[发明专利]基于主动学习的文本关系抽取方法、电子设备及存储介质

权利要求书

1.一种基于主动学习的文本关系抽取方法，其特征在于，所述方法包括如下步骤：

S100，获取任一训练样本d中的初始实体集S0^d={S0^d₁，S0 ^d ₂，……，S0 ^d_i，……，S0^d _md}和关系类别集R^d={R^d₁，R^d₂，……，R^d_j，……，R^d_nd}，S0^d_i为S0^d中的第i个实体，i的取值为1到md，md为训练样本d中的实体数量，R^d_j为R^d中的第j个关系类别，j的取值为1到nd，nd为训练样本d中的关系类别的数量；d的取值为1到H，H为训练样本的数量；

S200，获取S0^d_i的关系类别概率集P0^d_i={P0^d_i1，P0^d_i2，……，P0^d_ij，……，P0^d_ind}，P0^d_ij为S0^d_i属于R^d_j的概率；

S300，获取S0^d_i对应的分类价值V0^d_i=ln（P01^d_i/（P02^d_i+σ0^d_i）），如果V0^d_i＞0，则赋予S0^d_i第一标签，如果V0^d_i＜0，则赋予S0^d_i第二标签；得到具有标签的训练样本d；P01^d_i为P0^d_i中的最大者，P02^d_i为P0^d_i中的次大者，σ0^d_i为基于P0^d_i得到的离散值，σ0^d_i=（（∑^nd_j=1（AvgP0^d_i-P0^d_ij）²）/nd）^1/2，AvgP0^d_i为P0^d_i的平均值；

S400，对具有标签的训练样本d中的冗余实体进行过滤处理，得到过滤处理后的训练样本d；

S500，基于过滤处理后的H个训练样本，对初始文本关系抽取模型进行训练，得到目标文本关系抽取模型；

S600，利用所述目标文本关系抽取模型对需要抽取实体关系的文本中的实体关系进行抽取。

2.根据权利要求1所述的方法，其特征在于，所述初始文本关系抽取模型为改进的BERT-BiGRU⁺-CRF模型，其中，CRF模型的激活函数YeLU（x）满足如下条件：

如果x≥0，则YeLU（x）=x，如果x＜0，则YeLU（x）=-（-x）^1/2，x表示改进的BERT-BiGRU⁺-CRF模型中的隐藏层状态。