-
公开(公告)号：CN113657095B
公开(公告)日：2024-08-23
申请号：CN202110966806.6
申请日：2021-08-23
Applicant: 北京理工大学
IPC: G06F40/211 , G06F18/2415 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及自然语言处理和深度学习技术领域，特别涉及一种关系抽取系统，包括接收模块、词向量序列生成模块和关系抽取模型，其中，接收模块，用于接收句包和目标实体对(eh,et)；词向量序列生成模块，用于对句包中每个句子的词语进行位置和符号的结合嵌入，将句子转化为词向量序列；关系抽取模型，用于预测句包中所包含的关系集合。本发明提供的关系抽取系统能够有效地捕捉关系模式的信息，生成模式捕捉矩阵，使GPT模型能够有捕捉局部依赖的能力，进而提升关系抽取的效率和准确率。
-
公开(公告)号：CN111125434B
公开(公告)日：2023-06-27
申请号：CN201911171322.1
申请日：2019-11-26
Applicant: 北京理工大学
IPC: G06F16/75 , G06F40/289 , G06F40/30 , G06F18/214 , G06N3/0464 , G06N20/20
Abstract: 本发明涉及自然语言处理和深度学习技术领域，特别涉及一种处理远程监督关系抽取中重复实体方法及系统。本发明的主要技术方案包括：将语料根据实体对组成句包，确定含重复实体语句中的目标实体位置；构建包含语义和位置信息的词向量；通过多角度卷积神经网络，构建句向量；通过动态路由机制，构建句包级别的向量以及对句包分类。本发明提供的关系抽取方法及系统定位到并能够有效处理现有远程监督关系抽取方法及系统没有提及的重复实体导致的注意力偏差问题。
-
公开(公告)号：CN114065781A
公开(公告)日：2022-02-18
申请号：CN202111303044.8
申请日：2021-11-05
Applicant: 北京理工大学
IPC: G06F40/58 , G06F40/279 , G06F16/28
Abstract: 本发明提出一种基于翻译机制的实体和关系联合抽取系统及其使用方法，该系统利用翻译机制的思想，又规避掉传统翻译机制对对称关系的处理问题；提出利用NA(无关系)关系来作为动态阈值对关系预测的正确和错误结果进行分界。实体标注部分使用四个0/1标注器，对头实体和尾实体独立标注，能够解决单实体重合的问题。对于每一组头尾实体，使用翻译机制的思想利用h+r≈t，用尾实体减去头实体得到关系的向量表示，进而与关系集合中所有关系的向量做相似度计算，利用“与NA关系的相似度”作为动态阈值，取相似度大于该关系的所有关系作为预测结果，这样解决了实体对重叠的问题。在公开数据集上的实验表明，该系统的方法能够达到良好的水平。
-
Patent Agency Ranking
公开(公告)号：CN113761876A
公开(公告)日：2021-12-07
申请号：CN202110966548.1
申请日：2021-08-23
Applicant: 北京理工大学
IPC: G06F40/211 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于力引导图的关系抽取方法，包括：接收到句包和实体对；构建出包含语义信息的句向量，并将各个句向量通过注意力机制将其组成句包向量；通过构建关系图，并运用物理学中引力斥力的概念，计算出关系表示矩阵；将关系表示矩阵和句包向量做运算，并将结果用softmax方法进行预测，得到句包中包含各种关系的概率。本发明提供的关系抽取方法及系统能够有效处理全局级别的关系关联，并将其用引力和斥力的概念加以模拟和表示，能够显著减少关系预测时的潜在搜索空间，并提升关系抽取的效率和准确率。
-
公开(公告)号：CN114065781B
公开(公告)日：2024-09-03
申请号：CN202111303044.8
申请日：2021-11-05
Applicant: 北京理工大学
IPC: G06F40/58 , G06F40/279 , G06F16/28
Abstract: 本发明提出一种基于翻译机制的实体和关系联合抽取系统及其使用方法，该系统利用翻译机制的思想，又规避掉传统翻译机制对对称关系的处理问题；提出利用NA(无关系)关系来作为动态阈值对关系预测的正确和错误结果进行分界。实体标注部分使用四个0/1标注器，对头实体和尾实体独立标注，能够解决单实体重合的问题。对于每一组头尾实体，使用翻译机制的思想利用h+r≈t，用尾实体减去头实体得到关系的向量表示，进而与关系集合中所有关系的向量做相似度计算，利用“与NA关系的相似度”作为动态阈值，取相似度大于该关系的所有关系作为预测结果，这样解决了实体对重叠的问题。在公开数据集上的实验表明，该系统的方法能够达到良好的水平。
-
公开(公告)号：CN113761876B
公开(公告)日：2024-07-19
申请号：CN202110966548.1
申请日：2021-08-23
Applicant: 北京理工大学
IPC: G06F40/211 , G06F40/30 , G06F18/2415 , G06F18/22 , G06N3/0464 , G06N3/09
Abstract: 本发明提出一种基于力引导图的关系抽取方法，包括：接收到句包和实体对；构建出包含语义信息的句向量，并将各个句向量通过注意力机制将其组成句包向量；通过构建关系图，并运用物理学中引力斥力的概念，计算出关系表示矩阵；将关系表示矩阵和句包向量做运算，并将结果用softmax方法进行预测，得到句包中包含各种关系的概率。本发明提供的关系抽取方法及系统能够有效处理全局级别的关系关联，并将其用引力和斥力的概念加以模拟和表示，能够显著减少关系预测时的潜在搜索空间，并提升关系抽取的效率和准确率。
-
公开(公告)号：CN113657095A
公开(公告)日：2021-11-16
申请号：CN202110966806.6
申请日：2021-08-23
Applicant: 北京理工大学
IPC: G06F40/211 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及自然语言处理和深度学习技术领域，特别涉及一种关系抽取系统，包括接收模块、词向量序列生成模块和关系抽取模型，其中，接收模块，用于接收句包和目标实体对(eh,et)；词向量序列生成模块，用于对句包中每个句子的词语进行位置和符号的结合嵌入，将句子转化为词向量序列；关系抽取模型，用于预测句包中所包含的关系集合。本发明提供的关系抽取系统能够有效地捕捉关系模式的信息，生成模式捕捉矩阵，使GPT模型能够有捕捉局部依赖的能力，进而提升关系抽取的效率和准确率。
-
公开(公告)号：CN111125434A
公开(公告)日：2020-05-08
申请号：CN201911171322.1
申请日：2019-11-26
Applicant: 北京理工大学
Abstract: 本发明涉及自然语言处理和深度学习技术领域，特别涉及一种处理远程监督关系抽取中重复实体方法及系统。本发明的主要技术方案包括：将语料根据实体对组成句包，确定含重复实体语句中的目标实体位置；构建包含语义和位置信息的词向量；通过多角度卷积神经网络，构建句向量；通过动态路由机制，构建句包级别的向量以及对句包分类。本发明提供的关系抽取方法及系统定位到并能够有效处理现有远程监督关系抽取方法及系统没有提及的重复实体导致的注意力偏差问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
