CN113468344B - 实体关系抽取方法、装置、电子设备和计算机可读介质 - Google Patents
实体关系抽取方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN113468344B CN113468344B CN202111017698.4A CN202111017698A CN113468344B CN 113468344 B CN113468344 B CN 113468344B CN 202111017698 A CN202111017698 A CN 202111017698A CN 113468344 B CN113468344 B CN 113468344B
- Authority
- CN
- China
- Prior art keywords
- entity
- vector
- target
- relationship
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例公开了实体关系抽取方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取待抽取实体关系的目标文本;利用目标特征提取器将目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合;对目标文本中的实体进行标注,得到表征实体标注结果的序列信息;根据预先训练的关系抽取子模型和目标特征提取器中倒数第一个特征提取层和倒数第二个特征提取层的输出结果,生成表征实体之间关系的双仿射矩阵;基于表征实体标注结果的序列信息和双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合。该实施方式计算资源的消耗较少,实体关系抽取时间较短。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及实体关系抽取方法、装置、电子设备和计算机可读介质。
背景技术
实体关系识别,是指在自然语言处理过程中抽取文本中实体间所隐含的关系的任务。目前,在进行实体关系识别时,经常采用的方式为:实体关系抽取任务分为独立的实体抽取和关系分类两个子任务,独立建模,串行预测;或者先抽取实体中的谓语,再抽取谓语(即实体关系)和实体中的宾语。
然而,当采用上述方式进行实体关系识别时,经常会存在如下技术问题:
第一,先抽取实体,再遍历所有实体进行关系预测,针对一个样本,会预测多次,且大多数实体对之间不存在关系,增加计算资源的消耗,实体关系抽取时间较长;
第二,先抽取实体中的主语,再抽取谓语(即实体关系)和实体中的宾语,会使得谓语和宾语的抽取受到主语的影响,从而导致结果不够准确。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了实体关系抽取方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种实体关系抽取方法,该方法包括:获取待抽取实体关系的目标文本;利用目标特征提取器将上述目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合,其中,上述目标特征提取器包括至少两个特征提取层;根据预先训练的实体识别子模型和上述目标维数的特征向量集合,对上述目标文本中的实体进行标注,得到表征实体标注结果的序列信息;根据预先训练的关系抽取子模型和上述目标特征提取器中倒数第一个特征提取层和倒数第二个特征提取层的输出结果,生成表征实体之间关系的双仿射矩阵;基于上述表征实体标注结果的序列信息和上述双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合,其中,上述关系三元组集合中的关系三元组包括:主语,谓语和宾语。
第二方面,本公开的一些实施例提供了一种实体关系抽取装置,装置包括:获取单元,被配置成获取待抽取实体关系的目标文本;转换单元,被配置成利用目标特征提取器将上述目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合,其中,上述目标特征提取器包括至少两个特征提取层;标注单元,被配置成根据预先训练的实体识别子模型和上述目标维数的特征向量集合,对上述目标文本中的实体进行标注,得到表征实体标注结果的序列信息;第一生成单元,被配置成根据预先训练的关系抽取子模型和上述目标特征提取器中倒数第一个特征提取层和倒数第二个特征提取层的输出结果,生成表征实体之间关系的双仿射矩阵;第二生成单元,被配置成基于上述表征实体标注结果的序列信息和上述双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合,其中,上述关系三元组集合中的关系三元组包括:主语,谓语和宾语。