[发明专利]一种基于WordNet和IDF的非结构化文本的实体关系分类方法

权利要求书

1.一种基于WordNet和IDF的非结构化文本的实体关系分类方法，其特征在于，包括以下步骤：

步骤1、获取非结构化的文本训练集，对数据集中的每个句子进行预处理之后，利用Word2Vec得到句子的矩阵表示；

步骤2、利用WordNet扩展句子外部语义信息，更新句子的矩阵表示；

步骤3、利用IDF扩展句子内部语义信息，更新句子的矩阵表示；

步骤4、计算句子中每个单词的位置信息，并将其加入到该词的词向量中，更新句子的矩阵表示；

步骤5、将步骤4得到的句子矩阵输入到分段卷积神经网络PCNN中，得到句子的特征向量；

步骤6、将步骤5的句子特征向量输入到分类器中，对句子的实体关系进行分类，并将分类结果与训练集标签对比，计算损失函数；

步骤7、若本轮测试的准确率较上轮提高大于0.1％或者达到训练次数上限，则该实体关系自动分类方法训练完毕；否则，根据分类结果和损失函数更新步骤5中的超参数，继续迭代训练。

2.根据权利要求1所述的基于WordNet和IDF的非结构化文本的实体关系分类方法，其特征在于，所述步骤1中的对数据集进行预处理，并得到句子的矩阵表示，其过程如下：

(1-1)预处理：获取数据集后，利用Freebase标准知识库标注出数据集中每个句子的两个实体间的关系；标注完成后数据集表示为D＝{d₁,d₂,…,d_i,…,d_g}，其中d_i为数据集中的每一个句子，d_i＝{t₁,t₂,…,e₁,…,e₂,…,t_f}，t_i表示句子中的每个单词，e₁和e₂是句子的两个实体，f代表句子中单词的数量；

(1-2)生成句子矩阵：对数据集中D的每个句子d_i，利用Word2Vec找出其每个单词的向量表示并将其组成映射矩阵：x_i＝{w₁,w₂,…,w_i,…,w_h}，其中w_i＝{v₁,v₂,…v₅₀}是句子中每个单词的向量表示，每个词向量的维度为50。

3.根据权利要求1所述的基于WordNet和IDF的非结构化文本的实体关系分类方法，其特征在于，所述步骤2中利用WordNet扩展句子外部语义信息，更新句子的矩阵表示，其过程如下：

(2-1)对数据集中所有句子进行外部语义分析：将句子d_i中的实体e₁和e₂输入到WordNet字典中，分别获取其上位词集合，并利用Word2Vec进行向量化表示，得到和其中m为e₁的上位词个数，n为e₂的上位词个数；计算每个上位词集合的平均向量w_out来代表其实体的外部信息，具体计算公式为：

其中，k取m时，w_i是中每个词的向量，公式(1)得出的w_out为实体e₁的平均向量w_out1；k取n时，w_i是中每个词的向量，公式(1)得出的w_out为实体e₂的平均向量w_out2；

(2-2)更新句子矩阵：将e₁和e₂计算出的两个平均向量w_out1和w_out2拼接到句子x_i中，更新后的句子矩阵：x_i＝{w₁,w₂,…,w_j,w_out1,w_out2}。