公开(公告)号：CN113590837B

公开(公告)日：2024-08-16

申请号：CN202110864488.2

申请日：2021-07-29

Applicant: 华中农业大学

Inventor： 赵良 ,  廖子逸 ,  张赵玥 ,  董滨源 ,  牛恬瑾

IPC: G06F16/36 ,  G06F16/35 ,  G06F16/33 ,  G06F16/332 ,  G06F40/295 ,  G06N3/08 ,  G06N3/0442 ,  G06N3/0455

Abstract: 本发明提供了一种基于深度学习的食品及健康知识图谱构建方法，从信息抽取、知识表示、知识融合、知识存储、知识推理和知识图谱应用六个方面构建和应用面向食品安全领域的知识图谱，实现了高效查询食品安全数据和科学分析食品安全问题的功能。本发明在信息抽取阶段，基于手动标注数据集应用的深度学习方法有：基于BiLSTM‑CRF模型实现了实体识别，基于Transformer模型实现了关系抽取。在此基础上，本发明采用(实体，关系，实体)的三元组类型作为知识图谱表示学习的输入，通过表示学习将高维度的知识进行Embedding，有效解决了数据稀疏性，提高了计算效率，可以应用到实体相似度计算以及关系预测。

公开(公告)号：CN113821571B

公开(公告)日：2024-04-26

申请号：CN202110702743.3

申请日：2021-06-24

Applicant: 华中农业大学

Inventor： 赵良 ,  张赵玥 ,  廖子逸 ,  李子龙 ,  罗皓文

IPC: G06F16/28 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明提供了基于BERT和改进PCNN的食品安全关系抽取方法，针对收集到的食品安全领域数据集，利用BERT和PCNN模型的分段最大池化最大程度捕获句子的局部信息，并根据中文是以词而并非以字为基本单位的特性以及注意力机制的优点，结合多核处理、分词技术、注意力机制以及损失函数等方法提出改进的模型BERT‑PCNN‑ATT‑jieba的模型，实现了提高抽取食品安全领域关系的性能的功能，提升了食品安全领域的关系抽取的性能。本发明减少了手工对于食品安全数据标注的成本，为下一步工作奠定了基础。

公开(公告)号：CN113821571A

公开(公告)日：2021-12-21

申请号：CN202110702743.3

申请日：2021-06-24

Applicant: 华中农业大学

Inventor： 赵良 ,  张赵玥 ,  廖子逸 ,  李子龙 ,  罗皓文

IPC: G06F16/28 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了基于BERT和改进PCNN的食品安全关系抽取方法，针对收集到的食品安全领域数据集，利用BERT和PCNN模型的分段最大池化最大程度捕获句子的局部信息，并根据中文是以词而并非以字为基本单位的特性以及注意力机制的优点，结合多核处理、分词技术、注意力机制以及损失函数等方法提出改进的模型BERT‑PCNN‑ATT‑jieba的模型，实现了提高抽取食品安全领域关系的性能的功能，提升了食品安全领域的关系抽取的性能。本发明减少了手工对于食品安全数据标注的成本，为下一步工作奠定了基础。

公开(公告)号：CN113590837A

公开(公告)日：2021-11-02

申请号：CN202110864488.2

申请日：2021-07-29

Applicant: 华中农业大学

Inventor： 赵良 ,  廖子逸 ,  张赵玥 ,  董滨源 ,  牛恬瑾

IPC: G06F16/36 ,  G06F16/35 ,  G06F16/33 ,  G06F40/295 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习的食品及健康知识图谱构建方法，从信息抽取、知识表示、知识融合、知识存储、知识推理和知识图谱应用六个方面构建和应用面向食品安全领域的知识图谱，实现了高效查询食品安全数据和科学分析食品安全问题的功能。本发明在信息抽取阶段，基于手动标注数据集应用的深度学习方法有：基于BiLSTM‑CRF模型实现了实体识别，基于Transformer模型实现了关系抽取。在此基础上，本发明采用(实体，关系，实体)的三元组类型作为知识图谱表示学习的输入，通过表示学习将高维度的知识进行Embedding，有效解决了数据稀疏性，提高了计算效率，可以应用到实体相似度计算以及关系预测。