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的实体关系抽取方法,计算资源的消耗较少,实体关系抽取时间较短。具体来说,造成相关的实体关系抽取方法计算资源消耗较多,实体关系抽取时间较长的原因在于:先抽取实体,再遍历所有实体进行关系抽取,针对一个样本,会抽取多次。基于此,本公开的一些实施例的实体关系抽取方法,首先,获取待抽取实体关系的目标文本。接着,利用目标特征提取器将上述目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合。由此,将目标文本中的字转换为执行主体可以识别和处理的向量。然后,根据预先训练的实体识别子模型和上述目标维数的特征向量集合,对上述目标文本中的实体进行标注,得到表征实体标注结果的序列信息。由此,可以识别出上述目标文本中的实体。再然后,根据预先训练的关系抽取子模型和上述目标特征提取器中倒数第一个特征提取层和倒数第二个特征提取层的输出结果,生成表征实体之间关系的双仿射矩阵。由此,可以通过双仿射矩阵确定上述目标文本中字和字之前的实体关系。最后,基于上述表征实体标注结果的序列信息和上述双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合。由此,可以通过双仿射矩阵直接确定实体和实体之间的关系,无需再遍历所有实体进行关系抽取,计算资源的消耗较少,抽取时间较短。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是本公开的一些实施例的实体关系抽取方法的一个应用场景的示意图;
图2是根据本公开的实体关系抽取方法的一些实施例的流程图;
图3是根据本公开的实体关系抽取方法的另一些实施例的流程图;
图4是本公开的实体关系抽取装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的实体关系抽取方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以获取待抽取实体关系的目标文本102。接着,计算设备101可以利用目标特征提取器103将上述目标文本102中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合104,其中,上述目标特征提取器103包括至少两个特征提取层。然后,计算设备101可以根据预先训练的实体识别子模型105和上述目标维数的特征向量集合104,对上述目标文本102中的实体进行标注,得到表征实体标注结果的序列信息106。再然后,计算设备101可以根据预先训练的关系抽取子模型107和上述目标特征提取器103中倒数第一个特征提取层和倒数第二个特征提取层的输出结果,生成表征实体之间关系的双仿射矩阵108。最后,计算设备101可以基于上述表征实体标注结果的序列信息106和上述双仿射矩阵108,生成至少一个关系三元组,得到关系三元组集合109,其中,上述关系三元组集合中的关系三元组包括:主语,谓语和宾语。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的实体关系抽取方法的一些实施例的流程200。该实体关系抽取方法,包括以下步骤:
步骤201,获取待抽取实体关系的目标文本。
在一些实施例中,实体关系抽取方法的执行主体(如图1所示的计算设备101)可以通过有线连接方式或者无线连接方式获取用户在终端设备中输入的待抽取实体关系的目标文本。其中,上述终端设备可以是手机、电脑等。
作为示例,上述待抽取实体关系的目标文本可以是“小王毕业于清华大学”。
在一些实施例的一些可选的实现方式中,上述执行主体还可以获取电子文档中的待抽取实体关系的目标文本。其中,上述电子文档可以包括但不限于:电子病历、项目采购书和犯罪档案等。
步骤202,利用目标特征提取器将目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合。
在一些实施例中,上述执行主体可以将上述目标文本输入至上述目标特征提取器,得到目标维数的特征向量集合。其中,上述目标维数的特征向量集合中的目标维数的特征向量与上述目标文本中的字一一对应。上述目标维数可以是预先设置的。上述目标特征提取器包括至少两个特征提取层。上述目标特征提取器可以包括但不限于:LSTM(LongShort-Term Memory,长短期记忆网络)和DGCNN(Dilate Gated Convolutional NeuralNetwork,膨胀门卷积神经网络)等。
在一些实施例的一些可选的实现方式中,上述执行主体利用目标特征提取器将上述目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合,可以包括以下步骤:
