CN113626576A - 远程监督中关系特征抽取方法、装置、终端及存储介质 - Google Patents

Abstract

本申请适用于人工智能技术领域，提供一种远程监督中关系特征抽取方法、装置、终端及存储介质，其中方法包括：获取包含实体对的待处理语料；在待处理语料中，将实体对中每一实体的词首位置及词尾位置分别插入用于标识实体间关系特征的标签；基于插入标签后的待处理语料，通过文本表示模型生成待处理语料对应的句向量；根据该句向量，通过分类模型输出关系特征抽取结果。该方案整体有效改进了句向量特征的表示方式，更好捕捉实体间所包含的关系，提升特征抽取过程中预测结果的准确率。

Description

远程监督中关系特征抽取方法、装置、终端及存储介质

技术领域

本申请属于人工智能技术领域，尤其涉及一种远程监督中关系特征抽取方法、装置、终端及存储介质。

背景技术

远程监督是目前关系抽取中比较常见的一类做法，其是一种通过知识图谱中已有的实体关系，对朴素文本进行标注的方法，该方法的主要思想是，如果一对实体在现有的数据库中存在一种关系，则认为所有包含这对实体的训练语料都在某些程度上表示了这种关系。

但是，在实际处理中，很多包含实体对的语料之间并不具备与所包含的实体对相一致的句式关系。所以，通过远程监督提取特征的时候就会出现很多噪声。

为解决该问题，在远程监督方法应用中，通常采用的方式为：通过标记语料，将所有包含相同实体对的语料放入一个包中，并基于知识图谱将该包中放入的语料间的关系标记为与该实体对之间的关系，由该方式得到很多包，通过卷积神经网络、递归神经网络得到每个包中句子(即语料)中的词表示，通过池化得到句向量表示，在句向量基础上获得整个包的向量表示。

而该方法主要基于对语料进行词向量、句向量生成，来实现对句子特征的提取，改善训练数据中的噪音，这些语料特征表示方式可以达到不错的效果，但是该方法也忽略了句式结构，丢失了句子本身的结构信息及句子中所包含实体对的属性信息，难以真正确保远程监督过程中关系抽取的准确性。

发明内容

本申请实施例提供了一种远程监督中关系特征抽取方法、装置、终端及存储介质，以解决现有的远程监督方法应用中忽略了句式结构，丢失了句子本身的结构信息及句子中所包含实体对的属性信息，难以真正确保远程监督过程中关系抽取的准确性的问题。

本申请实施例的第一方面提供了一种远程监督中关系特征抽取方法，包括：

获取包含实体对的待处理语料；

在所述待处理语料中，将所述实体对中每一实体的词首位置及词尾位置分别插入用于标识实体间关系特征的标签；

基于插入标签后的所述待处理语料，通过文本表示模型生成所述待处理语料对应的句向量；其中所述句向量由所述文本表示模型的输出结果中与所述标签对应的向量表示拼接得到；

根据所述句向量，通过分类模型输出关系特征抽取结果。

本申请实施例的第二方面提供了一种远程监督中关系特征抽取装置，包括：

获取模块，用于获取包含实体对的待处理语料；

标签插入模块，用于在所述待处理语料中，将所述实体对中每一实体的词首位置及词尾位置分别插入用于标识实体间关系特征的标签；

生成模块，用于基于插入标签后的所述待处理语料，通过文本表示模型生成所述待处理语料对应的句向量；其中所述句向量由所述文本表示模型的输出结果中与所述标签对应的向量表示拼接得到；

抽取模块，用于根据所述句向量，通过分类模型输出关系特征抽取结果。

本申请实施例的第三方面提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。

本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。

本申请的第五方面提供了一种计算机程序产品，当所述计算机程序产品在终端上运行时，使得所述终端执行上述第一方面所述方法的步骤。

由上可见，本申请实施例中，通过获取包含实体对的待处理语料，在待处理语料中，将实体对中每一实体的词首位置及词尾位置分别插入用于标识实体间关系特征的标签，基于插入标签后的待处理语料，通过文本表示模型生成待处理语料对应的句向量，其中句向量由文本表示模型的输出结果中与标签对应的向量表示拼接得到，根据该句向量，通过分类模型输出关系特征抽取结果。该方案在待处理语料中嵌入标签，实现对实体对间相关信息进行标注，整体有效改进了句向量特征的表示方式，更好捕捉实体间所包含的关系，提升特征抽取过程中预测结果的准确率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的远程监督中关系特征抽取方法的流程图一；

