CN114625880A - 人物关系抽取方法、装置、终端及存储介质 - Google Patents
人物关系抽取方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN114625880A CN114625880A CN202210516459.1A CN202210516459A CN114625880A CN 114625880 A CN114625880 A CN 114625880A CN 202210516459 A CN202210516459 A CN 202210516459A CN 114625880 A CN114625880 A CN 114625880A
- Authority
- CN
- China
- Prior art keywords
- relation
- character
- sentence
- relationship
- text
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 189
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000002372 labelling Methods 0.000 claims abstract description 32
- 230000002787 reinforcement Effects 0.000 claims abstract description 26
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 106
- 238000012549 training Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000003062 neural network model Methods 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 5
- 230000003213 activating effect Effects 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000013145 classification model Methods 0.000 abstract description 8
- 230000005284 excitation Effects 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000013527 convolutional neural network Methods 0.000 description 12
- 238000011160 research Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241001522296 Erithacus rubecula Species 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种基于强化学习去噪的人物关系抽取方法、装置、终端及存储介质,其中方法包括:对原始语料库进行人物实体识别及过滤,得到带多名人物实体的原始语料库,进行实体关系标注后得到人物关系种子实体对;依据含目标关系的人物关系种子实体寻找语句文本,从语句文本中抽取得到关系抽取模板,利用关系抽取模板进行人物关系实例提取并循环迭代,得到人物关系噪音实例;利用去噪级联模型对人物关系噪音实例进行处理噪音,最终得到人物关系实例结果。本发明以强化学习为基本思想、以神经网络关系分类模型输出的概率均值作为激励,通过多轮迭代式的噪音实例输入更新策略网络和奖罚环境,实现了对错误人物关系标注样本的降噪。
Description
技术领域
本发明涉及一种关系抽取方案,具体为一种基于强化学习去噪的人物关系抽取方法、装置、终端及存储介质,属于信息抽取技术领域。
背景技术
关系抽取(Relation Extraction)是信息抽取(Information Extraction)领域内的重要研究方向、是构建知识图谱的关键技术,它可以明确实体间的相互关系进而便于将实体组织起来,形成实体网络。其中,人物关系抽取在构建人物知识图谱、梳理人物实体关系、挖掘人物间关联信息等场景中有着非常重要且广泛地应用,是学界和业界的一项重要研究工作。
在关系抽取任务执行方式的选择上,有监督的关系抽取曾一度成为业界主流,这一方式虽减少了特征工程的工作量、在对一些小规模标注样本的处理上能够取得较高的查准率和查全率,但其中利用人工进行样本标注的过程耗时费力,因此有监督的关系抽取受标注成本制约,无法快速应用于对大规模语料库的处理或其它不同领域中。
在这样的背景下,利用半监督或远程监督的方法缓解标注样本缺乏的问题也就成为了目前关系抽取工作的主流发展方向。例如,使用半监督Bootstrapping方法、通过聚类从外部语料中生成抽取模式(pattern),并自动产生大量含噪声的关系实例、将其视为已标注的样本。但是,由于Bootstrapping方法通常采用词向量的方式表示实例,而少数种子实例的向量表示往往无法真实表达样本空间中所有可能的向量形式,即通过Bootstrapping方法不可避免地会引入噪声,影响最终关系抽取结果的准确性。
综上所述,如果能够在目前已被广泛应用的Bootstrapping方法的基础上,结合强化学习和神经网络关系分类模型等技术手段,提出一种全新的、基于强化学习去噪的人物关系抽取方案,那么必将极大地提升行业内人物关系抽取作业的效率和质量。
发明内容
鉴于现有技术存在上述缺陷,本发明的目的是提出一种基于强化学习去噪的人物关系抽取方法、装置、终端及存储介质,具体如下。
一种人物关系抽取方法,包括:
对所获取的原始语料库进行人物实体识别及过滤,得到带多名人物实体的原始语料库,对所述带多名人物实体的原始语料库内的人物关系进行实体关系标注,得到人物关系种子实体对;