第一步,将上述目标文本中的每个字转换为字向量、文本向量和位置向量。其中,可以通过查询字向量表将上述目标文本中的每个字转换为字向量。上述字向量表用于记录字与字向量之间的对应关系。
第二步,对上述目标文本中每个字的字向量、文本向量和位置向量进行拼接以生成输入向量,得到输入向量集合。
第三步,将上述输入向量集合输入上述目标特征提取器中,得到上述目标特征提取器输出的目标维数的特征向量集合。其中,上述目标特征提取器可以是预训练模型。
作为示例,上述预训练模型可以是BERT(Bidirectional EncoderRepresentations from Transformer,双向编码器)模型。
步骤203,根据预先训练的实体识别子模型和目标维数的特征向量集合,对目标文本中的实体进行标注,得到表征实体标注结果的序列信息。
在一些实施例中,上述执行主体可以将上述目标维数的特征向量集合输入至上述实体识别子模型中,以对上述目标文本中的实体进行标注,得到表征实体标注结果的序列信息。其中,上述实体识别子模型可以包括但不限于:隐马尔可夫模型,LSTM等。上述表征实体标注结果的序列信息可以是通过BMES(四位序列标注法)、BIO(三位序列标注法)或BIOES(四位序列标注法)标注的信息。
步骤204,根据预先训练的关系抽取子模型和目标特征提取器中倒数第一个特征提取层和倒数第二个特征提取层的输出结果,生成表征实体之间关系的双仿射矩阵。
在一些实施例中,上述执行主体可以将上述目标特征提取器中倒数第一个特征提取层和倒数第二个特征提取层的输出结果输入至预先训练的关系抽取子模型,得到表征实体之间关系的双仿射矩阵。其中,上述双仿射矩阵是n×n的二维矩阵。上述双仿射矩阵的每一维均与上述目标文本对应。上述双仿射矩阵的第一维表示主语,第二维表示谓语。n与上述目标文本中的字数相同。上述双仿射矩阵中(i,j)位置处的数值表示上述目标文本中第i-1个字与第j-1个字之间的实体关系。i和j小于等于n。上述双仿射矩阵中的不同数值可以表示不同的实体关系。
作为示例,数字“0”可以表示不存在实体关系。数字“1”可以表示“年龄为”。数字“2”可以表示“毕业与”。
步骤205,基于表征实体标注结果的序列信息和双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合。
在一些实施例中,上述执行主体可以从上述表征实体标注结果的序列信息从上述目标文本中提取实体,可以从上述双仿射矩阵中确定目标文本中哪些实体是主语,哪些实体是谓语,以及主语和谓语之间的关系,生成至少一个关系三元组,得到关系三元组集合。其中,上述关系三元组集合中的关系三元组包括:主语,谓语和宾语。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的实体关系抽取方法,计算资源的消耗较少,实体关系抽取时间较短。具体来说,造成相关的实体关系抽取方法计算资源消耗较多,实体关系抽取时间较长的原因在于:先抽取实体,再遍历所有实体进行关系抽取,针对一个样本,会抽取多次。基于此,本公开的一些实施例的实体关系抽取方法,首先,获取待抽取实体关系的目标文本。接着,利用目标特征提取器将上述目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合。由此,将目标文本中的字转换为执行主体可以识别和处理的向量。然后,根据预先训练的实体识别子模型和上述目标维数的特征向量集合,对上述目标文本中的实体进行标注,得到表征实体标注结果的序列信息。由此,可以识别出上述目标文本中的实体。再然后,根据预先训练的关系抽取子模型和上述目标特征提取器中倒数第一个特征提取层和倒数第二个特征提取层的输出结果,生成表征实体之间关系的双仿射矩阵。由此,可以通过双仿射矩阵确定上述目标文本中字和字之前的实体关系。最后,基于上述表征实体标注结果的序列信息和上述双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合。由此,可以通过双仿射矩阵直接确定实体和实体之间的关系,无需再遍历所有实体进行关系抽取,计算资源的消耗较少,抽取时间较短。
进一步参考图3,其示出了实体关系抽取方法的另一些实施例的流程300。该实体关系抽取方法的流程300,包括以下步骤:
步骤301,获取待抽取实体关系的目标文本。
步骤302,利用目标特征提取器将目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合。
在一些实施例中,步骤301-302的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-202,在此不再赘述。
步骤303,将目标维数的特征向量集合输入至第一全连接层,得到第一映射向量。
在一些实施例中,上述执行主体可以将上述目标维数的特征向量集合输入至上述第一全连接层,得到第一映射向量。其中,上述实体识别子模型包括第一全连接层和指针网络,上述表征实体标注结果的序列信息包括实体起始位置标注向量和实体终止位置标注向量。
