内容提供者
一种实体关系抽取方法、系统、设备及可读存储介质.pdf
2023-04-26
10金币
746KB
16页
是你****韵呀
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共16页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
一种实体关系抽取方法、系统、设备及可读存储介质.pdf
本发明涉及一种实体关系抽取方法、系统、设备及可读存储介质,包括:将待进行实体关系抽取的句子输入至word2vec网络中得到句子的特征输入向量,将所述特征输入向量输入至BiGRU网络中进行前向后向学习得到目标特征向量,利用多分支注意力机制计算目标特征向量权重值,采用softmax函数根据所述目标特征向量权重值计算句子中每个词被选作实体关系的概率,本发明提供的实体关系抽取方法将可以更好地处理实体特征表达,使句子特征信息在传递过程中保留句子前后的依赖信息,减少句子特征值在传递过程中的退化问题,更好地解决长期依赖
2023-04-26
10
746KB
一种文本实体关系的抽取方法、装置、设备和可读介质.pdf
本说明书实施例公开了一种文本实体关系的抽取方法、装置、设备和可读介质。方案可以包括：获取待分类文本数据内的目标实体文本；获取目标实体文本相匹配的标识；提取目标实体文本的标识的隐藏状态特征向量；将任意两个目标实体文本的标识的隐藏状态特征向量进行拼接，得到任意两个标识的关系向量；将关系向量形成向量矩阵；对向量矩阵进行处理，得到目标实体文本的实体关系。本说明书实施例提供的文本实体关系的抽取方法能够加速神经网络对实体关系的抽取，具有识别精度高、耗时短的优点。
2023-07-24
10
783KB
关系抽取方法、系统、设备及存储介质.pdf
本发明提出一种关系抽取方法、系统、设备及存储介质，该方法包括：获取待抽取目标文本；将所述待抽取目标文本输入到关系抽取模型中，获取所述待抽取目标文本对应的实体关系，其中，所述关系抽取模型为神经网络模型，所述关系抽取模型通过样本文本和样本标签进行训练得到，所述关系抽取模型在训练过程中构建的模板实体关系进行部分掩码。本发明采用对prompt进行部分掩码掉的操作可以有效的降低预训练模型微调和训练过程中的误差，同时对prompt和原始文本构建句子对原始一条文本数据构建出多条数据的方式可以解决微调语料不足的情况，将已
2023-07-22
10
459KB
文本中实体关系的抽取方法、装置、设备及存储介质.pdf
本申请公开了一种文本中实体关系的抽取方法、装置、设备及存储介质，涉及人工智能领域。方法包括：对目标文本进行编码，得到目标文本中各个词对应的词向量；基于各个词对应的词向量，确定目标文本对应的潜在实体关系，目标文本中存在潜在实体关系的概率高于存在潜在实体关系外其它候选实体关系的概率；基于潜在实体关系以及各个词对应的词向量，确定目标文本中的目标主体和目标客体，目标主体和目标客体属于实体；基于目标主体、潜在实体关系以及目标客体，从目标文本中抽取实体关系三元组。通过对候选实体关系进行筛选得到潜在实体关系，减少冗余实
2023-07-25
10
1.2MB
基于实体感知的关系抽取方法、装置、设备及存储介质.pdf
本发明公开了基于实体感知的关系抽取方法、装置、设备及存储介质，步骤：为实体构建标记序列，并将标记序列与文本拼接得到输入序列；构建输入序列的掩码矩阵；使用预训练语言模型编码输入序列得到文本向量序列；取出已知实体的首尾向量拼接并映射得到实体向量表示；将各个实体向量两两拼接预测实体对关系。本发明的基于实体感知的关系抽取方法，在不改变预训练模型结构的基础上，通过重新定义预训练模型预留字符，结合掩码机制和位置编码，在文本编码层融合了多实体信息，实现了融合实体信息的一次编码模型，相比于现有技术，其步序较为简单，抽取效
2023-11-05
10
475KB