CN114492449B 实体关系抽取方法、装置、电子设备及可读存储介质 （深港产学研基地（北京大学香港科技大学深圳研修院））

息与句子语义向量进行拼接并输入至预设的关2获取句子实例和所述句子实例中的实体，对所述句将所述句子实例中的实体输入至标准实体嵌入模型中进行实体从所述实体嵌入信息中筛选标准嵌入信息，将所述标准嵌入信息与所述将所述句子实例中的实体输入至标准实体嵌入模型中进行实体嵌识别预获取的训练数据中的多个实体及多个所述实体之间的关系，得到多个实体关根据预设的三元组生成方式对多个所述实体和所述实对所述句子实例中的实体进行向量化，得到实体向量，计算所述根据预获取的第一标识、第二标识、所述句子实例和所述句子实识别所述最终语义向量中第一个所述第二标识所在的位置，保留3.根据权利要求2所述的实体关系抽取方法，其特征在于，所述根据预获取的第一标将所述第一标识添加至所述句子实例的前面，并将所述第二标识添加将所述第二标识插入至所述句子实例包含的实体中，得到后置序列，将所述前3提取所述训练知识图谱中任意一个训练三元组中的头实体和尾实计算所述头实体向量和所述头实体之间的哈达玛积，得根据所述第一哈达玛积和所述第二哈达玛积构建得到评分函数，计参数后的实体嵌入模型，并重新执行训练步骤直至所述评分值大于或者等于所述评分阈实体抽取模块，用于将所述句子实例中的实体输入至关系抽取模块，用于从所述实体嵌入信息中筛选标准嵌入信息所述将所述句子实例中的实体输入至标准实体嵌入模型中进行实体嵌识别预获取的训练数据中的多个实体及多个所述实体之间的关系，得到多个实体关根据预设的三元组生成方式对多个所述实体和所述实对所述句子实例中的实体进行向量化，得到实体向量，计算所述4处理器执行时实现如权利要求1-4任一项所述的实体关系抽取方5[0003]现有的实体关系抽取方法是通过无监督为主的自动抽取(AutoExtraction)，通[0006]获取句子实例和所述句子实例中的实体，对所述句子实例进行文本语义特征抽输入序列；6[0020]根据预设的三元组生成方式对多个所述实体和所述实体关系进行三元组生成处[0027]当所述评分值小于所述评分阈值时，对所述实体嵌入模[0033]利用预获取的门控单元中的激活函数对所述相似度进行归一化处理，得到归一7程序被处理器执行时实现如第一方面任一项实施例所述的实体关系抽取[0050]图3为本申请实施例提供的一种实现实体关系抽取方法的电子设备的结构示意8设的文本语义特征抽取模块对所述句子实例进行文本语义特[0055]可选地，所述文本语义特征模块由BERT(BidirectionalEncoderRepresentationsfromTransformers，自适应编码)模型和Bi-LSTM(Bi-directional输入序列；[0066]具体地，将所述第一标识[CLS]添加至所述句子实例的前面，将所述第二标识所述前置序列和所述后置序列进行拼接处理，得到输入序列[[CLS]句子实例[SEP]实体A[0067]具体地，可以通过预先训练好的实体识别模型识别所述9[0075]根据预设的三元组生成方式对多个所述实体和所述实体关系进行三元组生成处[0085]当所述评分值小于所述评分阈值时，对所述实体嵌入模尾实体。利用所述实体嵌入模型将所述头实体和所述尾实体投影至预设的欧几里得空间，得到头实体向量rH和尾实体向量rT。计算所述头实体向量和所述头实体之间的哈达玛积即[0097]利用预获取的门控单元中的激活函数对所述相似度进行归一化处理，得到归一准嵌入信息与所述句子语义向量进行拼接并输入至预设的关系抽取模块中，得到实体关[0112]获取句子实例和所述句子实例中的实体，对所述句子实例进行文本语义特征抽(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extend还可以是至少一个位于远离前述处理器111简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器计算机程序被处理器执行时实现如前述任意一个方法实施例提供的实体关系抽取方法的可读存储介质可以是计算机能够