图2是本申请实施例提供的远程监督中关系特征抽取方法的流程图二；

图3是本申请实施例中提供的一种掩模矩阵示例图；

图4是本申请实施例提供的一种远程监督中关系特征抽取装置的结构图；

图5是本申请实施例提供的一种终端的结构图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

具体实现中，本申请实施例中描述的终端包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，所述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板) 的台式计算机。

在接下来的讨论中，描述了包括显示器和触摸敏感表面的终端。然而，应当理解的是，终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。

终端支持各种应用程序，例如以下中的一个或多个：绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。

可以在终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。

应理解，本实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

参见图1，图1是本申请实施例提供的远程监督中关系特征抽取方法的流程图一。如图1所示，一种远程监督中关系特征抽取方法，该方法包括以下步骤：

步骤101，获取包含实体对的待处理语料。

该待处理语料具体为包含实体对的句子。该实体对为句子中包含的特定词语。

句子中是否包含实体，具体可以采用命名实体识别(Named Entity Recognition，NER)方法实现。

命名实体识别的任务就是识别出待处理文本中三大类(实体类、时间类和数字类)、七小类(人名、机构名、地名、时间、日期、货币和百分比)命名实体。

例如，在句子“小明早上8点去学校上课”中，对其进行命名实体识别，可以提取到信息：

人名：小明；时间：早上8点；地点：学校。

本步骤中，对待处理语料需要获取其中包含的实体对，当该待处理预料为训练预料时，该实体对可以是实现设置好的实体对，当该待处理预料为模型应用阶段时，则需要基于训练好的模型对当前待处理预料进行提取识别，以得到其中包含的实体对。

通过该实体对，我们可以认为包含有该实体对的句子中包含某种与该实体对相对应的关系。

例如，“张三是厂长”这句话中包括了“张三”和“厂长”这一对实体，则会认为包含这个实体对的句子中包含了张三是厂长这一信息。或者，“张三的同乡李四当选了新一任的厂长”这句话中包含了“张三”和“厂长”这一对实体，则这句话也会被认为包含了张三是厂长这一信息，而此时明显与该句话所表达的意思不符，那么，该句话会对远程监督过程带来噪声。因此，需要后续过程，对其进行处理以消除或减少噪声。

本步骤中，待处理语料中具体包含何种类型的实体对及该实体对所在句子会被认为具备怎样的句子信息，需要根据实际的远程监督需求进行具体设置。

步骤102，在该待处理语料中，将实体对中每一实体的词首位置及词尾位置分别插入用于标识实体间关系特征的标签。

该标签为与每一实体的首尾位置相对应插入的标签对，即在每一实体的词首位置及词尾位置的标签共同形成了对该实体的标识，形成一个标签对，一个实体对应一个标签对。

该标签用于对实体对中的实体进行标注，例如标注主宾信息、实体类型信息，通过该标签的添加来指示实体在句子中的句式构成或者指示该实体的词语类型，该词语类型例如指人、工作、动物等。通过对每一实体进行标注的标签，实现对句子中所包含实体对间关系特征的标识，该实体对间的关系特征例如为句式结构中的结构关联特征，或者句意之间的语义关联特征。

本步骤中标签的设置在于对句子中的实体对中实体进行关系标注，以使标签设置后的实体对能够体现其在待处理语料中的关系。

步骤103，基于插入标签后的待处理语料，通过文本表示模型生成待处理语料对应的句向量。

其中该句向量由文本表示模型的输出结果中与标签对应的向量表示拼接得到。

该拼接例如为：标签1的向量维度为11、标签2的向量维度为15、标签3 的向量维度为20及标签4的向量维度为18，则拼接后的向量维度为 11+15+20+18，即64维度。拼接后的向量的维度为各标签所对应向量表示的维度之和。

该文本表示模型可以是BERT(Bidirectional Encoder Representations fromTransformers，基于转换器的双向编码表征)模型，通过该模型能够针对待处理语料中每一字捕捉周围字的相关性。具体地，BERT模型本质上是通过在海量的语料的基础上运行自监督学习方法为单词学习一个好的特征表示，自监督学习是指在没有人工标注的数据上运行的监督学习。BERT提供了一个供其它任务迁移学习的模型，该模型作为特征提取器，在后续特定的NLP(Natural Language Processing，自然语言处理)任务中，我们可以直接使用BERT的特征表示后续任务的词嵌入特征。

