【技术实现步骤摘要】
一种基于深度学习的地铁设计规范中实体关系联合抽取方法
本专利技术属于计算机自然语言处理
，涉及一种基于深度学习的地铁设计规范中实体关系联合抽取方法。
技术介绍
随着大数据的兴起，面对海量数据信息如何正确合理利用是大数据分析的关键所在。而知识图谱可以将结构化、半结构化数据用图的方式表示出来，从而简化知识，方便数据的进一步处理利用。地铁是新兴的建筑行业，由于地铁设计规范多为文本形式表示，其陈述结构也与知识图谱表示相契合，故可利用知识图谱来对地铁设计规范进行知识表示，从而推动轨道交通行业信息化进程。实体关系抽取是建立知识图谱的关键任务之一。实体关系抽取是级联任务，分为实体抽取和关系抽取两个子任务，如何更好地处理这种级联任务是自然语言处理的一个热点研究方向。传统的实体关系抽取多使用PIPline方法，即先抽取实体再抽取关系，虽然该类方法易于实现，实体模型和关系模型可以使用独立的数据集，但存在误差积累、实体冗余、交互缺失等缺点。针对地铁规范中实体与关系的联合抽取方法可以解决这些问题。目前，关于实体关系联合抽取方法...
【技术保护点】
1.一种基于深度学习的地铁设计规范中实体关系联合抽取方法，其特征在于，按照以下步骤实施：/n步骤1，利用词典文件构建名词哈希词典索引，词典文件采用IFC实体类标准构建，之后将词典文件包含的所有实体类定义为实体类集合E，并定义关系类集合R；/n步骤2，将待处理《地铁设计规范》的句子作为输入文本S1；/n步骤3，对步骤2得到的输入文本S1进行正向最大匹配算法处理得到实体集C1_1，再对输入文本S1进行逆向最大匹配算法处理得到实体集C1_2，取C1_1与C1_2的交集得到实体集C1；/n步骤4，将步骤2得到的输入文本S1输入经过预训练的BERT模型进行编码，得到输入文本的字嵌入集...
【技术特征摘要】
1.一种基于深度学习的地铁设计规范中实体关系联合抽取方法，其特征在于，按照以下步骤实施：
步骤1，利用词典文件构建名词哈希词典索引，词典文件采用IFC实体类标准构建，之后将词典文件包含的所有实体类定义为实体类集合E，并定义关系类集合R；
步骤2，将待处理《地铁设计规范》的句子作为输入文本S1；
步骤3，对步骤2得到的输入文本S1进行正向最大匹配算法处理得到实体集C1_1，再对输入文本S1进行逆向最大匹配算法处理得到实体集C1_2，取C1_1与C1_2的交集得到实体集C1；
步骤4，将步骤2得到的输入文本S1输入经过预训练的BERT模型进行编码，得到输入文本的字嵌入集合S2；
步骤5，在步骤4字嵌入集合S2中选择文段，对所有选择的文段构造文段嵌入，通过卷积分类器进行实体分类过滤，得到实体集合C2；
步骤6，将步骤3中的实体集合C1与步骤5中的实体集合C2合并后得到实体集合C3；从C3中任意选择两个实体构成若干实体对，为实体对构造关系嵌入；经过卷积分类器分类得到实体对的双向关系r，并通过分类过滤，得到最终的实体关系集合C4。
2.根据权利要求1所述的一种基于深度学习的地铁设计规范中实体关系联合抽取方法，其特征在于：所述步骤5具体为：
对步骤4中得到的字嵌入集合S2在所有长度在1到10之间的跨度上选择文段，集合S2是通过BERT模型得到的文本向量表示(e1,e2,...,en)，即对于任意ei，选择文段(ei,ei+1,ei+2...ei+k)，其中k取值在0到10之间，对于输入第一结果集C1的实体不予选择；利用语义嵌入、位置嵌入与上下文嵌入对所有选择的文段构造文段嵌入span_em，将span_em输入卷积分类器进行实体分类；对所有文段完成分类后，过滤结果中不属于已定义实体类集合E的实体；得到实体集合C2。
3.根据权利要求2所述的一种基于深度学习的地铁设计规范中实体关系联合抽取方法，其特征在于：所述步骤5中，文段嵌入部分的具体构造过程如下：
5.1)对于步骤5中选择的文段的字嵌入，进行最大池化得到向量span_max、进行平均池化得到向量span_ave、进行最小池化得到向量span_min。连接三个向量，得到词义嵌入
5.2)对于步骤5中选择的文段获取三个位置，即本文段的第一个字h...
【专利技术属性】
技术研发人员：黑新宏，李育璠，朱磊，王一川，姬文江，孟海宁，姜琨，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61
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。