【技术实现步骤摘要】
面向音乐领域的实体关系抽取方法及系统
[0001]本专利技术涉及文本实体关系抽取
，特别是涉及面向音乐领域的实体关系抽取方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]随着信息的爆炸式增长，人们很难从海量信息中找到真实需要的信息。搜索引擎正是在这种情况下应运而生。然而由于HTML形式的网页缺乏语义，难以被计算机所理解，因此在它们在搜索准确度方面有着明显的缺陷。此外，随着社会由信息化向知识型转变，计算机应用也离不开学科专业知识支撑，音乐知识领域也是如此。如何快速、准确地从网络上海量的音乐信息获得自己想要的内容是值得研究的。
[0004]音乐是用组织音构成的听觉意象，来表达人们的思想感情与社会现实生活的一种艺术形式。面向音乐领域的知识图谱被广泛用于音乐检索、个性化音乐推荐以及音乐领域的智能问答系统等等。目前，随着音乐产业的不断蓬勃发展，积累了大量的音乐文本数据，而这些数据中蕴含了规模庞大、结构复杂且语义关联丰富的音乐领域相关知识，怎...
【技术保护点】
【技术特征摘要】
1.面向音乐领域的实体关系抽取方法，其特征是，包括：获取待处理文本；对待处理文本进行句子过滤，得到候选句子；所述候选句子中包括至少两个音乐命名实体；对候选句子，进行降噪处理；将降噪处理后的候选句子，输入到训练后的实体关系抽取模型中，输出候选句子中包含的音乐实体关系；其中，所述训练后的实体关系抽取模型，是采用已标注实体关系的音乐文本进行训练得到的。2.如权利要求1所述的面向音乐领域的实体关系抽取方法，其特征是，对待处理文本进行句子过滤，得到候选句子，具体包括：对待处理文本进行分句、分词和词性标注处理；对获得的句子进行过滤，对于包含至少两个音乐命名实体的句子进行保留，剩余句子予以删除；对候选句子，进行降噪处理，具体包括：对候选句子，去除停用词、删除特殊符号以及空格。3.如权利要求1所述的面向音乐领域的实体关系抽取方法，其特征是，将降噪处理后的候选句子，输入到训练后的实体关系抽取模型中，输出候选句子中包含的音乐实体关系，其中，实体关系抽取模型，包括：依次连接的词嵌入层、神经网络层、注意力机制层和输出层。4.如权利要求3所述的面向音乐领域的实体关系抽取方法，其特征是，将降噪处理后的候选句子，输入到训练后的实体关系抽取模型中，输出候选句子中包含的音乐实体关系，其中，训练后的实体关系抽取模型，工作过程包括：将降噪处理后的候选句子输入到词嵌入层的BERT模型中，词嵌入层的BERT模型对输入的候选句子进行编码生成词向量；神经网络层的BiGRU模型对词向量进行处理，得到带有时序信息的文本表示；注意力机制层，通过键值对计算序列中文本表示与关系类别的相关性，得到注意力权重，采用注意力权重对带有时序信息的文本表示进行加权求和，得到句子级的文本表示；输出层，通过分类器对句子级的文本表示进行分类，输出最终的音乐实体关系类别。5.如权利要求1所述的面向音乐领域的实体关系抽取方法，其特征是，将降噪处理后的候选句子，输入到训练后的实体关系抽取模型中，输出候选句子中包含的音乐实体关系，其中，训练后的实体关系抽取模型，模型训练过程包括：构建数据集，将数据集按照设定比例划分为训练集和测试集；将训练集输入到时态关系抽取模型中，对模型进行训练，当模型的损失函数值不再下降时，或者训练迭代次数超过设定次数时，停止训练，得到初步训练后的实体关系抽取模型；再对初步训练后的实体关系抽取模型，采用测试集进行测试，如果测试的准确度超过设定阈值，则得到训练后的实体关系抽取模型，如果测试的准确度低于设定阈值，则更换训练集，对模型再次进行训练。6.如权利要求5所述的面向音乐领域的实体关系抽取方法，其特征是，所述构建数据集，具体包括：对语料进行分句、分词和词性标注处理；对获得的句子进行过滤，对于包含至少两个音乐命名实体的句子作为候选句子进行保留，剩余句子予以删除；对候选句子进行降噪处理；定义音乐实体的类型以及音乐实体关系的类别，为音乐实体关系类别生成标签索引编
号；形成音乐领域的数据集。7.如权利要求6所述的面向音乐领域的实体关系抽取方法，其特征是，定义音乐实体的类型以及音乐实体关系的类别，其中，所述音乐实体的类型，包括：人物、音乐、专辑、影视、机构、时间、游戏和别名；所述人物，包括：歌手、组合、乐队、作词家、作曲家、编曲家；所述音乐，是指中文歌曲；所述专辑，是指音乐专辑；所述影视，是指电影、电视剧和动漫；所...
【专利技术属性】
技术研发人员：闫伟，王朝国，张亮，
申请(专利权)人：济南弦动微电子有限公司，
类型：发明
国别省市：
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。