依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的语句文本,依据所述语句文本的上下文向量从所述语句文本中抽取得到关系抽取模板,利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取并基于Bootstrapping方法进行循环迭代,得到人物关系噪音实例;
以强化学习策略网络作为生成样本质量的判别器、结合基于神经网络的关系分类器,生成去噪级联模型,利用所述去噪级联模型对所述人物关系噪音实例进行处理,得到人物关系实例结果。
优选地,所述对所获取的原始语料库进行人物实体识别及过滤,得到带多名人物实体的原始语料库,对所述带多名人物实体的原始语料库内的人物关系进行实体关系标注,得到人物关系种子实体对,包括:
获取语料信息,将所获取的语料信息汇总形成原始语料库;
利用BiLSTM-CRF模型对所述原始语料库内的语料信息进行人物实体识别,并对去重后人物实体数量小于2名的语料信息进行过滤去除,得到带多名人物实体的原始语料库;
对所述带多名人物实体的原始语料库内的每类人物关系及相对应的人物实体进行小批量的实体关系标注,每类人物关系的标注数量不少于500条,得到每类人物关系对应的人物关系种子实体对。
优选地,在所述依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的语句文本,依据所述语句文本的上下文向量从所述语句文本中抽取得到关系抽取模板,利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取并进行基于Bootstrapping方法的循环迭代,得到人物关系噪音实例前,还包括:
对所述带多名人物实体的原始语料库及待抽取关系的语料库中的语句文本进行文本向量化处理,得到每条所述语句文本的上下文向量。
优选地,所述对所述带多名人物实体的原始语料库及待抽取关系的语料库中的语句文本进行文本向量化处理,得到每条所述语句文本的上下文向量,包括:
对所述带多名人物实体的原始语料库及待抽取关系的语料库中的语句文本进行人物实体识别,将所述语句文本中已识别的人物实体进行剔除,再按所述语句文本中各部分相对于人物实体的位置将所述语句文本切割划分为前语句文本、中语句文本及后语句文本;
分别对所述前语句文本、所述中语句文本及所述后语句文本进行分词,得到各文本的分词结果并进行词性标注;
对所述分词结果进行文本过滤,分别对过滤后的所述前语句文本、所述中语句文本及所述后语句文本进行文本向量化并将文本向量化结果进行汇总,得到每条所述语句文本的上下文向量。
优选地,所述依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的语句文本,依据所述语句文本的上下文向量从所述语句文本中抽取得到关系抽取模板,利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取并进行基于Bootstrapping方法的循环迭代,得到人物关系噪音实例,包括:
依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的所述语句文本;
利用聚类算法、依据所述语句文本的上下文向量从所述语句文本中聚类得到关系抽取模板,每个所述关系抽取模板内包含有多条所述语句文本的上下文向量;
利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取,基于Bootstrapping方法、结合所述语句文本的上下文向量进行人物关系抽取迭代,得到人物关系噪音实例。
优选地,所述利用聚类算法、依据所述语句文本的上下文向量从所述语句文本中聚类得到关系抽取模板,每个所述关系抽取模板内包含有多条所述语句文本的上下文向量,包括:
利用文本聚类算法对所述语句文本进行聚类,将初始输入的所述语句文本归入一个关系抽取模板中,
对于随后输入的每个未归入任一所述关系抽取模板中的所述语句文本,依据上下文向量逐一判断该语句文本与任一所述关系抽取模板间的相似度是否不低于相似度阈值,若是则将该语句文本归入对应的所述关系抽取模板中,
若该语句文本与已有的任一所述关系抽取模板间的相似度均低于相似度阈值,则将该语句文本归入一个新的所述关系抽取模板中,
重复以上操作直至完成对每条所述语句文本的处理,得到多个所述关系抽取模板且每个所述关系抽取模板内包含有多条所述语句文本的上下文向量。
优选地,所述利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取,基于Bootstrapping方法、结合所述语句文本的上下文向量进行人物关系抽取迭代,得到人物关系噪音实例,包括:
依据上下文向量,分别计算待抽取关系的语料库中每条所述语句文本与每个所述关系抽取模板间的相似度,若相似度不低于抽取阈值,则将该语句文本视为可由对应的所述关系抽取模板抽取出来的候选关系实例;
依据上下文向量间的相似度,将所述候选关系实例添加至与其相似度最高的所述关系抽取模板中;
依据所述候选关系实例的质量对所述关系抽取模板进行置信度评分,更新每个所述关系抽取模板的置信得分;
依据所述关系抽取模板的置信得分对所述候选关系实例进行置信度评分,得到各所述候选关系实例的置信得分,将置信得分高于预设阈值的所述候选关系实例作为人物关系种子实体对、用于下一次的关系抽取中;
基于Bootstrapping方法、结合所述语句文本的上下文向量进行人物关系抽取迭代,得到人物关系噪音实例。
优选地,以强化学习策略网络作为生成样本质量的判别器、结合基于神经网络的关系分类器,生成去噪级联模型,利用所述去噪级联模型对所述人物关系噪音实例进行处理,得到人物关系实例结果,去噪级联模型,包括:
以实体关系标注结果作为样本,对策略网络进行预训练,得到初始策略网络;
