CN113901758B 一种面向知识图谱自动构建系统的关系抽取方法 （南京邮电大学）_第1页
CN113901758B 一种面向知识图谱自动构建系统的关系抽取方法 （南京邮电大学）_第2页
CN113901758B 一种面向知识图谱自动构建系统的关系抽取方法 （南京邮电大学）_第3页
CN113901758B 一种面向知识图谱自动构建系统的关系抽取方法 （南京邮电大学）_第4页
CN113901758B 一种面向知识图谱自动构建系统的关系抽取方法 （南京邮电大学）_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

withAttention-BasedGraphConvolutionNetworkforRelationExtraction.Neural一种面向知识图谱自动构建系统的关系抽一种面向知识图谱自动构建系统的关系抽注意力机制直接作用于编码后的文本生成注意经网络和归一化指数函数对所有可能的关系类结果。本发明能够充分获取文本不同维度的信2步骤S1、将文本中的每个单词使用经过预训练的词向量步骤S6、从矩阵Houtput中获取句子的特征表示矩阵hsent和两个实体2.根据权利要求1所述的一种面向知识图谱自动构建系统的关系抽取方法，其特征在3.根据权利要求1所述的一种面向知识图谱自动构建系统的关系抽取方法，其特征在3tt4.根据权利要求1所述的一种面向知识图谱自动构建系统的关系抽取方法，其特征在5.根据权利要求1所述的一种面向知识图谱自动构建系统的关系抽取方法，其特征在4个单词的词性标注信息和命名实体识别信息转换为向量表示与单词本身的向量表示拼接，5；和矩阵e,线性降维后获取矩阵Houtput；[0014]步骤S6、从矩阵Houtput中获取句子的特征表示矩阵hsent和两个实体的特征表示矩tt6cf均为线性变换层权重参[0044]1.本发明利用经过大规模词典预训练的词向量和双向长短期记忆网络对文本进7[0047]4.发明中的多头注意力机制和带权依存矩阵分别提取文本中不同维度的关键信[0050]请参阅图1，本实施例提供本发明一种一种面向知识图谱自动构建系统的关系抽和命名实体识别信息同样转化为向量表示，得到向量和与单词本身的向量表示进行H＝[h12Wxixf8ttt分别表示时刻t输qQ为数据集中q9f均为线性变换层权重参数矩阵。在公式(17)示和使用前馈神经网络得到最终的关系特征表示hr

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论