[发明专利]一种基于双向长短期记忆网络的实体属性值的抽取方法

权利要求书

1.一种基于双向长短期记忆网络的实体属性值的抽取方法，其特征在于，包括如下步骤：

步骤一、对文档集进行预处理，所述预处理包括实体缺失处理；

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；

其中，所述训练语料使用了用于槽填充竞赛的数据集以及对于词性和距离特征，采用独热码编码方式进行向量表示。

2.如权利要求1所述的一种基于双向长短期记忆网络的实体属性值的抽取方法，其特征在于：所述步骤一中，所述预处理包括分句、分词、词性标注、依存关系解析及实体缺失处理。

3.如权利要求1所述的一种基于双向长短期记忆网络的实体属性值的抽取方法，其特征在于，所述步骤一中，所述预处理包括：

根据给定的实体的文本位置，结合句子结束的标记符号；

通过语料分析，判断部分语句存在实体缺失的情况；

借助HanLP中文自然语言处理工具，对所述语句进行分词、词性标注和依存关系解析操作，然后将每个所述语句表示为自然语言标记的词语序列。

4.如权利要求1所述的一种基于双向长短期记忆网络的实体属性值的抽取方法，其特征在于，所述步骤二中，识别所述属性值包括：

分析属性名列表，获取所述属性值所属的实体类别，以及对应的词性标签；

利用依存关系信息，将与所述实体具有最短依存关系路径的词语作为所述属性值输出。

5.如权利要求1所述的一种基于双向长短期记忆网络的实体属性值的抽取方法，其特征在于，所述步骤四中，还包括：

从所述语句中提取与所述实体和所述属性值相关的文本片段代表该语句的核心语义；

基于所述句子成分之间的依存关系，从所述实体与所述属性值的依存关系路径上提取相关的词语，并按照文本位置进行排列。

6.如权利要求1所述的一种基于双向长短期记忆网络的实体属性值的抽取方法，其特征在于，所述步骤四，还包括：

对于训练语料中的每个所述语句，组合其中每个词语向量、词性向量、词语和所述实体的距离向量、及所述属性值的距离向量；

形成一个行数为语料中词语总数，作为BLSTM的输入。

7.如权利要求1所述的一种基于双向长短期记忆网络的实体属性值的抽取方法，其特征在于，所述训练语料包括用于槽填充竞赛的数据集。

8.如权利要求1所述的一种基于双向长短期记忆网络的实体属性值的抽取方法，其特征在于，所述词向量模型为word2vec词向量模型。