[发明专利]一种面向材料领域的材料-组分-工艺-性能关系四元组抽取方法

权利要求书

1.一种面向材料领域的材料-组分-工艺-性能关系四元组抽取方法，其特征在于，包含以下步骤：

步骤S1：从材料领域论文、专利中获取材料知识相关文本，并构建材料领域的语料库；

步骤S2：将步骤S1中的材料语料文本进行向量化处理，得到文本的向量表示；

步骤S3：搭建材料领域组分-工艺-性能关系抽取模型；

步骤S4：对步骤S3搭建的关系抽取模型进行训练；

步骤S5：利用所述关系抽取模型，对待处理的材料领域非结构化文本数据进行材料领域关系抽取，得到对应的关系四元组。

2.根据权利要求书所述面向材料领域的材料-组分-工艺-性能关系四元组抽取方法，其特征在于：所述步骤S1具体为：

步骤S1-1：根据材料领域手册的相关词条，爬取相关论文、专利中的材料文本数据；

步骤S1-2：对步骤S1-1处理后的文本进行组分名称、工艺名称、性能名称的标注，判断组分-工艺-性能在文本中体现出来的关系并进行关系的标注，构造出四元组，包括材料，组分名称/工艺名称，关系，性能名称；

步骤S1-3：重复步骤S1-1至步骤S1-2，获取所有句子都完成标注，即构造完材料领域的语料库。

3.根据权利要求书所述面向材料领域的材料-组分-工艺-性能关系四元组抽取方法，其特征在于：所述步骤S2具体为：

步骤S2-1：对于每一个句子都以字为基本单位，通过使用one-hot编码方式，对每个字进行独热(one-hot)表示，得到句子的one-hot表示；

步骤S2-2：将句子的one-hot向量作为word2vec模型的输入，训练word2vec模型，利用梯度下降算法不断更新权重矩阵w；

步骤S2-3：将步骤S2-2训练完成的得到的权重矩阵与每个字的one-hot向量相乘，得到每个字的wordembedding，最终得到整个语句的wordembedding表示。

4.根据权利要求书所述面向材料领域的材料-组分-工艺-性能关系四元组抽取方法，其特征在于：所述步骤S3具体为：

步骤S3-1：对于步骤S2中得到的每一个字向量x_t，利用编码层的BiLSTM分别计算前向和后向传播得到的材料领域文本的特征信息，分别记为

步骤S3-2：将拼接得到t时刻编码层的特征向量，记为

步骤S3-3：以作为t时刻解码层BiLSTM的输入，同理分别计算前向和后向传播得到材料领域文本的语义信息，分别记为

步骤S3-4：拼接得到最终的语义信息即为在t时刻解码层BiLSTM根据上下文的信息解析得到的语义向量；

步骤S3-5：将步骤S3-3得到的语义向量作为softmax分类器的输入，分类得到该字符对应的标签；

步骤S3-6：重复步骤S3-4，直到文本中所有的字都标注完成，实现材料领域文本材料实体、组分名称、工艺名称、性能名称的抽取；

步骤S3-7：将步骤S3-3得到的语义向量作为注意力机制的输入，得到字符之间存在的关联概率，通过关联概率实现关系四元组的抽取。

5.根据权利要求书所述面向材料领域的材料-组分-工艺-性能关系四元组抽取方法，其特征在于：所述步骤S4具体为：

步骤S4-1：对语料库进行随机划分，令训练集和测试集的比例为7:3，train_x,test_x,train_y,test_y＝train_test_split(x,y,test_size＝0.3)；

步骤S4-2：选择负对数似然函数作为损失函数，由于该模型是实现材料实体关系的联合抽取，因此该损失函数由实体代价函数和关系代价函数两部分组成，代价函数公式如下：

其中|S|表示句子的长度，e_i、r_i表示模型分类出的字符的实体标签和关系标签，θ表示模型的参数集合；

步骤S4-3：使用随机梯度下降算法不断更新共享参数θ；

步骤S4-4：对模型进行训练，并保存训练后的模型。

6.根据权利要求书所述面向材料领域的材料-组分-工艺-性能关系四元组抽取方法，其特征在于：所述步骤S5具体为：

步骤S5-1：以步骤S4-1中获得的测试集作为模型的输入，对模型进行测试；

步骤S5-2：对步骤S5-1所得到的关系四元组结果进行性能评价，其评价指标采用精确率、召回率和F1值，计算公式如下：

其中，TP表示分类正确的数量，FP表示把负类预测为正类的数量，FN表示把正类预测为负类的数量。