对所述人物关系噪音实例对应的所述语句文本进行文本向量化处理,串联生成状态向量,使用激活函数对全连接层内的所述人物关系噪音实例进行激活,得到激活后的噪音实例向量,依据所述状态向量及所述激活后的噪音实例向量计算所述人物关系噪音实例的奖赏并依据计算结果判断是否添加该人物关系噪音实例,循环执行以上操作直至遍历全部所述人物关系噪音实例,得到人物关系噪音实例处理结果;
依据所述人物关系噪音实例处理结果对神经网络模型进行训练,得到所述神经网络模型的权重矩阵,将所述人物关系噪音实例及所述权重矩阵作为输入项、对所述初始策略网络进行再训练,生成得到针对人物关系样本中噪音的去噪级联模型。
利用所述去噪级联模型对所述人物关系噪音实例进行处理,得到人物关系实例结果。
一种人物关系抽取装置,包括:
种子实体对生成模块,被配置为对所获取的原始语料库进行人物实体识别及过滤,得到带多名人物实体的原始语料库,对所述带多名人物实体的原始语料库内的人物关系进行实体关系标注,得到人物关系种子实体对;
人物关系实例抽取模块,被配置为依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的语句文本,依据所述语句文本的上下文向量从所述语句文本中抽取得到关系抽取模板,利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取并基于Bootstrapping方法进行循环迭代,得到人物关系噪音实例;
人物关系实例去噪模块,被配置为以强化学习策略网络作为生成样本质量的判别器、结合基于神经网络的关系分类器,生成去噪级联模型,利用所述去噪级联模型对所述人物关系噪音实例进行处理,得到人物关系实例结果。
一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如前所述的人物关系抽取方法中的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行所述计算机程序时实现如前所述的人物关系抽取方法中的步骤。
本发明的优点主要体现在以下几个方面:
本发明所提出的一种基于强化学习去噪的人物关系抽取方法,以强化学习为基本思想、以神经网络关系分类模型输出的概率均值作为激励,通过多轮迭代式的噪音实例输入更新策略网络和奖罚环境,实现了对错误人物关系标注样本的低成本降噪。
使用公开数据集对方法的有效性进行测试,结果表明,在无噪音实例环境下,传统深度学习方法的F1值为61%,本发明的人物关系抽取方法的F1值为81%;而在噪音实例占比为40%的环境下,传统深度学习方法的F1值为42%,本发明的人物关系抽取方法的F1值可达71%。由以上数据可知,本发明的人物关系抽取方法具有很高的准确性和抗噪音性,能够显著地提升人物关系抽取作业的效率和质量。
与上述方法相对应的,本发明所提出的一种人物关系抽取装置、终端及存储介质,能够以系统化、标准化的处理流程,高效、准确地完成人物关系抽取作业,极大地降低了样本标注过程中的标注成本,且硬件的适配性和兼容性较高,能够切实地应用于信息抽取领域内的技术实现中。
本发明还为其他与关系抽取技术相关的方案提供了参考,可以以此为依据进行拓展延伸和深入研究,具有十分广阔的应用前景。
以下便结合实施例附图,对本发明的具体实施方式作进一步的详述,以使本发明技术方案更易于理解、掌握。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例提供的一种人物关系抽取方法的流程示意图;
图2为本发明实施例提供的一种人物关系抽取装置的结构示意图。
具体实施方式
本发明揭示了一种基于强化学习去噪的人物关系抽取方法、装置、终端及存储介质,具体方案如下。
一方面,本发明涉及一种基于强化学习去噪的人物关系抽取方法,具体流程如图1所示,包括如下步骤:
S1、对所获取的原始语料库进行人物实体识别及过滤,得到带多名人物实体的原始语料库,对所述带多名人物实体的原始语料库内的人物关系进行实体关系标注,得到人物关系种子实体对。这一步骤可以具体化为以下流程。
S11、获取语料信息,将所获取的语料信息汇总形成原始语料库。在本实施例中,所述语料信息为新闻信息,操作时通过互联网新闻门户网站获取50万条科技、财经、娱乐等新闻信息。
S12、由于大量新闻信息中并不包含多名人物及人物关系,因此利用BiLSTM-CRF模型对所述原始语料库内的语料信息进行人物实体识别,并对去重后人物实体数量小于2名的语料信息进行过滤去除,得到带多名人物实体的原始语料库。
S13、对所述带多名人物实体的原始语料库内的每类人物关系及相对应的人物实体进行小批量的实体关系标注,每类人物关系的标注数量不少于500条,得到每类人物关系对应的人物关系种子实体对。为了保证方法执行的准确性,在本实施例中,对于实体关系标注的过程以人工方式进行。
随后,在执行下一步骤前,本方法还包括一预操作步骤。即,
S14、对所述带多名人物实体的原始语料库及待抽取关系的语料库中的语句文本进行文本向量化处理,得到每条所述语句文本的上下文向量。这一步骤可以具体化为以下流程。
S141、对所述带多名人物实体的原始语料库及待抽取关系的语料库中的语句文本进行人物实体识别,将所述语句文本中已识别的人物实体进行剔除,再按所述语句文本中各部分相对于人物实体的位置将所述语句文本切割划分为前(before)语句文本、中(between)语句文本及后(after)语句文本。
S142、基于哈工大语言平台LTP,分别对所述前语句文本、所述中语句文本及所述后语句文本进行分词,得到各文本的分词结果并进行词性标注。此处采用先分割上下文再进行分词的方式,主要是为了避免机构名或地点的命名实体在分词阶段被错误分割后,引起误差累积,影响到其他词的分割与词性标注。
S143、对所述分词结果进行文本过滤,分别对过滤后的所述前语句文本、所述中语句文本及所述后语句文本进行文本向量化,每部分的向量化结果均用其各自的词向量之和来表示,并将文本向量化结果进行汇总,得到每条所述语句文本的上下文向量。
在进行文本过滤时,主要根据停用词表,过滤掉上下文中信息含量低的停用词,如“据悉”、“在”等词。另外,基于中文里的动词和一般名词基本能较完整地反映出语义关系的假设,将其他对语义关系识别无帮助的词性的词过滤掉。
