[发明专利]用于关系推断的系统和方法

权利要求书

1.一种用于通过检查关注术语的同时出现来训练模型的方法，所述方法包括：

搜索数据库以获得包括术语库中所包括的术语的文档；

在至少部分所述文档中识别所述术语；

生成所识别的术语的特征以创建特征表示库；

创建包括两个或更多个术语的文档样本；

对于文档样本，使用所述特征表示库来生成所述两个或更多个术语的特征表示，并且识别所述术语在所述文档样本内的相对顺序序列；以及

使用所述特征表示和所述相对顺序来训练递归神经网络RNN模型，所述递归神经网络模型预测与一组术语的同时出现相关的、所述一组术语之间的相关性因子。

2.根据权利要求1所述的方法，其中，所述相关性因子表示所述一组术语中的术语相关的预测概率。

3.根据权利要求1所述的方法，其中，所述RNN模型从所述特征表示库检索所述特征表示。

4.根据权利要求1所述的方法，其中，通过搜索半构造的数据来接收所述文档。

5.根据权利要求1所述的方法，还包括：在至少部分所述文档中，当生成特征表示时使用不包括在所述术语库中的术语。

6.根据权利要求5所述的方法，还包括：当创建所述特征表示库时，不使用未包括在所述术语库中的术语的特征表示。

7.根据权利要求1所述的方法，其中，所述生成所识别的术语的特征的步骤包括：保持所识别的术语的顺序。

8.根据权利要求1所述的方法，其中，所述术语库中的术语是预先定义的。

9.根据权利要求1所述的方法，其中，当预测所述相关性因子时，所述RNN模型考虑所识别的术语的出现次数。

10.一种用于使用训练的递归神经网络RNN模型来生成关注术语之间的关系信息的方法，所述方法包括：

接收输入术语；

获得所述输入术语的特征表示；

将所述输入术语的特征表示输入到训练的RNN模型中，其中，已至少部分地使用训练数据中术语的同时出现衡量所述术语的相关性而训练所述训练的RNN模型，所述训练的RNN模型预测所述输入术语与一组术语中的每个术语之间的相关性因子；以及

输出具有超过阈值的相关性因子的术语。

11.根据权利要求10所述的方法，其中，所述相关性因子表示一组术语中的术语与所述输入术语之间的相关性的预测概率。

12.根据权利要求11所述的方法，还包括：访问术语库以验证所述术语库包括所述输入术语。

13.根据权利要求11所述的方法，其中，所述训练的RNN模型使用术语的相对位置信息作为上下文信息。

14.根据权利要求10所述的方法，其中，所述获得所述输入术语的特征表示的步骤包括：使用特征表示库来查找所述特征表示。

15.根据权利要求11所述的方法，其中，所述训练的RNN模型是一类递归神经网络体系结构，包括传统RNN及其高级变型，诸如长短期记忆LSTM网络和门控递归单元GRU。