公开(公告)号：CN111027323A

公开(公告)日：2020-04-17

申请号：CN201911235554.9

申请日：2019-12-05

Applicant: 电子科技大学广东电子信息工程研究院

Inventor： 韩伟红 ,  徐菁 ,  陈雷霆 ,  母国才 ,  尹怀东

IPC: G06F40/295 ,  G06F40/30 ,  G06F40/211 ,  G06F16/35 ,  G06K9/62

Abstract: 本发明公开了一种基于主题模型和语义分析的实体指称项识别方法，包括如下步骤，步骤一、对输入语料进行句子分割、分词、词性标注和依存关系解析；步骤二、基于句法分析，获取边界完整的名词词组作为实体指称项的候选集，然后综合利用LDA主题模型和TF-IDF统计算法，从候选集中过滤非实体指称项；步骤三、度量实体指称项和种子实体的语义相似度，选择相似度高的种子类别作为实体类别，然后利用浅层的句法知识设置规则，将每种实体类别的实体指称项分类到相应的指称项类别。本发明能够提高实体边界检测和分类方法的有效性。

公开(公告)号：CN111027324A

公开(公告)日：2020-04-17

申请号：CN201911235614.7

申请日：2019-12-05

Applicant: 电子科技大学广东电子信息工程研究院

Inventor： 韩伟红 ,  徐菁 ,  陈雷霆 ,  孙燕 ,  吕文娟

IPC: G06F40/295 ,  G06F40/30 ,  G06N20/00

Abstract: 本发明属于关系抽取的技术领域，具体涉及一种基于句法模式和机器学习的开放式关系的抽取方法，包括如下步骤，步骤一、对输入文本进行预处理，然后从所述输入文本中抽取实体和关系指示词，并组合为关系三元组格式，获取实体关系三元组候选集；步骤二、基于正负例判别算法，采用词向量模型和同义词林，通过计算句法模式之间的语义相似度，对关系候选集中每个三元组进行正负例判断，给出相应标签，自动生成所需的训练语料；步骤三、融入浅层和深层的文本特征，训练一个SVM分类器，对实体关系三元组进行区分和辨别。本发明能够对关系元组进行正负例判别，降低错误的句法分析对抽取关系元组带来的影响，有助于提高关系抽取的准确性。

公开(公告)号：CN111027324B

公开(公告)日：2023-11-21

申请号：CN201911235614.7

申请日：2019-12-05

Applicant: 电子科技大学广东电子信息工程研究院

Inventor： 韩伟红 ,  徐菁 ,  陈雷霆 ,  孙燕 ,  吕文娟

IPC: G06F40/295 ,  G06F40/30 ,  G06N20/00

公开(公告)号：CN111027309B

公开(公告)日：2023-05-23

申请号：CN201911235497.4

申请日：2019-12-05

Applicant: 电子科技大学广东电子信息工程研究院

Inventor： 韩伟红 ,  徐菁 ,  陈雷霆 ,  陈育梅 ,  赵朗

IPC: G06F40/211 ,  G06F40/284 ,  G06F40/295 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明属于网络文本数据处理的技术领域，具体涉及一种基于双向长短期记忆网络的实体属性值的抽取方法，包括如下步骤，步骤一、对文档集进行预处理；步骤二、采用类别映射，从包含实体的语句中识别属性值；步骤三、对实体和属性值的语句执行深层句法分析，抽取与相关的句子成分，作为训练语料；步骤四、采用词向量模型对所述训练语料进行向量转化，结合句法特征，训练BLSTM模型参数，将所述实体和所述属性值分类到给定的属性名类别中。本发明采用双向长短期记忆网络，能够精准判别实体、属性名和属性值之间关系。

公开(公告)号：CN110888946A

公开(公告)日：2020-03-17

申请号：CN201911236844.5

申请日：2019-12-05

Applicant: 电子科技大学广东电子信息工程研究院

Inventor： 韩伟红 ,  徐菁 ,  陈雷霆 ,  孙燕 ,  刘妙玲

IPC: G06F16/28 ,  G06F40/295 ,  G06F40/284

Abstract: 本发明属于实体链接的技术领域，具体涉及一种基于知识驱动的查询的实体链接方法，包括如下步骤，步骤一、基于句法分析，识别用户查询语句中的命名性实体指称项；步骤二、基于增量证据挖掘，通过外部知识源，对所述实体指称项和本地知识库进行信息扩展；步骤三、采用推理链接算法，对所述实体指称项进行链接处理。本发明能够解决用户查询语句的语境缺乏和描述不规范等问题，并降低对本地知识库的依赖性，还准确实现候选实体的产生和判别，从而提高实体链接的性能。

公开(公告)号：CN111027309A

公开(公告)日：2020-04-17

申请号：CN201911235497.4

申请日：2019-12-05

Applicant: 电子科技大学广东电子信息工程研究院

Inventor： 韩伟红 ,  徐菁 ,  陈雷霆 ,  陈育梅 ,  赵朗

IPC: G06F40/211 ,  G06F40/284 ,  G06F40/295 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于网络文本数据处理的技术领域，具体涉及一种基于双向长短期记忆网络的实体属性值的抽取方法，包括如下步骤，步骤一、对文档集进行预处理；步骤二、采用类别映射，从包含实体的语句中识别属性值；步骤三、对实体和属性值的语句执行深层句法分析，抽取与相关的句子成分，作为训练语料；步骤四、采用词向量模型对所述训练语料进行向量转化，结合句法特征，训练BLSTM模型参数，将所述实体和所述属性值分类到给定的属性名类别中。本发明采用双向长短期记忆网络，能够精准判别实体、属性名和属性值之间关系。