S2、依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的语句文本,依据所述语句文本的上下文向量从所述语句文本中抽取得到关系抽取模板(pattern),利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取并基于Bootstrapping方法进行循环迭代,得到人物关系噪音实例。这一步骤可以具体化为以下流程。
S21、依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的所述语句文本。匹配时,除了需要匹配实体名,其对应的类型也需完全匹配,从而避免一词多义的现象发生。如对于存在<人名,关系,人名>关系的种子实体对(张三,徒弟,李四),根据实体名能匹配到两个句子,分别是“张三与徒弟李四共同出席...”和“李四,作为张三的徒弟...”。然而,后者的“徒弟”在句中并非描述距离较近的“张三”,而是描述“作为”之前的“李四”。因此,人名及上下文词性排列在句子匹配时是非常重要的匹配条件。
S22、利用聚类算法、依据所述语句文本的上下文向量从所述语句文本中聚类得到关系抽取模板,每个所述关系抽取模板内包含有多条所述语句文本的上下文向量。这一步骤可以具体化为以下流程。
利用文本聚类算法Single-pass对所述语句文本进行聚类,将初始输入的所述语句文本归入一个关系抽取模板中;
对于随后输入的每个未归入任一所述关系抽取模板中的所述语句文本,依据上下文向量逐一判断该语句文本与任一所述关系抽取模板间的相似度是否不低于相似度阈值,若是则将该语句文本归入对应的所述关系抽取模板中;
若该语句文本与已有的任一所述关系抽取模板间的相似度均低于相似度阈值,则将该语句文本归入一个新的所述关系抽取模板中;
重复以上操作直至完成对每条所述语句文本的处理,得到多个所述关系抽取模板且每个所述关系抽取模板内包含有多条所述语句文本的上下文向量。
此处对于某个语句文本的上下文向量与某个关系抽取模板(即一个簇)的相似度计算(即一个向量与一个簇的相似度计算)思路为:如果一个上下文向量是属于这个关系抽取模板的,那么它跟这个关系抽取模板里的大部分向量也应该是相似的,其与该关系抽取模板的相似度用距离它最近的向量的距离来衡量;如果它跟关系抽取模板里大部分的向量都不相似,那么则认为它是不属于这个关系抽取模板的、则相似度记为0。
此处选用余弦相似度来衡量两向量的距离,分别计算两者before、between、after三部分向量的余弦相似度,最后再加权平均,具体计算公式如下所示。
其中,代表向量和向量的相似性评分;分别为before、
between、after三部分向量的信息量权重,权重计算可按照每部分包含字数占句子总字数
的百分比来确定;代表向量和向量之前文本的向量余弦数值;代表向量和向量之间文本的向量余弦数值;代表向量和向量之后文本的向量余弦数值。
S23、利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取,基于Bootstrapping方法、结合所述语句文本的上下文向量进行人物关系抽取迭代,得到人物关系噪音实例。这一步骤可以具体化为以下流程。
S231、依据上下文向量,分别计算待抽取关系的语料库中每条所述语句文本与每个所述关系抽取模板间的相似度,若相似度不低于抽取阈值,则将该语句文本视为可由对应的所述关系抽取模板抽取出来的候选关系实例。
S232、依据上下文向量间的相似度,将所述候选关系实例添加至与其相似度最高的所述关系抽取模板中。
S233、依据所述候选关系实例的质量对所述关系抽取模板进行置信度评分,更新每个所述关系抽取模板的置信得分。
一个关系抽取模板是否可信,可以通过由其抽取出来的关系的质量来衡量。如果其抽取出的大部分候选关系实例与已知信息吻合,则视为一个可信的关系抽取模板,反之,给予该所述关系抽取模板一个较低的置信度。在本实施例中,判断实例正确与否的知识都基于种子实体对。如果候选关系实例与种子实体对一致,则为正例;若与种子实体对冲突,则为负例;否则,为未知实例。基于此逻辑,关系抽取模板的置信得分计算如下公式所示:
S234、依据所述关系抽取模板的置信得分对所述候选关系实例进行置信度评分,得到各所述候选关系实例的置信得分,将置信得分高于预设阈值的所述候选关系实例作为人物关系种子实体对、用于下一次的关系抽取中。
所述关系抽取模板的置信得分由两部分内容共同决定。一是能够将其抽取出来的所述关系抽取模板的置信得分,二是将其抽取出来的所述关系抽取模板与其本身的相似度。如果两者都比较高,那么该实例则比较可信,得到置信度也更高,具体计算如下公式所示。
S235、基于Bootstrapping方法、结合所述语句文本的上下文向量进行人物关系抽取迭代,得到人物关系噪音实例。但是,由于Bootstrapping和词向量计算过程中采用的是半监督的学习机制,所识别的人物关系中包含大量的噪音信息,尽管在S23中采用了置信得分这一指标可缓解语意漂流这一问题。但是同一置信度阈值在不同类型、不同质量、不同分布的文本上表现各有差异,当待抽取的文本的表达形式较单一时,较高的阈值能同时带来较高的查准率和查全率;然而,当待抽取的文本表达较多样化时,同样的阈值会造成过低的查全率。在实际应用过程中,对待抽取的文本的表达分布的先验知识往往是不全面的,因此阈值的确定无法避免地掺杂较多的主观性和随机性。
因此,在利用Bootstrapping和词向量的关系抽取模型作为人物关系实例样本生成器的同时,还需要在后续步骤中进行基于强化学习的人物关系实例去噪操作。
S3、以强化学习策略网络作为生成样本质量的判别器、结合基于神经网络的关系分类器,生成去噪级联模型,利用所述去噪级联模型对所述人物关系噪音实例进行处理,得到人物关系实例结果。这一步骤可以具体化为以下流程。
S31、以实体关系标注结果作为样本,对策略网络进行预训练,得到初始策略网络。这一流程进一步包括,
