[发明专利]融入迭代式句对关系预测的图神经网络句子排序方法

说明书

本发明公开了一种融入迭代式句对关系预测的图神经网络句子排序方法和介质，其中方法包括：构建句子实体图；通过初始句对顺序分类器对所述句子实体图进行分析，以预测所述句子实体图中相连句对的顺序；根据所述句子实体图中相连句对的顺序进行训练，以得到迭代句对顺序分类器，并通过所述迭代句对顺序分类器对所述句子实体图中连边的权重进行迭代更新；根据迭代更新后的句子实体图进行训练，以得到句子排序模型；获取待排序句子信息，并将所述待排序句子信息输入到所述句子排序模型，以通过所述句子排序模型输出待排序句子信息对应的句子排序方式；能够有效提高句子排序的准确性。

技术领域

本发明涉及自然语言处理技术领域，特别涉及一种融入迭代式句对关系预测的图神经网络句子排序方法和一种计算机可读存储介质。

背景技术

随着自然语言处理(NLP)技术的迅速发展和应用的日益广泛，建立语篇连贯模型已成为一项重要的研究任务，因为它可以为定位、评价和生成多句语篇提供有益的信息。句子排序是一项重要的子任务，其目的是将无序的句子恢复到真正连贯的段落。它需要处理逻辑和句法的一致性，由于其广泛的应用而越来越受到人们的关注。

相关技术中，在进行句子排序的过程中，多通过单独改进句对排序模型或者单独改进编码器-解码器模式的方式来提高句子排序的准确性；然而，这种改进方式对于句子的排序结果仍然不够精准。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种融入迭代式句对关系预测的图神经网络句子排序方法，能够有效提高句子排序的准确性。

本发明的第二个目的在于提出一种计算机可读存储介质。

为达到上述目的，本发明第一方面实施例提出了一种融入迭代式句对关系预测的图神经网络句子排序方法，包括以下步骤：构建句子实体图；通过初始句对顺序分类器对所述句子实体图进行分析，以预测所述句子实体图中相连句对的顺序；根据所述句子实体图中相连句对的顺序进行训练，以得到迭代句对顺序分类器，并通过所述迭代句对顺序分类器对所述句子实体图中连边的权重进行迭代更新；根据迭代更新后的句子实体图进行训练，以得到句子排序模型；获取待排序句子信息，并将所述待排序句子信息输入到所述句子排序模型，以通过所述句子排序模型输出待排序句子信息对应的句子排序方式。

根据本发明实施例的融入迭代式句对关系预测的图神经网络句子排序方法，首先，构建句子实体图；接着，通过初始句对顺序分类器对所述句子实体图进行分析，以预测所述句子实体图中相连句对的顺序；然后，根据所述句子实体图中相连句对的顺序进行训练，以得到迭代句对顺序分类器，并通过所述迭代句对顺序分类器对所述句子实体图中连边的权重进行迭代更新；接着，根据迭代更新后的句子实体图进行训练，以得到句子排序模型；然后，获取待排序句子信息，并将所述待排序句子信息输入到所述句子排序模型，以通过所述句子排序模型输出待排序句子信息对应的句子排序方式；从而实现有效提高句子排序的准确性。

另外，根据本发明上述实施例提出的融入迭代式句对关系预测的图神经网络句子排序方法还可以具有如下附加的技术特征：

可选地，所述句子实体图的节点包括句子节点和实体节点；其中，所述句子节点为任意句子编码模型编码得到的句子向量，所述实体节点为任意词表示模型得到的词向量。

可选地，所述连边包括句子与句子连边、句子与实体连边、实体与实体连边；其中，当两个句子包含有共同实体时，两个句子对应的句子节点连接两条方向相反的有向边，以形成句子与句子连边；当实体在大于或等于两个句子中出现时，该实体对应的实体节点与对应的句子节点之间连接无向边，以形成句子与实体连边；当实体与实体之间的相似度大于预设阈值时，对应的实体节点之间连接无向边，以形成实体与实体连边。