[发明专利]一种基于神经网络模型的文本实体间关系预测方法在审
| 申请号： | 202011506008.7 | 申请日： | 2020-12-18 |
| 公开（公告）号： | CN112417871A | 公开（公告）日： | 2021-02-26 |
| 发明（设计）人： | 苏华权;周昉昉;廖鹏;蔡雄;易仕敏;彭泽武;杨秋勇 | 申请（专利权）人： | 广东电网有限责任公司 |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06N3/04;G06N3/08 |
| 代理公司： | 北京世誉鑫诚专利代理有限公司 11368 | 代理人： | 任欣生 |
| 地址： | 510000 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 神经网络 模型 文本 实体 关系 预测 方法 | ||
1.一种基于神经网络模型的文本实体间关系预测方法，其特征在于，包括：
将文本输入双向长短期记忆BI-LSTM模型，得到所述文本中的多个实体；
将所述多个实体分别输入卷积神经网络CNN模型，得到各个实体对应的特征向量；
将处于两个实体左边的词及右边的词分别输入BI-LSTM模型，得到处于所述两个实体左边词的特征向量fleft和处于所述两个实体右边词的特征向量fright，以独热编码one-hot特征向量fdist表示两个实体间的距离信息；
将处于所述两个实体之间的词输入CNN模型，得到两个实体之间词的特征向量fmid；
将fe1、fe2、fmid、fleft、fright、fdist拼接为一个向量输入前馈神经网络模型，得到所述两个实体之间关系的多个标签及各个标签对应的概率值，其中，fe1、fe2分别为所述两个实体对应的特征向量；
将概率值最大的标签作为文本中两个实体之间的关系。
2.根据权利要求1所述的基于神经网络模型的文本实体间关系预测方法，其特征在于，将文本输入双向长短期记忆BI-LSTM模型，得到所述文本中的多个实体包括：
将所述文本中的各个词输入Bi-LSTM模型的隐含层，得到的向量与所述向量的标签对应的独热编码one-hot特征向量拼接起来，得到所述文本中的多个实体。
3.根据权利要求1所述的基于神经网络模型的文本实体间关系预测方法，其特征在于，所述方法还包括：
使用dropout算法对BI-LSTM模型进行正则化并利用Adadelta优化器，优化BI-LSTM模型的损失函数。
4.根据权利要求1所述的基于神经网络模型的文本实体间关系预测方法，其特征在于，所述方法还包括：
使用dropout算法对前馈神经网络模型进行正则化并利用Adadelta算法，优化前馈神经网络模型的损失函数。
5.根据权利要求1所述的基于神经网络模型的文本实体间关系预测方法，其特征在于，所述前馈神经网络模型为多层感知机。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司，未经广东电网有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011506008.7/1.html，转载请声明来源钻瓜专利网。
