-
公开(公告)号:CN116205217B
公开(公告)日:2023-09-01
申请号:CN202310495624.4
申请日:2023-05-05
Applicant: 北京邮电大学
IPC: G06F40/279 , G06F40/216 , G06F16/35 , G06N20/00
Abstract: 本发明公开一种小样本关系抽取方法、系统、电子设备及存储介质,涉及数据处理技术领域。所述方法包括:获取目标文本;根据小样本关系抽取模型和目标文本确定实体关系表示;实体关系表示包括实体文本及对应的概念和关系;其中,小样本关系抽取模型是通过对比学习损失和交叉熵损失进行训练的;小样本关系抽取模型包括概念编码模块、句子编码模块和文本概念融合模块;概念编码模块和句子编码模块均与文本概念融合模块连接;概念编码模块是基于skip‑gram模型构建的;句子编码模块是基于Bert嵌入模型构建的;文本概念融合模块是基于自我注意机制网络和相似度门构建的。本发明能够在样本不充分时,提高对样本关系抽取的准确率。
-
公开(公告)号:CN116205217A
公开(公告)日:2023-06-02
申请号:CN202310495624.4
申请日:2023-05-05
Applicant: 北京邮电大学
IPC: G06F40/279 , G06F40/216 , G06F16/35 , G06N20/00
Abstract: 本发明公开一种小样本关系抽取方法、系统、电子设备及存储介质,涉及数据处理技术领域。所述方法包括:获取目标文本;根据小样本关系抽取模型和目标文本确定实体关系表示;实体关系表示包括实体文本及对应的概念和关系;其中,小样本关系抽取模型是通过对比学习损失和交叉熵损失进行训练的;小样本关系抽取模型包括概念编码模块、句子编码模块和文本概念融合模块;概念编码模块和句子编码模块均与文本概念融合模块连接;概念编码模块是基于skip‑gram模型构建的;句子编码模块是基于Bert嵌入模型构建的;文本概念融合模块是基于自我注意机制网络和相似度门构建的。本发明能够在样本不充分时,提高对样本关系抽取的准确率。
-