对于每个输入的语句文本,策略网络将确定该实例是否表达目标关系类型,如果
与目标关系类型无关,则采取删除动作。因此,该策略网络类似于一个二分类的关系分类
器。 卷积神经网络(CNN)通常用于构建关系分类系统,本实施例采用窗口大小为、核大
小为的简单CNN进行建模。策略网络表示为。
针对某一种关系类型,将人工标注的实体关系标注结果作为正样本,并随机产生一些负样本对策略网络进行预训练,其中负标签对应于去除动作,正标签对应于保留样本动作。鉴于所述策略网络类似于一个二分类器,判断该正样本是否为噪声,若为噪声则去除,因此使用如下交叉熵损失函数,公式如下所示。
由于远程监督数据集包含较多的噪声,如果预训练过程过度拟合该数据集,则大
多数样本的预测概率往往接近0或1,会使得在后续训练时策略网络很难再校正回来。故设
置当预训练的recall达到85%-95%时,将停止此预训练过程并得到初始策略网络。
S32、对所述人物关系噪音实例对应的所述语句文本进行文本向量化处理,串联生成状态向量,使用激活函数对全连接层内的所述人物关系噪音实例进行激活,得到激活后的噪音实例向量,依据所述状态向量及所述激活后的噪音实例向量计算所述人物关系噪音实例的奖赏(Reward)并依据计算结果判断是否添加该人物关系噪音实例,循环执行以上操作直至遍历全部所述人物关系噪音实例,得到人物关系噪音实例处理结果。这一流程进一步包括,
对所述人物关系噪音实例对应的所述语句文本进行文本向量化处理,过程与前文中S14一致,也是在去除停用词和词性过滤后,将动词和名词等核心词汇向量化相加。
利用Sigmoid函数对全连接层内的所述人物关系噪音实例进行激活,得到激活后的噪音实例向量。本实施例中选取的激活函数如下所示。
算法逐一循环进行以上操作,直到将所有的噪音实例全部完成计算。
S33、依据所述人物关系噪音实例处理结果对神经网络模型进行训练,得到所述神经网络模型的权重矩阵,所述神经网络模型为满足权重输出要求的神经网络模型,将所述人物关系噪音实例及所述权重矩阵作为输入项、对所述初始策略网络进行再训练,生成得到针对人物关系样本中噪音的去噪级联模型。这一流程进一步包括,
当完成一轮噪音实例筛选后,将通过一个CNN模型进行人物关系类型的分类。CNN模型的参数包括卷积层和全连接层的权重和偏移项,故模型参数集合Φ={W_c,b_c,W_f,b_f},W_c,b_c代表卷积层的权重矩阵和偏移项参数,W_f,b_f代表全连接层的权重矩阵和偏移项参数。则输出的某句子属于某关系类型的概率公式如下所示。
S34、利用所述去噪级联模型对所述人物关系噪音实例进行处理,得到高质量的人物关系实例结果。
从实验结果上看,本方案爬取了百度百科上1万个人物词条网页,并从网页中过滤出至少含有两个人物实体的句子。数据集里定义了6种人物之间的关系,并手工标注了10414个句子里两人物实体的关系。数据格式为“样本索引-实体1-实体2-关系id-句子”,数据样例及6类关系及对应id如下表所示。
表1 关系类型及对应id
表2 人物关系数据样例
实验通过手动修改训练集里的一定比例样本的关系标签来引入噪声形成对照实验,实验结果如下表所示,其中origin为直接用CNN+BERT模型进行训练得到的人物关系识别及关系分类器,union为CNN+强化学习策略网络联合训练得到的人物关系识别及关系分类器。
无噪声组多分类实验结果
20%噪声组多分类实验结果
40%噪声组多分类实验结果
实验结果发现,输入的训练样本噪声越大,与未经过噪声样本过滤的CNN分类模型相比,基于强化学习的CNN关系分类模型越能体现其对噪声样本的鲁棒性。当噪声样本比例达40%时,联合模型的分类加权平均F1值比单纯依靠深度神经网络模型高出17%。
综上所述,本发明所提出的一种基于强化学习去噪的人物关系抽取方法,与现有技术相比,其核心优点体现在以下几个方面:
1、技术实现成本更低。本发明的方法利用Bootstrapping方法根据少量种子实体对即可迭代出大量关系实例的优势,将其作为自动抽取过程的主要架构。考虑到中文表达多样化的特点,为了最大限度地减少人工参与、提高模型在不同领域内的可移植性,本发明在融入词向量及其位置信息对句子的上下文进行向量化后,通过聚类的方法启发式地自适应生成关系的抽取模式,从而大大降低了人工标注工作中扩展同类标注样本的人力成本。
2、作业完成质量更高。针对半监督自动标注算法会引入大量噪音的问题,本发明通过设计强化学习算法对噪音人物关系实例进行降噪,并在中文条件下的人物关系抽取任务上进行了实证分析。结果表明,在无噪音实例环境下,传统CNN+BERT算法在人物关系抽取中的F1值(F1值 = 正确率 * 召回率 * 2 /(正确率 + 召回率))为61%,本发明中经过强化学习策略网络过滤后的样本训练出的模型的F1值为81%;而在噪音实例占比为40%的环境下,传统CNN+BERT算法在人物关系抽取中F1值仅为42%,本发明方法训练出的模型的F1值则可达71%。
3、泛化能力更强。在传统的人物关系抽取问题中,需要人工针对不同的关系类型分别进行打标,不同类型关系样本无法重复利用。而本发明方法的整体框架中利用CNN模型进行关系分类,不仅能够提高单个关系类别中的模型准确性,还能够根据不同类型的人物关系问题进行单独的分类模型训练,极大地提升了整体模型的泛化能力。
另一方面,本发明还涉及一种基于强化学习去噪的人物关系抽取装置,其架构如图2所示,包括:
种子实体对生成模块,被配置为对所获取的原始语料库进行人物实体识别及过滤,得到带多名人物实体的原始语料库,对所述带多名人物实体的原始语料库内的人物关系进行实体关系标注,得到人物关系种子实体对。
人物关系实例抽取模块,被配置为依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的语句文本,依据所述语句文本的上下文向量从所述语句文本中抽取得到关系抽取模板,利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取并基于Bootstrapping方法进行循环迭代,得到人物关系噪音实例。
