CN116450852B 基于深度学习的桥梁管养知识图谱自动构建方法 （东南大学）

号基于深度学习的桥梁管养知识图谱自动构本发明公开了基于深度学习的桥梁管养知关系自动识别模型：建立桥梁领域实体关系目2第二阶段：针对一组相邻且中间存在文本信息的桥梁管行识别，首先对实体e;和ej间的非实体文本进行最大池化操作，获得文本特征向量其中，s(e;)和s(ej)为已识别的实体特征向量；实体关系即为该组实体(e;,ej匹配的关系ri；2.根据权利要求1所述的基于深度学习的桥梁管养知识图谱自动构建方法，其特征在33.根据权利要求2所述的基于深度学习的桥梁管养知识图谱自动构建方法，其特征在4.根据权利要求2所述的基于深度学习的桥梁管养知识图谱自动构建方法，其特征在5.根据权利要求1所述的基于深度学习的桥梁管养知识图谱自动构建方法，其特征在S201、利用中文迁移学习预训练模型BERT，对经过S101_1k是嵌入维度；S203、Transformer编码器在数据预处理前加入位置编码，并与输入向量数据进行求FFN(Z)＝max(0,ZW1+b1)W2S204、BiLSTM用于捕捉对桥梁管养领域文本上下文信4ot＝tanh(Wxoxt+Whohtt是t时刻的更新tt,ot分别是输入门、遗忘门及输出门的输出结果，ht是整个LSTM单S206、条件随机场CRF通过邻近实体标签的关系获得一个最优的预测序列，用于弥补BiLSTM仅善于处理长距离的文本信息，但无法处理相邻实体标签之间的依赖关系的缺点；6.根据权利要求5所述的基于深度学习的桥梁管养知识图谱自动构建方法，其特征在57.根据权利要求6所述的基于深度学习的桥梁管养知识图谱自动构建方法，其特征在8.根据权利要求6所述的基于深度学习的桥梁管养知识图谱自动构建方法，其特征在6病害建议措施。9.根据权利要求4所述的基于深度学习的桥梁管养知识图谱自动构建方法，其特征在1桥梁构8维护措施。6[0009]第一阶段：针对中间不存在文本信息的桥梁管养领域实体ei和7系进行识别，首先对实体e;和ej间的非实体文本进行最大池化操作，获得文本特征向量表的实体关系即为该组实体(e;,ej)匹配的关系ri。[0020]S4、根据步骤S3获得的实体对中实体之间的匹配关系建立实体_关系_实体三元82和b2分别是第二层全连接网络的权重和偏置向量；tt9ij表示第i个词的第j个实体的分数；补BiLSTM仅善于处理长距离的文本信息，但无法处理相邻实体标签之间的依赖关系的缺ik[0087]在本发明中参照附图来描述本发明的各方面，附图中示出了许多说明性实施明公开的其他方面的任何适当组合来使用。2桥梁构件、8维护措施；文本序列的部分词进行Mask，再为序列的开头添加一个特殊标记[CLS]，句子间用标记ttij表示第i个词的第j个实体的分数；补BiLSTM仅善于处理长距离的文本信息，但无法处理相邻实体标签之间的依赖关系的缺构[0141]第一阶段：针对中间不存在文本信息的桥梁管养领域实体ei和系进行识别，首先对实体e;和ej*间的非实体文本进行最大池化操作，获得文本特征向量ia对应桥梁管养领域关系目录R中不同关系的概率，概率值最大的位置代表的实体关系即为该组实体(e;,ej)匹配的关系ri。