步骤304,将第一映射向量输入指针网络,得到实体起始位置标注向量和实体终止位置标注向量。
在一些实施例中,上述执行主体可以将上述第一映射向量输入上述指针网络,得到实体起始位置标注向量和实体终止位置标注向量。其中,上述实体起始位置标注向量和上述实体终止位置标注向量的维度与上述目标文本中的字数相同,上述实体起始位置标注向量和上述实体终止位置标注向量中包括目标数值,上述实体起始位置标注向量中的目标数值用于标识上述目标文本中的实体的起始位置,上述实体终止位置标注向量中的目标数值用于标识上述目标文本中的实体的终止位置。
作为示例,上述目标文本“小王毕业于清华大学”对应的实体起始位置标注向量可以是[100001000]。实体起始位置标注向量中的数字“1”可以表示实体在上述目标文本中的起始位置。对应的实体终止位置标注向量可以是[010000001]。实体起始位置标注向量中的数字“1”可以表示实体在上述目标文本中的终止位置。
步骤305,将目标特征提取器中倒数第一个特征提取层的输出结果输入至第二全连接层,得到第二映射向量。
在一些实施例中,上述执行主体可以将上述目标特征提取器中倒数第一个特征提取层的输出结果输入至上述第二全连接层,得到第二映射向量。其中,上述关系抽取子模型包括:第二全连接层,第三全连接层和双仿射层,上述双仿射矩阵是三维矩阵。
步骤306,将目标特征提取器中倒数第二个特征提取层的输出结果输入至第三全连接层,得到第三映射向量。
在一些实施例中,上述执行主体可以将上述目标特征提取器中倒数第二个特征提取层的输出结果输入至上述第三全连接层,得到第三映射向量。其中,上述第二映射向量与上述第三映射向量的维度相同。
步骤307,将第二映射向量和第三映射向量输入至双仿射层,得到双仿射层输出的双仿射矩阵。
在一些实施例中,上述执行主体可以将上述第二映射向量和上述第三映射向量输入至上述双仿射层,得到上述双仿射层输出的上述双仿射矩阵。其中,上述其中,上述双仿射矩阵是n×n×l的三维矩阵。上述双仿射矩阵的前两维均与上述目标文本对应。上述双仿射矩阵的第一维表示主语,第二维表示谓语,第三维表示实体之间的关系。n与上述目标文本中的字数相同。l是实体之间关系的类别数。上述双仿射矩阵中(i,j,k)位置处的数值表示上述目标文本中第i-1个字与第j-1个字之间是否存在第k类实体关系。i和j小于等于n。k小于等于l。上述双仿射矩阵中的不同数值可以表示不同的实体关系。
作为示例,上述双仿射矩阵中(i,j,k)位置处的数值为“1”可以表示上述目标文本中第i-1个字与第j-1个字之间存在第k类实体关系。上述双仿射矩阵中(i,j,k)位置处的数值为“0”可以表示上述目标文本中第i-1个字与第j-1个字之间不存在第k类实体关系。
上述步骤303-307作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“谓语和宾语的抽取受到主语的影响,从而导致结果不够准确”。导致结果不够准确因素往往如下:现有的实体关系抽取方法中,往往先抽取实体中的主语,再抽取谓语(即实体关系)和实体中的宾语,导致在后抽取的谓语和实体中的宾语受到在先抽取的主语影响。如果解决了上述因素,就能达到提高结果准确度的效果。为了达到这一效果,本公开对实体识别子模型和关系抽取子模型的结构进行细化。将上述实体识别子模型的结构细化为第一全连接层和指针网络,利用第一全连接层和指针网络标注实体的起始位置和终止位置。将上述关系抽取子模型细化为第二全连接层,第三全连接层和双仿射层。将第二全连接层输出的第二映射向量和第三全连接层输出的第三映射向量作为双仿射层的输入,利用双放射层同时对主语、谓语和宾语进行抽取。由于主语、谓语和宾语的抽取是同时进行的,因此,谓语和宾语的抽取不依赖于主语。从而,提升了抽取结果的准确度。同时,上述双仿射层输出的双仿射矩阵是n×n×l的三维矩阵。l是实体之间关系的类别数。从而,可以实现同时对l种关系的抽取。
步骤308,根据实体标注结果的序列信息包括的实体起始位置标注向量和实体终止位置标注向量从目标文本中抽取实体,得到实体集合。
在一些实施例中,上述执行主体根据上述实体标注结果的序列信息包括的实体起始位置标注向量和实体终止位置标注向量从上述目标文本中抽取实体,得到实体集合。
步骤309,根据实体集合和双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合。
在一些实施例中,上述执行主体可以根据上述实体集合和上述双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合。
