[发明专利]目标关系的识别方法及装置

权利要求书

1.一种目标关系的识别方法，其特征在于，包括：

获取目标关系对应的训练数据集和检测数据集；

根据上下句预测和掩码预测对联合模型进行模型预训练，得到训练好的联合抽取预训练模型；

将所述训练数据集输入到所述联合抽取预训练模型中进行模型训练，得到训练好的联合抽取模型；

将所述检测数据集输入到所述联合抽取模型中进行数据抽取处理，得到检测抽取结果；

根据所述检测抽取结果确定所述检测数据集对应目标关系的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述获取目标关系对应的训练数据集和检测数据集，包括：

获取实体数据集、事件数据集，以及获取关系数据集；

选取所述实体数据集和所述事件数据集中80％的数据集作为训练数据集；

选取所述实体数据集和所述事件数据集中20％的数据集作为检测数据集。

3.根据权利要求2所述的方法，其特征在于，所述获取实体数据集、事件数据集，以及获取关系数据集，包括：

按照设定关键词检索目标新闻的数据信息，得到初始数据；

对所述初始数据进行预处理，得到实体数据、事件数据和关系数据；

创建所述实体数据对应的实体标注范式；

根据所述实体标注范式进行实体位置标注处理，以及进行实体关系标注处理；

将标记处理后的所述实体数据作为实体数据集；

创建所述事件数据对应的事件标注范式；

根据所述事件标注范式进行触发词标注处理，以及进行事件论元的标记处理；

将标记处理后的所述事件数据作为事件数据集；

基于所述实体数据集和所述事件数据集之间的关联关系，确定关系数据对应的关系数据集。

4.根据权利要求1所述的方法，其特征在于，所述联合模型通过以下方式得到：

基于Uni-prompt语言创建联合抽取模板；

基于所述联合抽取模板对联合数据进行特征抽取处理，以及上下文学习处理，得到抽取模型；

将所述抽取模型与T5深度学习语言模型进行整合处理，以及对整合处理后的模型进行模型训练，得到联合模型，所述联合数据作为所述联合模型的输入数据。

5.根据权利要求3所述的方法，其特征在于，所述将所述训练数据集输入到所述联合抽取预训练模型中进行模型训练，得到训练好的联合抽取模型，包括：

将实体数据集输入到所述联合抽取预训练模型中进行实体抽取的模型训练，同时将事件数据集输入到所述联合抽取预训练模型中进行事件抽取的模型训练，以及将关系数据集输入到所述联合抽取预训练模型中进行关系抽取的模型训练，对应得到联合抽取模型。

6.根据权利要求5所述的方法，其特征在于，所述将所述检测数据集输入到所述联合抽取模型中进行数据抽取处理，得到检测抽取结果，包括：

将所述检测数据集中的实体数据集输入到所述联合抽取模型中进行实体抽取处理，得到实体抽取结果；

将所述检测数据集中的事件数据集输入到所述联合抽取模型中进行事件抽取处理，得到事件抽取结果；

将所述检测数据集中的关系数据集输入到所述联合抽取模型中进行关系抽取处理，得到关系抽取结果；

将所述实体抽取结果、所述事件抽取结果和所述关系抽取结果作为检测抽取结果。