一种碳中和领域中文文本的实体关系联合抽取方法及系统技术方案

一种碳中和领域中文文本的实体关系联合抽取方法，针对碳中和的中文文本，利用Atom‑7B大模型得到文本句子的特征表示向量，然后通过PFN以联合抽取的方式得到文本中的实体关系三元组。以及提供一种碳中和领域中文文本的实体关系联合抽取系统，针对关系类型标注不平衡的训练数据，使用ChatGLM3接口对关系类型样本量少的文本句子进行数据增强；使用Atom‑7B大模型，通过在Embedding层添加噪声以及解码器层采用分层去掩码的策略，提取中文文本句子的特征表示向量；根据命名实体识别任务和关系抽取任务的难易程度，加入了动态损失函数，使PFN能关注更难的子任务。本发明专利技术提升了中文文本中抽取实体关系三元组的性能。

【技术实现步骤摘要】

本专利技术涉及自然语言处理领域，特别是一种碳中和领域中文文本的实体关系联合抽取方法及系统。

技术介绍

1、构建碳中和领域的知识图谱，首先要获取碳中和领域相关文本，关键在于从文本中提取关系三元组，提取关系三元组这个步骤也称为关系抽取。关系抽取方法有流水线方法和联合抽取方法，联合抽取方法通过实体识别和关系分类联合模型，直接得到存在关系的实体三元组。目前联合抽取方法达到了更高的性能，并且受到了更多的关注。pfn(apartition filter network for joint entity and relation extraction，2021)提出了一种分区过滤网络来正确建模任务之间的双向交互，使用联合抽取模式将命名实体识别(ner)和关系抽取(re)两个子任务进行深层次的交互，使得两个任务相互促进，并取得了优秀的抽取性能。

2、最近有研究尝试将chatgpt、chatglm等大语言模型用在关系抽取任务，其将关系抽取问题视为序列到序列的任务，将实体之间的关系线性化为根据输入生成的目标字符串。有研究先使用chatgpt生成思维链，再用生成的思本文档来自技高网...

【技术保护点】

1.一种碳中和领域中文文本的实体关系联合抽取方法，其特征在于，所述方法包括如下步骤：

2.如权利要求1所述的碳中和领域中文文本的实体关系联合抽取方法，其特征在于，所述步骤二中，对D1中样本数量少的关系类型，挑选出包含该关系类型的样本s0，调用ChatGLM3大模型接口，通过对话的形式生成和原样本有相同关系三元组的样本集，并加入D1中，过程如下：

3.如权利要求1或2所述的碳中和领域中文文本的实体关系联合抽取方法，其特征在于，所述步骤三的过程如下：

4.一种实现如权利要求1所述的碳中和领域中文文本的实体关系联合抽取的系统，其特征在于，所述系统包括：...

【技术特征摘要】

1.一种碳中和领域中文文本的实体关系联合抽取方法，其特征在于，所述方法包括如下步骤：

2.如权利要求1所述的碳中和领域中文文本的实体关系联合抽取方法，其特征在于，所述步骤二中，对d1中样本数量少的关系类型，挑选出包含该关系类型的样本s0，调用chatglm3大模型接口，通过对话的形...

【专利技术属性】
技术研发人员：徐新黎，姚高超，杨旭华，马钢峰，李响，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：