CN119398043A 一种重叠实体关系抽取方法、系统、设备及存储介质 （中国人民解放军国防科技大学）

目标原始输入信息输入至预设关系抽取模型中2在接收到待抽取目标时，将所述待抽取目标通过重叠多实将所述实体类别信息注入至预设规则模块以确定候通过复杂标记方法结合所述候补三元组集合以确定目标将所述目标原始输入信息输入至预设关系抽取模型中以获取实体关系将所述字符向量与所述词向量进行维度对齐并获取将所述语句编码通过Bi_LSTM层以获取目将所述目标输入嵌入通过重叠多实体标记器以确将所述目标输入嵌入通过重叠多实体标记器以使所述重叠多实体标记器生成实体开所述第一线性层用于根据所述输入嵌入中的标记信息计算所述实体所述第二线性层用于根据所述输入嵌入中的标记信息计算所述实体获取预设边界阈值结合所述实体开头概率信息和所述实体结尾概率信息以确定实体将所述目标实体信息和所述预设实体类别信息输入至所述预设训练模型中并通过全根据二元交叉熵损失函数结合所述模型输出结果确将所述实体类别信息注入至预设规则模块以使所述预设规则模块根据本体规则和预3通过多粒度编码的方式，融合字符嵌入策略、词嵌入策略和位置根据所述复杂标记模板和所述悬浮编码策略生将所述目标原始输入至预设关系抽取模型中，通过所述预设关系抽在所述实体关系集合中以选择概率最大的标签词以获取最终根据所述最终关系类别和所述目标原始输入作为实体关系候补三元组集合模块，用于将所述实体类别信息注入至预设规则模实体关系抽取结果模块，用于将所述目标原始输4息检索和系统问答等自然语言处理任务中起着至关将所述实体类别信息注入至预设规则模块以确定候通过复杂标记方法结合所述候补三元组集合以确定目标将所述字符向量与所述词向量进行维度对齐并获取将所述语句编码通过Bi_LSTM层以获取目将所述目标输入嵌入通过重叠多实体标记器以确将所述目标输入嵌入通过重叠多实体标记器以使所述重叠多实体标记器生成实5所述第一线性层用于根据所述输入嵌入中的标记信息计算所述实体开头概率信所述第二线性层用于根据所述输入嵌入中的标记信息计算所述实体结尾概率信获取预设边界阈值结合所述实体开头概率信息和所述实体结尾概率信息以确定将所述目标实体信息和所述预设实体类别信息输入至所述预设训练模型中并通根据二元交叉熵损失函数结合所述模型输出结果确将所述实体类别信息注入至预设规则模块以使所述预设规则模块根据本体规则根据所述复杂标记模板和所述悬浮编码策略生在所述实体关系集合中以选择概率最大的标签词以获取最终根据所述最终关系类别和所述目标原始输入作为实体关系实体类别信息模块，用于通过分类层获取所述目标实体信息对应的实体类别信6本申请通过在接收到待抽取目标时，通过重叠多实体标记器以确定目标实体信图5是本申请重叠实体关系抽取方法第一实施例的基于复杂标记和规则增强提示7[0021]参照图1，图1为本申请实施例方案涉及的硬件运行环境的计算机设备结构示意[0022]如图1所示，计算机设备可以包括：处理器1001，例如中央处理器（Central通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真[0024]如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模句子中的部分三元组中存在单个实体重叠的情况，但没有重叠的实体对，如例子中Adobe（1）实体嵌套问题。句子中往往存在嵌套实体，如例子中实体Adobe和Adobe8[0034]可以理解的是，本实施例重叠实体关系抽取方法运用于如图5所示的基于复杂标例利用pyhanlp中文分词工具包进行分词。接下来训练一个Word2Vec模型输出初始词向量9两个线性层分别对Bi_LSTM的最后一层输出进行二分类。第一线性层用于识别实体的起始实体识别模型利用预训练模型作为分类器，将Bi_LSTM的输出度略。关系识别任务依旧采用多粒度编码，融合字符嵌入hhar、词嵌入hwora和位置嵌入步骤S50：将目标原始输入信息输入至预设关系抽取模型中以获取实体关系抽取模块以使预设规则模块根据本体规则和预设规则构建表进行实体关系判断并生成判断结位置嵌入策略以生成悬浮编码策略；根据复杂标记模板和悬浮编码策略生成复杂标记方取模型中，通过预设关系抽取模型通过交叉熵损失函数确定目标原始输入中的实体信息；法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术作出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质