[发明专利]实体关系抽取方法及装置

说明书

本发明提供一种实体关系抽取方法及装置。该方法包括：根据人工标注的训练样本集合Xsubgt;0/subgt;和实体关系对集合ERsubgt;0/subgt;，对SE‑LSTM初始化网络进行训练，得到神经网络模型NNsubgt;0/subgt;，实体关系对集合ERsubgt;0/subgt;为将训练样本集合Xsubgt;0/subgt;输入到SE‑LSTM网络得到的输出；获取训练样本集合Xsubgt;i/subgt;；根据实体关系对集合ERsubgt;0/subgt;和关系集合获取实体关系对集合ERsubgt;i/subgt;，关系集合根据训练样本集合Xsubgt;0/subgt;构建，关系集合中的元素为互为重叠的实体关系；根据训练样本集合Xsubgt;i/subgt;和实体关系对集合ERsubgt;i/subgt;，对SE‑LSTM初始化网络进行轮流训练，得到神经网络模型NNsubgt;i/subgt;，并得到由神经网络模型NNsubgt;0/subgt;和神经网络模型NNsubgt;i/subgt;组成的神经网络模型集合；根据神经网络模型集合进行实体关系抽取。从而，解决了重叠实体关系的抽取问题。

技术领域

本发明涉及数据处理和数据挖掘技术领域，尤其涉及一种实体关系抽取方法及装置。

背景技术

信息抽取是指从一段自然语言文本中抽取实体、事件、关系等类型的信息，形成结构化数据存入数据库中以供用户查询和使用的过程。实体关系抽取作为信息抽取、自然语言理解、信息检索等领域的核心任务和重要环节，能够从文本中识别实体并抽取实体之间的语义关系。信息抽取技术主要应用于机器学习和自然语言处理任务之，包括知识图谱的构建及补全、信息检索以及问答系统等。

实体关系为一对实体之间的一个语义关系，重叠实体关系是指一对实体存在一个以上的语义关系，例如马云即是阿里巴巴的创建者，也是阿里巴巴的首席执行官。现有的实体关系抽取方法中，主要是根据人工标注的训练数据进行训练得到模型，根据该模型进行实体关系抽取，其中人工标注的训练数据由文本和文本对应的实体关系组成。

现有技术中只能抽取实体关系，不能抽取重叠实体关系。

发明内容

本发明提供一种实体关系抽取方法及装置，以解决重叠实体关系的抽取问题。

第一方面，本发明提供一种实体关系抽取方法，包括：

根据人工标注的训练样本集合X₀和实体关系对集合ER₀，对句子嵌入-长短期记忆网络SE-LSTM初始化网络进行第一次训练，得到神经网络模型NN₀，其中，所述实体关系对集合ER₀为将所述训练样本集合X₀输入到所述SE-LSTM网络得到的输出，实体关系对包括一个实体对和实体关系；

获取训练样本集合X_i，i＝1…n，所述训练样本集合X_i的元素为训练样本集合X_i-1的文本中置信度小于第一预设阈值的文本；

根据所述实体关系对集合ER₀和关系集合获取实体关系对集合ER_i，i＝1…m，所述关系集合根据所述训练样本集合X₀构建，所述关系集合中的元素为互为重叠的实体关系；

根据训练样本集合X_i和实体关系对集合ER_i，对SE-LSTM初始化网络进行轮流训练，得到神经网络模型NN_i，i＝1…m，并得到由所述神经网络模型NN₀和神经网络模型NN_i组成的神经网络模型集合；

根据所述神经网络模型集合进行实体关系抽取。

可选的，所述获取训练样本集合X_i，包括：