不同地，该文本表示模型还可以是LSTM(Long Short-Term Memory，长短期记忆)模型，可以根据需要进行具体选择。

其中，在通过文本表示模型对待处理语料进行处理得到句向量时，文本表示模型的输出结果中包含了与待处理语料中每一标签对应的向量表示部分及与待处理语料中语料内容的每一字符对应的向量表示部分。本步骤中，需要对文本表示模型的输出结果进行内容选取，具体选取与每一标签对应的向量表示部分，将该内容进行拼接后得到向量表示作为与待处理语料对应的句向量。

因此，本步骤中，通过待处理语料中已经插入的标签，使待处理语料中嵌入实体对之间的关联关系信息，加入了实体对的信息限制条件，并在生成与该待处理语料对应的句向量时，将标签作为待处理语料的一部分一同输入至模型进行文本特征提取，最终直接将与标签对应的向量表示内容抽取出来，拼接后形成与待处理语料对应的句向量，以实体对的标签的特征信息代表整个待处理语料的特征表示，改进了整体句向量特征的表示方式，更好捕捉实体类型间所包含的关系，提高了抽取任务的结果准确率。

步骤104，根据句向量，通过分类模型输出关系特征抽取结果。

该分类模型具体为实现对输入数据进行类别判断的模型。

在具体应用中，分类模型根据输入的句向量，可以捕捉到待处理语料中实体对之间的关联关系，进而能够预测该待处理语料中所包含的实体对是否表达了与设定信息不相同的其他信息。

例如：“张三是厂长”这句话中，实体对中的“张三”是主语，“厂长”是宾语，此时包含这个实体对的句子中包含了张三是厂长这一信息。而“张三的同乡李四当选了新一任的厂长”这句话中，“张三”是定语，“厂长”是宾语，对这句话进行远程监督处理时，为了预测包含有“张三”及“厂长”的实体对的该句话中是否同样包含了张三是厂长这一信息，则通过对“张三”首尾位置插入的标签及“厂长”的首尾位置插入的标签去对该实体对间的句式结构关联特征或者语义关联特征进行标识，以使本步骤中能够基于将标签对应的向量表示拼接后形成的句向量，通过分类模型实现对当前语句中实体对是否真正包含张三是厂长这一信息进行概率预测，实现语料远程监督处理过程。

分类模型进行特征抽取时，可以是基于单个句向量执行一次抽取操作，也可以是每次以多个句向量作为一组进行批量处理。该过程可以对应于模型的训练过程也可以对应于模型训练好之后的模型应用过程，这里不进行具体限定。

进一步地，其中，待处理语料和/或关系特征抽取结果存储至区块链中。

在本申请的所有实施例中，将待处理语料和/或关系特征抽取结果上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该待处理语料及关系特征抽取结果，以便查证相关信息是否被篡改。本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

本申请实施例中，通过获取包含实体对的待处理语料，在待处理语料中，将实体对中每一实体的词首位置及词尾位置分别插入用于标识实体间关系特征的标签，基于插入标签后的待处理语料，通过文本表示模型生成待处理语料对应的句向量，其中句向量由文本表示模型的输出结果中与标签对应的向量表示拼接得到，根据该句向量，通过分类模型输出关系特征抽取结果。该方案在待处理语料中嵌入标签，实现对实体对间相关信息进行标注，整体有效改进了句向量特征的表示方式，更好捕捉实体间所包含的关系，提升特征抽取过程中预测结果的准确率。

本申请实施例中还提供了远程监督中关系特征抽取方法的不同实施方式。

参见图2，图2是本申请实施例提供的远程监督中关系特征抽取方法的流程图二。如图2所示，一种远程监督中关系特征抽取方法，该方法包括以下步骤：

步骤201，从预构建的知识图谱中抽取存在设定关联关系的实体对。

从预构建的知识图谱中抽取存在预设关联关系的若干实体对，可以是给定一个知识图谱，从该知识图谱中获取三元组，每一三元组对应一存在设定关联关系的实体对，该预设关联关系，具体是在不同的三元组中所包含的实体对之间的关联关系。

