征摘要】
1.一种基于上下文编码和多层感知机的关系抽取方法，其特征在于，
包括以下步骤：
S1：提取实体对的上下文编码信息；
S2：生成实体关系的编码信息；
S3：训练基于多层感知机的关系分类模型；
S4：使用模型抽取待处理文本的关系。


2.根据权利要求1所述的方法，其特征在于，
所述步骤S1中，实体对的上下文建模如下：
用(WA,WB)表示句子S中任意两个实体WA和WB构成实体对，这两个实体将句子S划分为三部分：WA和WB之间的子句SAB_In、WA外侧的子句SA_Out、WB外侧的子句SB_Out，WA两侧的词汇是WA_Pre和WA_Aft，词性表示为SA_Pre和SA_Aft，WB两侧的词汇是WB_Pre和WB_Aft，词性表示为SB_Pre和SB_Aft，WA和WB的实体标签分别为LA和LB，上述描述构成实体对(WA,WB)的上下文。


3.根据权利要求2所述的方法，其特征在于，
所述步骤S1包括：
S11：生成词汇的向量化编码；具体包括：
S111：计算词汇WA_Pre、WA、WA_Aft、WB_Pre、WB、WB_Aft的词嵌入EWA_Pre、EWA、EWA_Aft、EWB_Pre、EWB、EWB_Aft；
S112：拼接词嵌入结果，得到词汇的向量化编码EW＝[EWA_Pre,EWA,EWA_Aft,EWB_Pre,EWB,EWB_Aft]；
S12：生成词性的向量化编码；具体包括：
S121：计算词性SA_Pre、SA_Aft、SB_Pre和SB_Aft的词性嵌入ESA_Pre、ESA_Aft、ESB_Pre、ESB_Aft；
S122：拼接词性嵌入结果，得到词性的向量化编码ES＝[ESA_Pre,ESA_Aft,ESB_Pre,ESB_Aft]；
S13：生成实体标签的向量化编码；具体包括：
S131：计算实体标签LA和LB的标签嵌入ELA和ELB；
S132：拼接标签嵌入结果，得到实体标签的向量化编码EL＝[ELA,ELB]；
S14：合成上下文的向量化编码。


4.根据权利要求1所述的方法，其特征在于，
所述步骤S2中，实体关系的编码信息是采用One-Hot编码表示实体之间的关系类型，即用长度为k的向量RVeci表示关系Ri，i∈[1,k]，在RVeci中，除了第i位是1外，其它位均为0。


5.根据权利要求1所述的方法，其特征在于，
所述步骤S3包括：
S...

【专利技术属性】
技术研发人员：王功明，谢超，张娴，周庆勇，孙思清，
申请(专利权)人：浪潮云信息技术股份公司，
类型：发明
国别省市：山东;37