在一些实施例的一些可选的实现方式中,上述执行主体可以根据上述双仿射矩阵中的数值,将上述实体集合中每两个存在关系的实体分别确定为关系三元组中的主语和宾语,以及将上述每两个存在关系的实体之间的关系确定为关系三元组中的谓语。可以从上述表征实体标注结果的序列信息从上述目标文本中提取实体,可以从上述双仿射矩阵中确定目标文本中哪些实体是主语,哪些实体是谓语,以及主语和谓语之间的关系,生成至少一个关系三元组,得到关系三元组集合。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的实体关系抽方法的流程300体现了实体识别子模型和关系抽取子模型的结构。将上述实体识别子模型的结构细化为第一全连接层和指针网络,利用第一全连接层和指针网络标注实体的起始位置和终止位置。将上述关系抽取子模型细化为第二全连接层,第三全连接层和双仿射层。将第二全连接层输出的第二映射向量和第三全连接层输出的第三映射向量作为双仿射层的输入,利用双放射层同时对主语、谓语和宾语进行抽取。由于主语、谓语和宾语的抽取是同时进行的,因此,谓语和宾语的抽取不依赖于主语。从而,提升了抽取结果的准确度。同时,上述双仿射层输出的双仿射矩阵是n×n×l的三维矩阵。l是实体之间关系的类别数。从而,可以实现同时对l种关系的抽取。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种实体关系抽取装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的实体关系抽取装置400包括:获取单元401、转换单元402、标注单元403、第一生成单元404和第二生成单元405。其中,获取单元401,被配置成获取待抽取实体关系的目标文本;转换单元402,被配置成利用目标特征提取器将上述目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合,其中,上述目标特征提取器包括至少两个特征提取层;标注单元403,被配置成根据预先训练的实体识别子模型和上述目标维数的特征向量集合,对上述目标文本中的实体进行标注,得到表征实体标注结果的序列信息;第一生成单元404,被配置成根据预先训练的关系抽取子模型和上述目标特征提取器中倒数第一个特征提取层和倒数第二个特征提取层的输出结果,生成表征实体之间关系的双仿射矩阵;第二生成单元405,被配置成基于上述表征实体标注结果的序列信息和上述双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合,其中,上述关系三元组集合中的关系三元组包括:主语,谓语和宾语。
可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取待抽取实体关系的目标文本;利用目标特征提取器将上述目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合,其中,上述目标特征提取器包括至少两个特征提取层;根据预先训练的实体识别子模型和上述目标维数的特征向量集合,对上述目标文本中的实体进行标注,得到表征实体标注结果的序列信息;根据预先训练的关系抽取子模型和上述目标特征提取器中倒数第一个特征提取层和倒数第二个特征提取层的输出结果,生成表征实体之间关系的双仿射矩阵;基于上述表征实体标注结果的序列信息和上述双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合,其中,上述关系三元组集合中的关系三元组包括:主语,谓语和宾语。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、转换单元、标注单元、第一生成单元和第二生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取目标文本的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
Claims (8)
1.一种实体关系抽取方法,包括:
获取待抽取实体关系的目标文本;
利用目标特征提取器将所述目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合,其中,所述目标特征提取器包括至少两个特征提取层;
根据预先训练的实体识别子模型和所述目标维数的特征向量集合,对所述目标文本中的实体进行标注,得到表征实体标注结果的序列信息;
根据预先训练的关系抽取子模型和所述目标特征提取器中倒数第一个特征提取层和倒数第二个特征提取层的输出结果,生成表征实体之间关系的双仿射矩阵;
基于所述表征实体标注结果的序列信息和所述双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合,其中,所述关系三元组集合中的关系三元组包括:主语,谓语和宾语;
其中,所述实体识别子模型包括第一全连接层和指针网络,所述表征实体标注结果的序列信息包括实体起始位置标注向量和实体终止位置标注向量;以及
