【技术实现步骤摘要】
本专利技术涉及人工智能算法，具体为一种基于知识图谱的初中数学知识点关系抽取方法。
技术介绍
1、关系抽取作为一项基本的信息抽取任务，广泛应用于下游任务中，目的是识别文本中给定一对实体之间的关系，并将其分类为预先定义的关系类别，例如依赖关系、近义关系、等价关系等。
2、最近研究人员基于深度学习的方法已经取得了优异的性能，这依赖于大量的标记训练数据。然而，大量的注释数据需要耗费大量时间和依赖劳动密集程度,除此之外，在一些特定的领域，需要特定领域知识，这是相当昂贵的。因此，近年来，在资源有限的情况下，进行关系抽取，引起了学者们的广泛关注。
3、目前研究者们已经提出了许多方法来解决关系抽取问题。研究的主流是基于句子的语义特征，比如分段卷积神经网络模型，通过将句子的编码向量送入到卷积神经网络中来提取上下文的语义特征，通过卷积操作聚合滑动窗口内的局部语义特征，再根据实体所在的位置将句子分成三段进行池化操作，最后整合所有的语义信息。在此基础上，还有研究者提出依赖于句子间的多参考图来进行关系的抽取，参考图的建立则是依赖于其命名实...
【技术保护点】
1.一种基于知识图谱的初中数学知识点关系抽取方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于知识图谱的初中数学知识点关系抽取方法，其特征在于：步骤S1中对数据集内句子文本数据进行标注，具体过程为：
3.根据权利要求2所述的一种基于知识图谱的初中数学知识点关系抽取方法，其特征在于：步骤S3中得到文本语义特征编码向量，具体过程为：
4.根据权利要求3所述的一种基于知识图谱的初中数学知识点关系抽取方法，其特征在于：步骤S3中得到实体特征编码向量和关系类型特征编码向量集合，具体过程为：
5.根据权利要求4所述的...
【技术特征摘要】
1.一种基于知识图谱的初中数学知识点关系抽取方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于知识图谱的初中数学知识点关系抽取方法，其特征在于：步骤s1中对数据集内句子文本数据进行标注，具体过程为：
3.根据权利要求2所述的一种基于知识图谱的初中数学知识点关系抽取方法，其特征在于：步骤s3中得到文本语义特征编码向量，具体过程为：
4.根据权利要求3所述的一种基于知识图谱的初中数学知识点关系抽取方法，其特征在于：步骤s3中得到实体特征编码向量和关系类型特征编码向量集合，具体过程为：
5.根据权利要求4所述的一种基于知识图谱的初中数学知识点关系抽取方法，其特征在于：步骤s4中增强头实体特征向量，具体过程为：
6.根据权...
【专利技术属性】
技术研发人员：万剑怡，王菲菲，陈开阳，邵佳兴，肖聪，刘璟，罗文兵，王明文，
申请(专利权)人：江西师范大学，
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。