-
公开(公告)号：CN110969014B
公开(公告)日：2023-04-07
申请号：CN201911124188.X
申请日：2019-11-18
Applicant: 南开大学
IPC: G06F40/284 , G06F40/295 , G06F40/30 , G06N3/08
Abstract: 一种基于同步神经网络的意见二元组抽取方法。在细粒度情感分析领域，意见二元组抽取是一个重要任务，该任务旨在挖掘意见句中包含的评价对象、评价词、以及两者间的修饰关系。给定意见句，本发明方法首先基于预训练语言模型BERT构建编码层，学习词的上下文语义。随后，交替构建多个识别层与同步层，以实现评价对象、评价词、以及两者间关系的同步抽取。具体地，识别层包含意见实体抽取与关系检测两个模块，同步层设计了两个同步矩阵(即，边界同步矩阵与关系同步矩阵)来记录识别层学习到的高层语义信息，并传递给下一个识别层，以实现意见实体抽取与关系检测的相互促进。最后，本方法利用一个推理层，基于识别层的结果获取最终的意见二元组。
-
公开(公告)号：CN111767409B
公开(公告)日：2022-08-30
申请号：CN202010539229.8
申请日：2020-06-14
Applicant: 南开大学
IPC: G06F16/36 , G06F16/35 , G06F40/289 , G06F40/30 , G06F40/216 , G06F40/126 , G06K9/62 , G06N3/04
Abstract: 一种基于多头自注意力机制的实体关系抽取方法，涉及计算机应用技术。本发明主要采用深度学习技术以及自然语言处理相关的理论方法对文本进行实体关系抽取，将关系检测转化为一个多标签分类问题，并提出词级别有监督的多头自注意力机制来检测文本中词之间的语义关联，通过将不同的关系类别转化为多头注意力机制中不同的特征子空间，本发明可以独立学习不同关系类别下词之间的语义交互，并独立建模不同关系类别下词之间的关联程度，进而可以灵活地识别重叠的关系三元组。
-
公开(公告)号：CN110969014A
公开(公告)日：2020-04-07
申请号：CN201911124188.X
申请日：2019-11-18
Applicant: 南开大学
IPC: G06F40/284 , G06F40/295 , G06F40/30 , G06N3/08
Abstract: 一种基于同步神经网络的意见二元组抽取方法。在细粒度情感分析领域，意见二元组抽取是一个重要任务，该任务旨在挖掘意见句中包含的评价对象、评价词、以及两者间的修饰关系。给定意见句，本发明方法首先基于预训练语言模型BERT构建编码层，学习词的上下文语义。随后，交替构建多个识别层与同步层，以实现评价对象、评价词、以及两者间关系的同步抽取。具体地，识别层包含意见实体抽取与关系检测两个模块，同步层设计了两个同步矩阵(即，边界同步矩阵与关系同步矩阵)来记录识别层学习到的高层语义信息，并传递给下一个识别层，以实现意见实体抽取与关系检测的相互促进。最后，本方法利用一个推理层，基于识别层的结果获取最终的意见二元组。
-
公开(公告)号：CN111767409A
公开(公告)日：2020-10-13
申请号：CN202010539229.8
申请日：2020-06-14
Applicant: 南开大学
IPC: G06F16/36 , G06F16/35 , G06F40/289 , G06F40/30 , G06F40/216 , G06F40/126 , G06K9/62 , G06N3/04
Abstract: 一种基于多头自注意力机制的实体关系抽取方法，涉及计算机应用技术。本发明主要采用深度学习技术以及自然语言处理相关的理论方法对文本进行实体关系抽取，将关系检测转化为一个多标签分类问题，并提出词级别有监督的多头自注意力机制来检测文本中词之间的语义关联，通过将不同的关系类别转化为多头注意力机制中不同的特征子空间，本发明可以独立学习不同关系类别下词之间的语义交互，并独立建模不同关系类别下词之间的关联程度，进而可以灵活地识别重叠的关系三元组。
-
-
-
Search Results
4
records
(took 0.015 seconds)