所述根据预先训练的实体识别子模型和所述目标维数的特征向量集合,对所述目标文本中的实体进行标注,得到表征实体标注结果的序列信息,包括:
将所述目标维数的特征向量集合输入至所述第一全连接层,得到第一映射向量;
将所述第一映射向量输入所述指针网络,得到实体起始位置标注向量和实体终止位置标注向量,其中,所述实体起始位置标注向量和所述实体终止位置标注向量的维度与所述目标文本中的字数相同,所述实体起始位置标注向量和所述实体终止位置标注向量中包括目标数值,所述实体起始位置标注向量中的目标数值用于标识所述目标文本中的实体的起始位置,所述实体终止位置标注向量中的目标数值用于标识所述目标文本中的实体的终止位置;
所述关系抽取子模型包括:第二全连接层,第三全连接层和双仿射层,所述双仿射矩阵是三维矩阵,所述双仿射矩阵的前两维均与所述目标文本对应,所述双仿射矩阵中(i,j,k)位置处的数值表示所述目标文本中第i-1个字与第j-1个字之间是否存在第k类实体关系;以及
所述根据预先训练的关系抽取子模型和所述目标特征提取器中倒数第一个特征提取层和倒数第二个特征提取层的输出结果,生成表征实体之间关系的双仿射矩阵,包括:
将所述目标特征提取器中倒数第一个特征提取层的输出结果输入至所述第二全连接层,得到第二映射向量;
将所述目标特征提取器中倒数第二个特征提取层的输出结果输入至所述第三全连接层,得到第三映射向量,其中,所述第二映射向量与所述第三映射向量的维度相同;
将所述第二映射向量和所述第三映射向量输入至所述双仿射层,得到所述双仿射层输出的所述双仿射矩阵。
2.根据权利要求1所述的方法,其中,所述利用目标特征提取器将所述目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合,包括:
将所述目标文本中的每个字转换为字向量、文本向量和位置向量;
对所述目标文本中每个字的字向量、文本向量和位置向量进行拼接以生成输入向量,得到输入向量集合;
将所述输入向量集合输入所述目标特征提取器中,得到所述目标特征提取器输出的目标维数的特征向量集合。
3.根据权利要求1所述的方法,其中,所述获取待抽取实体关系的目标文本,包括:
获取电子文档中的待抽取实体关系的目标文本。
4.根据权利要求1所述的方法,其中,所述基于所述表征实体标注结果的序列信息和所述双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合,包括:
根据所述实体标注结果的序列信息包括的实体起始位置标注向量和实体终止位置标注向量从所述目标文本中抽取实体,得到实体集合;
根据所述实体集合和所述双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合。
5.根据权利要求4所述的方法,其中,所述根据所述实体集合和所述双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合,包括:
根据所述双仿射矩阵中的数值,将所述实体集合中每两个存在关系的实体分别确定为关系三元组中的主语和宾语,以及将所述每两个存在关系的实体之间的关系确定为关系三元组中的谓语。
6.一种实体关系抽装置,包括:
获取单元,被配置成获取待抽取实体关系的目标文本;
转换单元,被配置成利用目标特征提取器将所述目标文本中包括的每个字转换为目标维数的特征向量,得到目标维数的特征向量集合,其中,所述目标特征提取器包括至少两个特征提取层;
标注单元,被配置成根据预先训练的实体识别子模型和所述目标维数的特征向量集合,对所述目标文本中的实体进行标注,得到表征实体标注结果的序列信息;
第一生成单元,被配置成根据预先训练的关系抽取子模型和所述目标特征提取器中倒数第一个特征提取层和倒数第二个特征提取层的输出结果,生成表征实体之间关系的双仿射矩阵;
第二生成单元,被配置成基于所述表征实体标注结果的序列信息和所述双仿射矩阵,生成至少一个关系三元组,得到关系三元组集合,其中,所述关系三元组集合中的关系三元组包括:主语,谓语和宾语;
其中,所述实体识别子模型包括第一全连接层和指针网络,所述表征实体标注结果的序列信息包括实体起始位置标注向量和实体终止位置标注向量;以及
所述标注单元,被进一步配置成:将所述目标维数的特征向量集合输入至所述第一全连接层,得到第一映射向量;将所述第一映射向量输入所述指针网络,得到实体起始位置标注向量和实体终止位置标注向量,其中,所述实体起始位置标注向量和所述实体终止位置标注向量的维度与所述目标文本中的字数相同,所述实体起始位置标注向量和所述实体终止位置标注向量中包括目标数值,所述实体起始位置标注向量中的目标数值用于标识所述目标文本中的实体的起始位置,所述实体终止位置标注向量中的目标数值用于标识所述目标文本中的实体的终止位置;