人物关系实例去噪模块,被配置为以强化学习策略网络作为生成样本质量的判别器、结合基于神经网络的关系分类器,生成去噪级联模型,利用所述去噪级联模型对所述人物关系噪音实例进行处理,得到人物关系实例结果。
在一种可能的实现方式中,所述种子实体对生成模块,包括:
原始语料库形成单元,被配置为获取语料信息,将所获取的语料信息汇总形成原始语料库;
原始语料库处理单元,被配置为利用BiLSTM-CRF模型对所述原始语料库内的语料信息进行人物实体识别,并对去重后人物实体数量小于2名的语料信息进行过滤去除,得到带多名人物实体的原始语料库;
实体关系标注单元,被配置为对所述带多名人物实体的原始语料库内的每类人物关系及相对应的人物实体进行小批量的实体关系标注,每类人物关系的标注数量不少于500条,得到每类人物关系对应的人物关系种子实体对。
还包括,上下文向量生成单元,被配置为对所述带多名人物实体的原始语料库及待抽取关系的语料库中的语句文本进行文本向量化处理,得到每条所述语句文本的上下文向量。
文本切割划分子单元,被配置为对所述带多名人物实体的原始语料库及待抽取关系的语料库中的语句文本进行人物实体识别,将所述语句文本中已识别的人物实体进行剔除,再按所述语句文本中各部分相对于人物实体的位置将所述语句文本切割划分为前语句文本、中语句文本及后语句文本。
分词标注子单元,被配置为分别对所述前语句文本、所述中语句文本及所述后语句文本进行分词,得到各文本的分词结果并进行词性标注。
上下文向量获取子单元,被配置为对所述分词结果进行文本过滤,分别对过滤后的所述前语句文本、所述中语句文本及所述后语句文本进行文本向量化,并将文本向量化结果进行汇总,得到每条所述语句文本的上下文向量。
在一种可能的实现方式中,所述人物关系实例抽取模块,包括:
语句文本确定单元,被配置为依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的所述语句文本。
关系抽取模板生成单元,被配置为利用聚类算法、依据所述语句文本的上下文向量从所述语句文本中聚类得到关系抽取模板,每个所述关系抽取模板内包含有多条所述语句文本的上下文向量。
噪音实例生成单元,被配置为基于Bootstrapping方法、结合所述语句文本的上下文向量进行人物关系抽取迭代,得到人物关系噪音实例。
在一种可能的实现方式中,所述噪音实例生成单元,包括:
候选关系实例抽取子单元,被配置为依据上下文向量,分别计算语句文本与每个所述关系抽取模板间的相似度,若相似度不低于抽取阈值,则将该语句文本视为可由对应的所述关系抽取模板抽取出来的候选关系实例。
候选关系实例归类子单元,被配置为依据上下文向量间的相似度,将所述候选关系实例添加至与其相似度最高的所述关系抽取模板中。
模板置信得分计算子单元,被配置为依据所述候选关系实例的质量对所述关系抽取模板进行置信度评分,更新每个所述关系抽取模板的置信得分。
实例置信得分计算子单元,被配置为依据所述关系抽取模板的置信得分对所述候选关系实例进行置信度评分,得到各所述候选关系实例的置信得分,将置信得分高于预设阈值的所述候选关系实例作为人物关系种子实体对、用于下一次的关系抽取中。
人物关系噪音实例获取子单元,被配置为基于Bootstrapping方法、结合所述语句文本的上下文向量进行人物关系抽取迭代,得到人物关系噪音实例。
在一种可能的实现方式中,所述人物关系实例去噪模块,包括:
策略网络预训练单元,被配置为以实体关系标注结果作为样本,对策略网络进行预训练,得到初始策略网络。
分类模型训练单元,被配置为对所述人物关系噪音实例对应的所述语句文本进行文本向量化处理,串联生成状态向量,使用激活函数对全连接层内的所述人物关系噪音实例进行激活,得到激活后的噪音实例向量,依据所述状态向量及所述激活后的噪音实例向量计算所述人物关系噪音实例的奖赏并依据计算结果判断是否添加该人物关系噪音实例,循环执行以上操作直至遍历全部所述人物关系噪音实例,得到人物关系噪音实例处理结果。
策略网络再训练单元,被配置为依据所述人物关系噪音实例处理结果对神经网络模型进行训练,得到所述神经网络模型的权重矩阵,将所述人物关系噪音实例及所述权重矩阵作为输入项、对所述初始策略网络进行再训练,生成得到针对人物关系样本中噪音的去噪级联模型。人物关系实例生成单元,被配置为利用所述去噪级联模型对所述人物关系噪音实例进行处理,得到人物关系实例结果。
又一方面,本发明还涉及一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如前文中所述的人物关系抽取方法中的步骤,例如图1所示的步骤。或者,处理器执行计算机程序时实现上述各装置实施例中各模块/单元的功能,例如图2所示的各模块/单元的功能。
再一方面,本发明还涉及一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行所述计算机程序时实现如前文中所述的人物关系抽取方法中的步骤。
其中,可读存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
与前文中方法内容相对应的,本发明所提出的一种人物关系抽取装置、终端及存储介质,能够以系统化、标准化的处理流程,高效、准确地完成人物关系抽取作业,极大地降低了样本标注过程中的标注成本,且硬件的适配性和兼容性较高,能够切实地应用于信息抽取领域内的技术实现中。
本发明还为其他与关系抽取技术相关的方案提供了参考,可以以此为依据进行拓展延伸和深入研究,具有十分广阔的应用前景。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神和基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
最后,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (11)
1.一种人物关系抽取方法,其特征在于,包括:
对所获取的原始语料库进行人物实体识别及过滤,得到带多名人物实体的原始语料库,对所述带多名人物实体的原始语料库内的人物关系进行实体关系标注,得到人物关系种子实体对;
依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的语句文本,依据所述语句文本的上下文向量从所述语句文本中抽取得到关系抽取模板,利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取并基于Bootstrapping方法进行循环迭代,得到人物关系噪音实例;
以强化学习策略网络作为生成样本质量的判别器、结合基于神经网络的关系分类器,生成去噪级联模型,利用所述去噪级联模型对所述人物关系噪音实例进行处理,得到人物关系实例结果。
2.根据权利要求1所述的人物关系抽取方法,其特征在于,所述对所获取的原始语料库进行人物实体识别及过滤,得到带多名人物实体的原始语料库,对所述带多名人物实体的原始语料库内的人物关系进行实体关系标注,得到人物关系种子实体对,包括:
获取语料信息,将所获取的语料信息汇总形成原始语料库;
利用BiLSTM-CRF模型对所述原始语料库内的语料信息进行人物实体识别,并对去重后人物实体数量小于2名的语料信息进行过滤去除,得到带多名人物实体的原始语料库;
对所述带多名人物实体的原始语料库内的每类人物关系及相对应的人物实体进行小批量的实体关系标注,每类人物关系的标注数量不少于500条,得到每类人物关系对应的人物关系种子实体对。
3.根据权利要求1所述的人物关系抽取方法,其特征在于,在所述依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的语句文本,依据所述语句文本的上下文向量从所述语句文本中抽取得到关系抽取模板,利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取并进行基于Bootstrapping方法的循环迭代,得到人物关系噪音实例前,还包括:
对所述带多名人物实体的原始语料库及待抽取关系的语料库中的语句文本进行文本向量化处理,得到每条所述语句文本的上下文向量。
4.根据权利要求3所述的人物关系抽取方法,其特征在于,所述对所述带多名人物实体的原始语料库及待抽取关系的语料库中的语句文本进行文本向量化处理,得到每条所述语句文本的上下文向量,包括:
对所述带多名人物实体的原始语料库及待抽取关系的语料库中的语句文本进行人物实体识别,将所述语句文本中已识别的人物实体进行剔除,再按所述语句文本中各部分相对于人物实体的位置将所述语句文本切割划分为前语句文本、中语句文本及后语句文本;
分别对所述前语句文本、所述中语句文本及所述后语句文本进行分词,得到各文本的分词结果并进行词性标注;
对所述分词结果进行文本过滤,分别对过滤后的所述前语句文本、所述中语句文本及所述后语句文本进行文本向量化并将文本向量化结果进行汇总,得到每条所述语句文本的上下文向量。
5.根据权利要求1所述的人物关系抽取方法,其特征在于,所述依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的语句文本,依据所述语句文本的上下文向量从所述语句文本中抽取得到关系抽取模板,利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取并进行基于Bootstrapping方法的循环迭代,得到人物关系噪音实例,包括:
依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的所述语句文本;
利用聚类算法、依据所述语句文本的上下文向量从所述语句文本中聚类得到关系抽取模板,每个所述关系抽取模板内包含有多条所述语句文本的上下文向量;
利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取,基于Bootstrapping方法、结合所述语句文本的上下文向量进行人物关系抽取迭代,得到人物关系噪音实例。
6.根据权利要求5所述的人物关系抽取方法,其特征在于,所述利用聚类算法、依据所述语句文本的上下文向量从所述语句文本中聚类得到关系抽取模板,每个所述关系抽取模板内包含有多条所述语句文本的上下文向量,包括:
利用文本聚类算法对所述语句文本进行聚类,将初始输入的所述语句文本归入一个关系抽取模板中,
对于随后输入的每个未归入任一所述关系抽取模板中的所述语句文本,依据上下文向量逐一判断该语句文本与任一所述关系抽取模板间的相似度是否不低于相似度阈值,若是则将该语句文本归入对应的所述关系抽取模板中,
若该语句文本与已有的任一所述关系抽取模板间的相似度均低于相似度阈值,则将该语句文本归入一个新的所述关系抽取模板中,
重复以上操作直至完成对每条所述语句文本的处理,得到多个所述关系抽取模板且每个所述关系抽取模板内包含有多条所述语句文本的上下文向量。
7.根据权利要求5所述的人物关系抽取方法,其特征在于,所述利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取,基于Bootstrapping方法、结合所述语句文本的上下文向量进行人物关系抽取迭代,得到人物关系噪音实例,包括:
依据上下文向量,分别计算待抽取关系的语料库中每条所述语句文本与每个所述关系抽取模板间的相似度,若相似度不低于抽取阈值,则将该语句文本视为可由对应的所述关系抽取模板抽取出来的候选关系实例;
依据上下文向量间的相似度,将所述候选关系实例添加至与其相似度最高的所述关系抽取模板中;
依据所述候选关系实例的质量对所述关系抽取模板进行置信度评分,更新每个所述关系抽取模板的置信得分;
依据所述关系抽取模板的置信得分对所述候选关系实例进行置信度评分,得到各所述候选关系实例的置信得分,将置信得分高于预设阈值的所述候选关系实例作为人物关系种子实体对、用于下一次的关系抽取中;
基于Bootstrapping方法、结合所述语句文本的上下文向量进行人物关系抽取迭代,得到人物关系噪音实例。