三元组的形成过程是将每一个句子从文本中提取出来以后，将句子中符合三元组(subject+relation+object)的成分提取出来，其中：

1、subject：三元组中的主体，表示动作的发出者；

2、relation：三元组中表示subject和object的联系；

3、object：三元组中表示relation动作的承受者。

由三元组确定的subject和object，确定实体对中的实体是什么，及实体对中实体之间的关联关系即relation是什么。

具体地，该关联关系可以是主宾、主动等句子结构关联关系，例如“张三是厂长”这句话中，可以提取“张三”与“厂长”之间的关联关系是主语与宾语这样具有语序结构构成顺序的关联关系；或者是固定名词对之间的语义关联关系，例如“张三是厂长”这句话中，可以提取“张三”与“厂长”之间的关联关系是人物与工作这样的语义关联关系。

本步骤中还可以是基于预构建的知识图谱中所存储的已经设置好的固定词语搭配等词汇搭配信息，实现对存在设定关联关系的实体对的提取。

步骤202，基于该实体对，从语料文本中抽取包含有该实体对的目标语句。

步骤203，将该目标语句中包含相同实体对的语句划分至同一语料包中。

该语料文本可以是非结构化文本，在非结构化文本中查找是否存在三元组中涉及的实体对，若存在则将包含相同实体对的文本(句子)放入同一个语料包中。

该过程中，需要有足够多的拥有实体对和关系标注的句子，把具有相同实体对的所有句子划分至相同的组别中形成一个整体，即语料包。

步骤204，以划分得到的语料包为组别，将语料包中包含的语句确定为待处理语料。

其中，一个语料包对应一组待处理语料。每个语料包中的句子均包含相同的实体对。

步骤205，在待处理语料中，将实体对中每一实体的词首位置及词尾位置分别插入用于标识实体间关系特征的标签。

该步骤的实现过程与前述实施方式中的步骤102的实现过程相同，此处不再赘述。

步骤206，基于插入标签后的待处理语料，得到与待处理语料中每一字符对应的字向量及位置向量。

其中，实体对中每一实体的词首字符的位置向量数值与该实体的词首位置所插入标签的位置向量数值相同，每一实体的词尾字符的位置向量数值与实体的词尾位置所插入标签的位置向量数值相同。

具体地，该位置向量用于指示句子中每一字符在句子中所处位置，其中，当待处理语料中插入标签之后，标签也成为句子的一部分，本步骤中，标签同样会产生字向量及位置向量。

例如，“张三是厂长”，则插入标签后的句子为“<S:Person>张三</S:Person> 是<O:Job>厂长</O:Job>”。

那么，该句子中所包含的字符则分别为：“<S:Person>”、“张”、“三“</S:Person>”、“是”、“<O:Job>”、“厂”、“长”、“</O:Job>”。分别生成与该些字符对应的字向量及位置向量。

需要将位置向量中每一实体的词首字符的位置向量数值与该实体的词首位置插入的标签的位置向量数值相同，每一实体的词尾字符的位置向量数值与该实体的词尾位置插入的标签的位置向量数值相同。

即，将“<S:Person>”在位置向量中的数值设置为与“张”在位置向量中的数值相同，“</S:Person>”在位置向量中的数值设置为与“三”在位置向量中的数值相同，其他同理，使插入的标签不在实质上改变待处理语料中插入标签之前所包含的每个文字在句子中的位置特征，确保新引入的标签在增加句子中实体的信息标注的同时，不影响句子本身的正常结构特征。

具体地，字向量的生成方法与现有的词向量的生成方法相同。位置向量的生成也为现有手段所能够实现的。

其中，字向量及位置向量可以是初始化得到的向量表示，随着模型的执行，对其进行逐步的训练及优化。

步骤207，将字向量与位置向量拼接后，输入至文本表示模型生成待处理语料对应的句向量。

其中句向量由文本表示模型的输出结果中与标签对应的向量表示拼接得到。

在将数据输入至文本表示模型之前，需要将字向量与位置向量进行拼接，该拼接具体为：同一字符对应的字向量与位置向量在维度上进行数据拼合。拼接后的向量表示输入至文本表示模型中进行计算，生成最终与该整个句子对应的句向量。

该过程，通过嵌入实体间的相关信息，加入了实体信息限制条件，从整体上改进句向量特征的表示方式，更好捕捉实体间所包含的关系，提高抽取任务的结果准确度。

作为一可选的实施方式，其中，将字向量与位置向量拼接后，输入至文本表示模型生成待处理语料对应的句向量，包括：

基于插入标签后的待处理语料，构建掩模矩阵；

其中，所述掩模矩阵中，标签行对标签列的矩阵元素值设为第一数值，标签行对文字列的矩阵元素值设为该第一数值，文字行对文字列的矩阵元素值设为该第一数值，文字行对标签列的矩阵元素值设为第二数值；