所述关系抽取子模型包括:第二全连接层,第三全连接层和双仿射层,所述双仿射矩阵是三维矩阵,所述双仿射矩阵的前两维均与所述目标文本对应,所述双仿射矩阵中(i,j,k)位置处的数值表示所述目标文本中第i-1个字与第j-1个字之间是否存在第k类实体关系;以及
所述第一生成单元,被进一步配置成:将所述目标特征提取器中倒数第一个特征提取层的输出结果输入至所述第二全连接层,得到第二映射向量;将所述目标特征提取器中倒数第二个特征提取层的输出结果输入至所述第三全连接层,得到第三映射向量,其中,所述第二映射向量与所述第三映射向量的维度相同;将所述第二映射向量和所述第三映射向量输入至所述双仿射层,得到所述双仿射层输出的所述双仿射矩阵。
7.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
8.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017698.4A CN113468344B (zh) | 2021-09-01 | 2021-09-01 | 实体关系抽取方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017698.4A CN113468344B (zh) | 2021-09-01 | 2021-09-01 | 实体关系抽取方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113468344A CN113468344A (zh) | 2021-10-01 |
CN113468344B true CN113468344B (zh) | 2021-11-30 |
Family
ID=77867115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111017698.4A Active CN113468344B (zh) | 2021-09-01 | 2021-09-01 | 实体关系抽取方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113468344B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115544626B (zh) * | 2022-10-21 | 2023-10-20 | 清华大学 | 子模型抽取方法、装置、计算机设备及介质 |
CN116452770B (zh) * | 2023-02-17 | 2023-10-20 | 北京德风新征程科技股份有限公司 | 三维模型重建方法、装置、设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815478A (zh) * | 2018-12-11 | 2019-05-28 | 北京大学 | 基于卷积神经网络的药化实体识别方法及系统 |
CN110502742A (zh) * | 2019-07-11 | 2019-11-26 | 中国科学院计算技术研究所 | 一种复杂实体抽取方法、装置、介质及系统 |
CN111291556A (zh) * | 2019-12-17 | 2020-06-16 | 东华大学 | 基于实体义项的字和词特征融合的中文实体关系抽取方法 |
CN112487807A (zh) * | 2020-12-09 | 2021-03-12 | 重庆邮电大学 | 一种基于膨胀门卷积神经网络的文本关系抽取方法 |
CN113204970A (zh) * | 2021-06-07 | 2021-08-03 | 吉林大学 | 一种BERT-BiLSTM-CRF命名实体检测模型及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109165385B (zh) * | 2018-08-29 | 2022-08-09 | 中国人民解放军国防科技大学 | 一种基于实体关系联合抽取模型的多三元组抽取方法 |
CN111291185B (zh) * | 2020-01-21 | 2023-09-22 | 京东方科技集团股份有限公司 | 信息抽取方法、装置、电子设备及存储介质 |
CN111859858B (zh) * | 2020-07-22 | 2024-03-01 | 智者四海(北京)技术有限公司 | 从文本中提取关系的方法及装置 |
CN113282717B (zh) * | 2021-07-23 | 2021-10-29 | 北京惠每云科技有限公司 | 文本中实体关系的抽取方法、装置、电子设备及存储介质 |
-
2021
- 2021-09-01 CN CN202111017698.4A patent/CN113468344B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815478A (zh) * | 2018-12-11 | 2019-05-28 | 北京大学 | 基于卷积神经网络的药化实体识别方法及系统 |
