[发明专利]一种融合实体类型约束的神经网络关系抽取方法及系统

摘要

本发明涉及一种融合实体类型约束的神经网络关系抽取方法及系统，包括对实体类型施加注意力机制，该机制对实体的多种类型分配了不同权重，从而凸显了影响最大的类型标签；在损失函数中添加实体类型约束函数，该约束函数在更新过程中使实体词向量学习到实体类型信息，从而实现实体类型对关系的约束。该技术增强了模型对通用方法无法区别关系的识别能力。

主权项

1.一种融合实体类型约束的神经网络关系抽取方法，其特征在于，包括：预测步骤，获取训练句袋，该训练句袋包括实体对共现的多个句子，每个训练句袋对应一个表示实体间关系的三元组，将该训练句袋中句子编码为句子向量，并通过注意力机制将该句子向量聚合为句袋向量，将该句袋向量输入至预测模型得到训练句袋对应各关系类型的概率；约束步骤，为该训练句袋中涉及的实体标记实体类型，并将该实体类型向量化，得到类型向量，根据实体间关系的注意力向量得到每个该类型向量的权重，根据该权重使用注意力机制将该类型向量聚合，以曼哈顿距离表示该实体类型对词向量的约束；更新步骤，根据该曼哈顿距离和该关系类型计算损失函数，并对该预测模型进行更新，直到该损失函数收敛，将当前预测模型作为最终模型；抽取步骤，依次将具有不同关系注意力的待抽取句袋输入该最终模型，得到多个该待抽取句袋的预测结果，将每个关系注意力下的预测结果聚合为最终预测结果。