将字向量与位置向量进行拼接处理后得到特征向量，将特征向量输入至文本表示模型中，利用掩模矩阵对特征向量进行卷积处理，得到文本表示模型的输出向量；

将输出向量中与标签对应的向量表示进行拼接，得到待处理语料对应的句向量。

该过程中，引入掩模矩阵，通过对掩模矩阵中元素值的设置实现运算过程中的掩模作用，具体为将文字行对标签列的矩阵元素值设置为与掩模矩阵中标签行对标签列的矩阵元素值、标签行对文字列的矩阵元素值及文字行对文字列的矩阵元素值不相同的数值，通过该设置操作，实现在卷积处理过程中文本token(分词)与标签token组合下的卷积处理时采用区别性处理，以改变卷积处理过程中句子中词受插入的标签的影响程度。

其中，可选地，该第一数值与第二数值从0和1中进行取值，第一数值与第二数值不同。

作为一更具体的实施方式，对掩模矩阵中元素值的0、1设置，具体可以是将掩模矩阵中标签行对标签列的矩阵元素值设为1，标签行对文字列的矩阵元素值设为1，文字行对文字列的矩阵元素值设为1，文字行对标签列的矩阵元素值设为0，即第一数值设置为1，第二数值设置为0。结合图3所示，“张三是厂长”这句话，掩模矩阵中设置标签“<S:Person>”行对“<S:Person>”列的矩阵元素值为1，“<S:Person>”行对“张”列的矩阵元素值为1，“张”行对“<S:Person>”列的矩阵元素值为0，“张”行对“张”列的矩阵元素值为1。

该掩模矩阵的设置实现在卷积运算过程中，使待处理语料中文本token(分词)只注意文本token，而掩盖标签token，但标签token则关注包括文本及标签在内的所有token。在标签能够学习到句子中词的特征的同时，使句子中词不受插入的标签影响，更好地捕捉句子本身的关系特征。

步骤208，基于该句向量，生成语料包的向量表示。

一个语料包中包含一组句子(即待处理语料)，每个句子均对应一个句向量。在基于句向量生成语料包的向量表示时，可以是句向量求和后得到。

作为一可选的实施方式，该基于句向量，生成语料包的向量表示，包括：

将语料包中每一语句的句向量乘以关系特征矩阵中对应关系特征元素后作归一化处理，得到语料包中每一语句在语料包中的权值；将每一权值乘以对应语句的句向量后求和，得到语料包的向量表示。

每一个语料包中的句子包含相同的实体对，但是包含相同实体对的句子不一定具有与实体对相对应的关系特征，因此需要以此形成待处理语料，以每个包为对象对其中的句子进行关系特征提取，合理得出包内句子的权值，最大程度消除噪声干扰。

该关系特征矩阵具体为记录关系特征的特征矩阵，该矩阵中的元素与语料包中语句一一对应。该关系特征矩阵可以是先初始化得到，在模型训练过程中不断进行的更新优化。

将待处理语料对应的句向量乘以关系特征，并将相乘之后的结果进行归一化，得到包中每句话的句向量在包内的权值特征向量，将该权值乘以包中每句话的句向量并求和得到整个包的向量表示。包向量的维度与句向量的维度一致。

与现有方式相比，通过该些方式捕捉句子特征，相同句式结构在模型处理过程中，包含相同语义以及句法结构的数据将得到更接近的权值，由此可以更好的计算包内所有句子的权值信息，以提升后续包的特征向量表示的准确性。

步骤209，根据该实体间的关系特征对向量表示进行标注，得到标注后的语料包的向量表示。

该标注过程，可以是对应于模型训练操作。对得到的语料包的向量表示进行关系特征标注，即将一个语料包中的所有语料作为一个整体，以该些语料中所包含的实体对之间的关系特征对整个语料包的向量表示进行样本标注。

