[发明专利]一种文本语料库的关系抽取方法

权利要求书

1.一种文本语料库的关系抽取方法，其特征在于，包括以下步骤：

步骤1：输入文本语料库和需要抽取的关系实体对集合M；所述的关系实体对集合M中的关系类型由关系实体对e₁，r，e₂表示，关系实体对e₁，r，e₂由描述两个实体间关系的关系特征词r、与关系特征词有主谓关系的实体e₁以及与关系特征词有动宾关系的实体e₂组成；

步骤2：将文本语料库进行分句处理，得到句子集合D；将文本语料库的句子集合D与关系实体对集合M进行匹配，提取文本语料库中包含关系实体对集合M中任意关系实体对e₁，r，e₂的句子，并标记实体e₁和e₂；整合所有提取出的句子，组成句子集合E；

步骤3：对句子集合E中的句子进行分词处理；

步骤3.1：句子S由单词组成，为句子S的左实体，为句子S的右实体，e_l和e_r分别为左实体和右实体的索引；将句子S划分成三部分，第一部分为第二部分为第三部分为

步骤3.2：查找GloVe预训练词向量，把每个索引转换成与之对应单词的词向量，对于不在GloVe预训练词向量中的单词，对其词向量采用随机均匀分布进行初始化，将句子S的第一部分映射为第二部分被映射为第三部分为x_i为单词w_i对应的词向量；

步骤4：将句子集合E中的句子输入训练好的分段循环神经网络中，得到句子集合E中每个句子S的特征向量U；

步骤4.1：将句子S的第一部分输入到第一LSTM中，得到句子S的左上下文表示lc，

步骤4.2：将句子S的第三部分输入到第二LSTM中，得到句子S的右上下文表示rc，

步骤4.3：将句子S的第二部分左上下文表示lc和右上下文表示rc输入到第三LSTM中，得到句子S的特征向量U；

步骤5：将句子集合E中每个句子S的特征向量U和左右实体的关系特征lr连接在一起后进行计算，得到句子集合E中每个句子S的最终特征向量H：

H＝αU

其中，lr＝lc-rc+b，为偏置向量；α＝[α₁,α₂,…,α_k]是句子特征的权重矩阵；

其中，[u_i；lr]表示u_i和lr的直接连接；为中间矩阵；b_a是偏置值；

步骤6：将句子集合E中每个句子S的最终特征向量H输入到softmax分类器中，计算得到每个句子S对应关系实体对集合M中每种关系类型的概率p，取最大概率作为句子S所属的关系类型；

p＝softmax(W_sH+b_s)

其中，W_s是softmax分类器的权重，b_s是偏置。