公开(公告)号：CN114818658B

公开(公告)日：2025-05-06

申请号：CN202210617790.2

申请日：2022-06-01

Applicant: 哈尔滨工业大学

Inventor： 赵铁军 ,  陈科海 ,  徐旺 ,  曹海龙 ,  朱聪慧 ,  徐冰 ,  杨沐昀

IPC: G06F40/211 ,  G06F40/295 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0464 ,  G06N5/04

Abstract: 本发明提出一种基于图神经网络和推理路径的文档级关系抽取方法。本发明为了解决在文档级关系抽取中常用的图模型方法只能关注实体局部特征的特点，不能很好的表示两个实体之间全局特征的问题。本发明的具体的步骤为：步骤一、基于启发式的规则将一篇输入的文档转化为图结构；步骤二、利用路径搜索算法在构造图结构中提取出不同实体对之间的多条路径；步骤三、利用神经网络编码器对输入文档编码，并得到图中节点的向量表示，利用图神经网络更新图中节点的向量表示；步骤四、得到图结构中实体对之间的路径信息向量表示；步骤五、对实体对之间的关系进行判断，使用标注好的数据训练深度学习模型。本发明属于自然语言处理领域。

公开(公告)号：CN114818658A

公开(公告)日：2022-07-29

申请号：CN202210617790.2

申请日：2022-06-01

Applicant: 哈尔滨工业大学

Inventor： 赵铁军 ,  陈科海 ,  徐旺 ,  曹海龙 ,  朱聪慧 ,  徐冰 ,  杨沐昀

IPC: G06F40/211 ,  G06F40/295 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于图神经网络和推理路径的文档级关系抽取方法。本发明为了解决在文档级关系抽取中常用的图模型方法只能关注实体局部特征的特点，不能很好的表示两个实体之间全局特征的问题。本发明的具体的步骤为：步骤一、基于启发式的规则将一篇输入的文档转化为图结构；步骤二、利用路径搜索算法在构造图结构中提取出不同实体对之间的多条路径；步骤三、利用神经网络编码器对输入文档编码，并得到图中节点的向量表示，利用图神经网络更新图中节点的向量表示；步骤四、得到图结构中实体对之间的路径信息向量表示；步骤五、对实体对之间的关系进行判断，使用标注好的数据训练深度学习模型。本发明属于自然语言处理领域。