步骤210，将标注后的向量表示输入至分类模型，输出与语料包对应的关系特征抽取结果。

标注后的向量表示在输入至分类模型之后，即可使分类模型结合输入的语料包的向量表示及其标注信息实现模型的训练及参数优化。

训练过程中，具体可以是以语料包为单位执行模型训练操作。

本申请实施例中，通过获取包含实体对的待处理语料，将待处理语料进行语料包划分，在待处理语料中，将实体对中每一实体的词首位置及词尾位置分别插入用于标识实体间关系特征的标签，得到与待处理语料中每一字符对应的字向量及位置向量，利用掩模矩阵对拼接后的特征向量进行卷积处理，得到句向量，根据该句向量，通过分类模型输出关系特征抽取结果。该方案在待处理语料中嵌入标签，实现对实体对间相关信息进行标注，引入掩模矩阵在标签能够学习到句子中词的特征的同时，使句子中词不受插入的标签影响，更好地捕捉句子本身的关系特征，整体有效改进了句向量特征的表示方式，更好捕捉实体间所包含的关系，提升特征抽取过程中预测结果的准确率。

参见图4，图4是本申请实施例提供的远程监督中关系特征抽取装置的结构图，为了便于说明，仅示出了与本申请实施例相关的部分。

该远程监督中关系特征抽取装置400包括：

获取模块401，用于获取包含实体对的待处理语料；

标签插入模块402，用于在所述待处理语料中，将所述实体对中每一实体的词首位置及词尾位置分别插入用于标识实体间关系特征的标签；

生成模块403，用于基于插入标签后的所述待处理语料，通过文本表示模型生成所述待处理语料对应的句向量；其中所述句向量由所述文本表示模型的输出结果中与所述标签对应的向量表示拼接得到；

抽取模块404，用于根据所述句向量，通过分类模型输出关系特征抽取结果。

其中，生成模块，具体用于：

基于插入标签后的所述待处理语料，得到与所述待处理语料中每一字符对应的字向量及位置向量；其中，所述实体对中每一实体的词首字符的位置向量数值与所述实体的词首位置所插入标签的位置向量数值相同，每一实体的词尾字符的位置向量数值与所述实体的词尾位置所插入标签的位置向量数值相同；

将所述字向量与所述位置向量拼接后，输入至所述文本表示模型生成所述待处理语料对应的句向量。

其中，生成模块，更具体用于：

基于插入标签后的所述待处理语料，构建掩模矩阵；

其中，所述掩模矩阵中，标签行对标签列的矩阵元素值设为第一数值，标签行对文字列的矩阵元素值设为所述第一数值，文字行对文字列的矩阵元素值设为所述第一数值，文字行对标签列的矩阵元素值设为第二数值；

将所述字向量与所述位置向量进行拼接处理后得到特征向量，将所述特征向量输入至所述文本表示模型中，利用所述掩模矩阵对所述特征向量进行卷积处理，得到所述文本表示模型的输出向量；

将所述输出向量中与所述标签对应的向量表示进行拼接，得到所述待处理语料对应的句向量。

其中，获取模块401，具体用于：

从预构建的知识图谱中抽取存在设定关联关系的实体对；

基于所述实体对，从语料文本中抽取包含有所述实体对的目标语句；

将所述目标语句中包含相同实体对的语句划分至同一语料包中；

以划分得到的所述语料包为组别，将所述语料包中包含的语句确定为所述待处理语料。

其中，抽取模块404，具体用于：

基于所述句向量，生成所述语料包的向量表示；

根据所述实体间的所述关系特征对所述向量表示进行标注，得到标注后的所述语料包的向量表示；

将标注后的所述向量表示输入至所述分类模型，输出与所述语料包对应的关系特征抽取结果。

其中，抽取模块404，更具体用于：

将所述语料包中每一语句的所述句向量乘以关系特征矩阵中对应关系特征元素后作归一化处理，得到所述语料包中每一语句在所述语料包中的权值；

将每一所述权值乘以对应语句的所述句向量后求和，得到所述语料包的向量表示。

其中，所述待处理语料和/或所述关系特征抽取结果存储至区块链中。

本申请实施例提供的远程监督中关系特征抽取装置能够实现上述远程监督中关系特征抽取方法的实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

图5是本申请实施例提供的一种终端的结构图。如该图所示，该实施例的终端5包括：至少一个处理器50(图5中仅示出一个)、存储器51以及存储在所述存储器51中并可在所述至少一个处理器50上运行的计算机程序52，所述处理器50执行所述计算机程序52时实现上述任意各个方法实施例中的步骤。

