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：贵州大学
摘要：本发明涉及语言结构学习技术领域，特别是一种面向实体关系抽取的语言结构学习方法及系统，从数据集中提取关系提及语句、实体对以及实体对间的语义关系类别；将实体特征序列与实体标记语句结合得到文本序列，输入神经网络模型；将所述文本序列中的词映射成向量，得到抽象表示矩阵；构建增强特征关联邻接矩阵，作为神经网络模型训练的可变参数；抽象表示矩阵与增强特征关联邻接矩阵进行图卷积操作，并进行残差链接，得到文本语言结构特征；对文本语言结构特征进行全连接操作，通过激活函数和线性分类，输出语义关系分类结果。通过构建特征关联邻接矩阵，在神经网络隐藏层中不断更新矩阵，达到学习语言结构关系的目的，改善实体关系抽取的性能。
主权项：1.一种面向实体关系抽取的语言结构学习方法，其特征在于，步骤包括：S1提取关系实例：从数据集中提取关系实例；S2特征序列抽取：抽取实体特征，得到实体特征序列，使用自然语言处理库，将实体特征序列与实体标记语句组合，得到文本序列S_作为神经网络模型的输入；S3文本序列抽象表示：构建神经网络模型词嵌入层的词向量查找表，通过词向量查找表将所述文本序列S_中的词映射成向量，得到抽象表示矩阵M；S4构建特征关联邻接矩阵：采用设定区间内的随机数字，构建特征关联邻接矩阵A，与单位矩阵结合，得到增强特征关联邻接矩阵Ã，作为神经网络模型训练的可变参数，以语义关系类别作为参数的调整目标，更新增强特征关联邻接矩阵Ã；S5学习语言结构特征：通过两个图卷积层的卷积操作建立所述抽象表示矩阵M和所述增强特征关联邻接矩阵Ã之间的联系，进而从图卷积操作中提取出文本语言结构特征C；其中所述抽象表示矩阵M构成图结构G的节点Node，所述增强特征关联邻接矩阵Ã中的值表示图结构G中所述节点Node之间的关联关系，即边Edge，所述图结构G表示为：G=Node，Edge；S6语义关系分类：对所述文本语言结构特征C进行全连接操作，调整全局特征，通过激活函数SoftMax和线性分类操作，输出语义关系分类结果。
全文数据：
权利要求：
百度查询： 贵州大学 一种面向实体关系抽取的语言结构学习方法及系统
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