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：北京北大软件工程股份有限公司

摘要：本发明公开一种面向立法意见的关键信息抽取方法、系统及设备，涉及自然语言处理技术领域。该方法包括对证据信息的输入文本和所有待分类关系类别标签进行预处理，得到预处理后的文本；所述预处理包括：文档分割和预训练语言模型的处理；根据预处理后的文本，采用因果驱动的证据语义模型和因果驱动的标签语义模型，基于连续优化的NoTEARS因果发现算法以及L层R‑GCN图神经网络，确定去噪后证据信息和语义增强后的标签信息；根据去噪后证据信息和语义增强后的标签信息进行双向语义匹配，并将双向语义匹配的匹配分数进行聚合，得到综合打分；根据综合打分进行实体关系抽取。本发明能够充分利用外部知识，解决数据标签分布不均衡问题。

主权项：1.一种面向立法意见的关键信息抽取方法，其特征在于，包括：获取证据信息的输入文本和所有待分类关系类别标签；对证据信息的输入文本和所有待分类关系类别标签进行预处理，得到预处理后的文本；所述预处理后的文本包括：实体提及语义嵌入、实体语义嵌入、证据EDU语义嵌入、上下文EDU语义嵌入和标签语义嵌入；所述预处理包括：文档分割和预训练语言模型的处理；根据预处理后的文本，采用因果驱动的证据语义模型和因果驱动的标签语义模型，基于连续优化的NoTEARS因果发现算法以及L层R-GCN图神经网络，确定去噪后证据信息和语义增强后的标签信息；根据去噪后证据信息和语义增强后的标签信息进行双向语义匹配，并将双向语义匹配的匹配分数进行聚合，得到综合打分；根据综合打分进行实体关系抽取；根据预处理后的文本，采用因果驱动的证据语义模型和因果驱动的标签语义模型，基于连续优化的NoTEARS因果发现算法以及L层R-GCN图神经网络，确定去噪后证据信息和语义增强后的标签信息，具体包括：所述因果驱动的证据语义模型接收证据EDU语义嵌入、上下文EDU语义嵌入以及标签语义嵌入；在证据EDU语义嵌入和对应的上下文EDU语义嵌入间建立EDU类型连边；在证据EDU语义嵌入与标签、上下文EDU语义嵌入与标签间建立语义类型连边；所述因果驱动的标签语义模型接收实体提及语义嵌入、实体语义嵌入、去噪后的证据EDU语义嵌入、去噪后的上下文EDU语义嵌入以及标签语义嵌入，在实体提及语义嵌入、实体语义嵌入、去噪后的证据EDU语义嵌入、去噪后的上下文EDU语义嵌入与对应标签间建立语义类型连边；在连续优化的NoTEARS因果发现算法帮助下，筛选出与证据和标签表达存在因果效应的实体提及语义嵌入、实体语义嵌入、去噪后的证据EDU语义嵌入、去噪后的上下文EDU语义嵌入和对应因果导向关系，再通过L层R-GCN图神经网络得到对应构成证据Evidence和标签Label子图的整体语义表达。

全文数据：

权利要求：

百度查询： 北京北大软件工程股份有限公司 一种面向立法意见的关键信息抽取方法、系统及设备