龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：大连海事大学
摘要：本发明公开了基于依存句法预训练模型的篇章级关系抽取方法及系统，涉及自然语言处理技术领域，分别采用直接转换、双仿射转换和分解线性变换将依存句法信息引入到预训练模型中，分别比较不同引入方式的特点，分析依存句法信息对预训练模型的作用，同时探索图结构对预训练模型的辅助作用；将实体特征表示与实体间的距离特征进行拼接，丰富了实体的信息，有利于后续的篇章级关系抽取任务。本发明解决了目前预训练模型在篇章级关系抽取中处理长距离文本困难以及弱依赖的问题，不仅提高了预训练模型在篇章级关系抽取任务中处理长文本的能力和性能的精度，并且也探索出了图结构本身对预训练模型具有的辅助作用。
主权项：1.一种基于依存句法预训练模型的篇章级关系抽取方法，其特征在于，所述方法包括：S1、获取篇章级关系抽取数据集，并对所述篇章级关系抽取数据集中的各篇文章进行处理，获取表示整篇文章中各个词间依赖关系的篇章级依存句法树，并且将所述篇章级依存句法树转化成相对应的邻接矩阵；所述篇章级关系抽取数据集中的数据包括每篇文章中包括的单词序列、单词序列中的实体信息和实体间的关系信息；S2、将所述单词序列分别映射到查询向量、键向量和值向量空间；计算任意两个词之间的注意力值；采用直接转换、双仿射转换或分解线性变换将S1得到的所述篇章级依存句法树相对应的邻接矩阵引入到注意力的计算中，得到注意力偏量，最后将得到的注意力偏量与原始注意力值相加得到最终的受依存句法信息指导的注意力值，得到基于依存句法信息指导的预训练模型；S3、将所述单词序列输入到S2得到的基于依存句法预训练模型中，对数据进行特征提取，得到实体特征表示；S4、计算实体之间的相对距离，并将所述实体之间的相对距离与S3得到的实体特征表示进行拼接，得到实体特征的增强表示；S5、将S4得到的实体特征表示进行矩阵变换，形成头实体和尾实体；将头实体和尾实体输入到双线性变换中对任意两个实体进行关系预测，最终得到任意两个实体之间的关系概率分布，从而抽取实体之间的关系。
全文数据：
权利要求：
百度查询： 大连海事大学 基于依存句法预训练模型的篇章级关系抽取方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号