CN115455197B 一种融合位置感知细化的对话关系抽取方法 （电子科技大学）

一种融合位置感知细化的对话关系抽取方法现有技术中对话文本的相似结构信息带来的干过在异构提及对话图上使用位置感知细化的图2提及节点：将每一个提及词设置为提及节点，且将文本相同但在对话A5、根据各提及节点的对应词在对应话语句中的位置信息，及各提及基于更新获得的提及节点和话语节点的特征表示，根据提及节点与实保留异构提及对话图中，除因合并节点而消除的边以外3的序列和对话的结尾标记拼接构成对话词序列；将获得的对话词序列输入预训练语言模标记位置所对应的隐藏状态作为对话节点的初4j)＝uid(ni)_uid(nj)ij)＝pi_pj(nm)表示该提及节点对应词所在话语句的ID，pm表示该提及节点对应词的首个单词在话语其中，表示节点ni在第l_1层的特征表示，hf"表示邻居节点nj在第l层的特征表表示节点ni对其邻居节点nj的注意力权重系数；f""."分别表示节点ni在第5ij分别表示实体对话图第i个和第j个节点的b)对应实体节点间的各路径进行融合：ab分别表示实体对的头实体ea和尾实体eb的特征表示，为头实体ea到尾实6b]ab分别表示实体对的头实体ea和尾实体eb的特征表示；udia表示异构提及图中A73、通过前馈神经网络，针对实体关系抽取任务中预定义的每个关系r，采用二元ao表示实体ea到节点eo的边的特征表示。在步骤A8中，基于辅助任务的触发词预测的交叉熵损失型输出特征向量的长度，B={B,I,0}是标签集合，分别表示触发词起始词、触发词中间或将异构提及对话图中，以10％的概率随机选择对话中的说话者标记，并用特殊标记714.如权利要求11、12或13任意一项所述的一种融合位置感知细化的对话关系抽取方其中，N1是待预测实体对的数量，pn是实体对对应各关系的预测概率分布所构成的向nLrp按如下公式计算：8[0002]关系抽取任务旨在识别非结构化文本源中的命名实体并挖掘实体对之间的语义[0005]本发明所要解决的技术问题是：提出一种融合位置感知细化的对话关系抽取方语句中以及相同文本的提及词出现在相同的话语句9入表示s"与其每个单词xij的初始的嵌入表示进行拼接，获得其各单词的嵌入表示wij：起始标记位置所对应的隐藏状态作为对话节点的初m)表示该提及节点对应词所在话语句的ID，pm表示该提及节点对应词的首个单词表示节点ni与其邻居节点nj的相对位置编码，WN和bN均为训练参数，PE[0056]cy=")w:"(hf"+l,)[0067]B;=(h";h");h")-h";h")oh"))b]所述一跳路径也即头实体ea到尾实体eb仅经过中间节点eo作为连接点，其路径的特征表示可表示为：[0097]首先，将实体关系抽取任务中预定义的每个关系r，分别映射到分布式嵌入r为er的长度即关系数量，dx为预训练模型输出特征向量的长度，B={B,I,0}是标签集合，分别表示触发词起始词、触发词n[0113]Lrp按如下公式计算：[0124]本实施例中的融合位置感知细化的对话关系抽取方法包括对话关系抽取模型训等非文本部分内容。然后使用斯坦福提供的StanfordCoreNLP工具包对文本进行句法成分语句中以及相同文本的提及词出现在相同的话语入表示sr"与其每个单词xij的初始的嵌入表示进行拼接，获得其各单词的嵌入表示wij：[0145](2)基于各提及节点的对应词所包含各单词的嵌入表示，对各提及节点的初始化[0148](3)基于话语句所包含各单词的嵌入表示获得其对应的话语节点的初始化特征表示；和分别表示话语句ui中BiLSTM反向编码得到的第j个、j_1个隐藏特征表示；m)表示该提及节点对应词所在话语句的ID，pm表示该提及节点对应词的首个单词[0169](2)通过基于正弦位置嵌入的非线性函数进行编码，计算获得待更新节点ni与其表示节点ni与其邻居节点nj的相对位置编码，WN和bN均为训练参数，PE[0174]cy=")w:"(hf"+l,)[0181](4)基于融合门机制，在[0185]B;=(h";h");h")-h";h")ohf"))b]训练模型输出特征向量的长度，