公开(公告)号：CN110555083A

公开(公告)日：2019-12-10

申请号：CN201910790569.5

申请日：2019-08-26

Applicant: 北京工业大学

Inventor： 赵青 ,  王丹 ,  冯韦玮 ,  杜金莲 ,  付利华

IPC: G06F16/28

Abstract: 一种基于zero-shot无监督实体关系抽取方法属于计算机领域，通过提取文本数据中的三元组特征和领域知识图谱中的实体关系类型特征，并计算它们之间的相似度来判断实体关系类别，从而减少传统实体关系抽取方法对人工标注的依赖，并提高实体关系抽取的准确率。方法包括：数据预处理、特征提取、训练关系抽取网络模型和实体关系分类器。本方法将采用善于捕捉句子信息的卷积神经网络模型来分别提取三元组和关系类型特征，最后使用softmax预测实体关系类型标签。在模型构建过程中，可以利用稀疏标记的语料库作为训练集，在测试过程中也可以利用与训练过程中相同的参数来预测未标注三元组的类型。

公开(公告)号：CN110555083B

公开(公告)日：2021-06-25

申请号：CN201910790569.5

申请日：2019-08-26

Applicant: 北京工业大学

Inventor： 赵青 ,  王丹 ,  冯韦玮 ,  杜金莲 ,  付利华

IPC: G06F16/28

Abstract: 一种基于zero‑shot无监督实体关系抽取方法属于计算机领域，通过提取文本数据中的三元组特征和领域知识图谱中的实体关系类型特征，并计算它们之间的相似度来判断实体关系类别，从而减少传统实体关系抽取方法对人工标注的依赖，并提高实体关系抽取的准确率。方法包括：数据预处理、特征提取、训练关系抽取网络模型和实体关系分类器。本方法将采用善于捕捉句子信息的卷积神经网络模型来分别提取三元组和关系类型特征，最后使用softmax预测实体关系类型标签。在模型构建过程中，可以利用稀疏标记的语料库作为训练集，在测试过程中也可以利用与训练过程中相同的参数来预测未标注三元组的类型。