所述终端5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端5可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端5的示例，并不构成对终端5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。

所述处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述终端5的内部存储单元，例如终端5的硬盘或内存。所述存储器51也可以是所述终端5的外部存储设备，例如所述终端5上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序产品来实现，当计算机程序产品在终端上运行时，使得所述终端执行时实现可实现上述各个方法实施例中的步骤。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种远程监督中关系特征抽取方法，其特征在于，包括：

获取包含实体对的待处理语料；

在所述待处理语料中，将所述实体对中每一实体的词首位置及词尾位置分别插入用于标识实体间关系特征的标签；

基于插入标签后的所述待处理语料，通过文本表示模型生成所述待处理语料对应的句向量；其中所述句向量由所述文本表示模型的输出结果中与所述标签对应的向量表示拼接得到；

根据所述句向量，通过分类模型输出关系特征抽取结果。

2.根据权利要求1所述的关系特征抽取方法，其特征在于，所述基于插入标签后的所述待处理语料，通过文本表示模型生成所述待处理语料对应的句向量，包括：

基于插入标签后的所述待处理语料，得到与所述待处理语料中每一字符对应的字向量及位置向量；其中，所述实体对中每一实体的词首字符的位置向量数值与所述实体的词首位置所插入标签的位置向量数值相同，每一实体的词尾字符的位置向量数值与所述实体的词尾位置所插入标签的位置向量数值相同；

将所述字向量与所述位置向量拼接后，输入至所述文本表示模型生成所述待处理语料对应的句向量。

3.根据权利要求2所述的关系特征抽取方法，其特征在于，所述将所述字向量与所述位置向量拼接后，输入至所述文本表示模型生成所述待处理语料对应的句向量，包括：

基于插入标签后的所述待处理语料，构建掩模矩阵；

其中，所述掩模矩阵中，标签行对标签列的矩阵元素值设为第一数值，标签行对文字列的矩阵元素值设为所述第一数值，文字行对文字列的矩阵元素值设为所述第一数值，文字行对标签列的矩阵元素值设为第二数值；

将所述字向量与所述位置向量进行拼接处理后得到特征向量，将所述特征向量输入至所述文本表示模型中，利用所述掩模矩阵对所述特征向量进行卷积处理，得到所述文本表示模型的输出向量；

将所述输出向量中与所述标签对应的向量表示进行拼接，得到所述待处理语料对应的句向量。

4.根据权利要求1所述的关系特征抽取方法，其特征在于，所述获取包含实体对的待处理语料，包括：

从预构建的知识图谱中抽取存在设定关联关系的实体对；

基于所述实体对，从语料文本中抽取包含有所述实体对的目标语句；

将所述目标语句中包含相同实体对的语句划分至同一语料包中；

以划分得到的所述语料包为组别，将所述语料包中包含的语句确定为所述待处理语料。

5.根据权利要求4所述的关系特征抽取方法，其特征在于，所述根据所述句向量，通过分类模型输出关系特征抽取结果，包括：

基于所述句向量，生成所述语料包的向量表示；

根据所述实体间的所述关系特征对所述向量表示进行标注，得到标注后的所述语料包的向量表示；

将标注后的所述向量表示输入至所述分类模型，输出与所述语料包对应的关系特征抽取结果。

6.根据权利要求5所述的关系特征抽取方法，其特征在于，所述基于所述句向量，生成所述语料包的向量表示，包括：

将所述语料包中每一语句的所述句向量乘以关系特征矩阵中对应关系特征元素后作归一化处理，得到所述语料包中每一语句在所述语料包中的权值；

将每一所述权值乘以对应语句的所述句向量后求和，得到所述语料包的向量表示。

7.根据权利要求1所述的关系特征抽取方法，其特征在于，所述待处理语料和/或所述关系特征抽取结果存储至区块链中。

8.一种远程监督中关系特征抽取装置，其特征在于，包括：

获取模块，用于获取包含实体对的待处理语料；

标签插入模块，用于在所述待处理语料中，将所述实体对中每一实体的词首位置及词尾位置分别插入用于标识实体间关系特征的标签；

生成模块，用于基于插入标签后的所述待处理语料，通过文本表示模型生成所述待处理语料对应的句向量；其中所述句向量由所述文本表示模型的输出结果中与所述标签对应的向量表示拼接得到；

抽取模块，用于根据所述句向量，通过分类模型输出关系特征抽取结果。

9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。

Images