CN110502742A (zh) * | 2019-07-11 | 2019-11-26 | 中国科学院计算技术研究所 | 一种复杂实体抽取方法、装置、介质及系统 |
CN111291556A (zh) * | 2019-12-17 | 2020-06-16 | 东华大学 | 基于实体义项的字和词特征融合的中文实体关系抽取方法 |
CN112487807A (zh) * | 2020-12-09 | 2021-03-12 | 重庆邮电大学 | 一种基于膨胀门卷积神经网络的文本关系抽取方法 |
CN113204970A (zh) * | 2021-06-07 | 2021-08-03 | 吉林大学 | 一种BERT-BiLSTM-CRF命名实体检测模型及装置 |
Non-Patent Citations (1)
Title |
---|
一种基于Roberta的中文实体关系联合抽取模型;王华锋 等;《北方工业大学学报》;20200430(第02期);第90-98页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113468344A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902186B (zh) | 用于生成神经网络的方法和装置 | |
CN110288049B (zh) | 用于生成图像识别模型的方法和装置 | |
CN113468344B (zh) | 实体关系抽取方法、装置、电子设备和计算机可读介质 | |
CN109934142B (zh) | 用于生成视频的特征向量的方法和装置 | |
WO2023005386A1 (zh) | 模型训练方法和装置 | |
CN112200173B (zh) | 多网络模型训练方法、图像标注方法和人脸图像识别方法 | |
CN111368551A (zh) | 一种确定事件主体的方法和装置 | |
CN109829431B (zh) | 用于生成信息的方法和装置 | |
CN113408507B (zh) | 基于履历文件的命名实体识别方法、装置和电子设备 | |
CN112182255A (zh) | 用于存储媒体文件和用于检索媒体文件的方法和装置 | |
CN112419312B (zh) | 相似房源信息检测方法、装置、电子设备和可读介质 | |
CN112101257B (zh) | 训练样本生成方法、图像处理方法、装置、设备和介质 | |
CN113191257A (zh) | 笔顺检测方法、装置和电子设备 | |
CN110046670B (zh) | 特征向量降维方法和装置 | |
CN114970470B (zh) | 文案信息处理方法、装置、电子设备和计算机可读介质 | |
CN111709784B (zh) | 用于生成用户留存时间的方法、装置、设备和介质 | |
CN114943583A (zh) | 用户喜好物品信息生成方法、装置、电子设备和介质 | |
CN111062995B (zh) | 生成人脸图像的方法、装置、电子设备和计算机可读介质 | |
CN114218219A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN113780239A (zh) | 虹膜识别方法、装置、电子设备和计算机可读介质 | |
CN114792086A (zh) | 一种支持文本交叉覆盖的信息抽取方法、装置、设备和介质 | |
CN113778846A (zh) | 用于生成测试数据的方法和装置 | |
CN111797263A (zh) | 图像标签生成方法、装置、设备和计算机可读介质 | |
CN117421641B (zh) | 一种文本分类的方法、装置、电子设备及可读存储介质 | |
CN111526054B (zh) | 用于获取网络的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: No.3-8-132, 1st floor, building 3, Fuqian street, Huairou District, Beijing Patentee after: Beijing Defeng Xinzheng Technology Co.,Ltd. Address before: Room 501, 5 / F, Hall B, building 8, yard 1, Jiuxianqiao East Road, Chaoyang District, Beijing 100015 Patentee before: Beijing Defeng new journey Technology Co.,Ltd. |