8.根据权利要求1所述的人物关系抽取方法,其特征在于,以强化学习策略网络作为生成样本质量的判别器、结合基于神经网络的关系分类器,生成去噪级联模型,利用所述去噪级联模型对所述人物关系噪音实例进行处理,得到人物关系实例结果,去噪级联模型,包括:
以实体关系标注结果作为样本,对策略网络进行预训练,得到初始策略网络;
对所述人物关系噪音实例对应的所述语句文本进行文本向量化处理,串联生成状态向量,使用激活函数对全连接层内的所述人物关系噪音实例进行激活,得到激活后的噪音实例向量,依据所述状态向量及所述激活后的噪音实例向量计算所述人物关系噪音实例的奖赏并依据计算结果判断是否添加该人物关系噪音实例,循环执行以上操作直至遍历全部所述人物关系噪音实例,得到人物关系噪音实例处理结果;
依据所述人物关系噪音实例处理结果对神经网络模型进行训练,得到所述神经网络模型的权重矩阵,将所述人物关系噪音实例及所述权重矩阵作为输入项、对所述初始策略网络进行再训练,生成得到针对人物关系样本中噪音的去噪级联模型;
利用所述去噪级联模型对所述人物关系噪音实例进行处理,得到人物关系实例结果。
9.一种人物关系抽取装置,其特征在于,包括:
种子实体对生成模块,被配置为对所获取的原始语料库进行人物实体识别及过滤,得到带多名人物实体的原始语料库,对所述带多名人物实体的原始语料库内的人物关系进行实体关系标注,得到人物关系种子实体对;
人物关系实例抽取模块,被配置为依据输入的含目标关系的所述人物关系种子实体对在所述带多名人物实体的原始语料库内找出相对应的语句文本,依据所述语句文本的上下文向量从所述语句文本中抽取得到关系抽取模板,利用所述关系抽取模板在待抽取关系的语料库中进行人物关系实例提取并基于Bootstrapping方法进行循环迭代,得到人物关系噪音实例;
人物关系实例去噪模块,被配置为以强化学习策略网络作为生成样本质量的判别器、结合基于神经网络的关系分类器,生成去噪级联模型,利用所述去噪级联模型对所述人物关系噪音实例进行处理,得到人物关系实例结果。
10.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8中任一所述人物关系抽取方法中的步骤。
11.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行所述计算机程序时实现如权利要求1至8中任一所述人物关系抽取方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210516459.1A CN114625880B (zh) | 2022-05-13 | 2022-05-13 | 人物关系抽取方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210516459.1A CN114625880B (zh) | 2022-05-13 | 2022-05-13 | 人物关系抽取方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114625880A true CN114625880A (zh) | 2022-06-14 |
CN114625880B CN114625880B (zh) | 2022-08-19 |
Family
ID=81907004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210516459.1A Active CN114625880B (zh) | 2022-05-13 | 2022-05-13 | 人物关系抽取方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114625880B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2172849A1 (en) * | 2008-09-30 | 2010-04-07 | Xerox Corporation | Semantically-driven extraction of relations between named entities |
CN107220237A (zh) * | 2017-05-24 | 2017-09-29 | 南京大学 | 一种基于卷积神经网络的企业实体关系抽取的方法 |
US20180157643A1 (en) * | 2016-12-06 | 2018-06-07 | Siemens Aktiengesellschaft | Device and method for natural language processing |
CN110263019A (zh) * | 2019-06-18 | 2019-09-20 | 中南民族大学 | 实体关系抽取模型的构建方法、装置和存储介质 |
CN110991165A (zh) * | 2019-12-12 | 2020-04-10 | 智器云南京信息科技有限公司 | 文本中人物关系提取方法及装置、计算机设备和存储介质 |
CN111914091A (zh) * | 2019-05-07 | 2020-11-10 | 四川大学 | 一种基于强化学习的实体和关系联合抽取方法 |
CN111914571A (zh) * | 2019-05-07 | 2020-11-10 | 阿里巴巴集团控股有限公司 | 语句切分方法及装置、存储介质、处理器及终端设备 |
CN113130025A (zh) * | 2020-01-16 | 2021-07-16 | 中南大学 | 一种实体关系抽取方法、终端设备及计算机可读存储介质 |
WO2022037256A1 (zh) * | 2020-08-21 | 2022-02-24 | 腾讯科技(深圳)有限公司 | 文本语句处理方法、装置、计算机设备和存储介质 |
US20220067278A1 (en) * | 2020-08-25 | 2022-03-03 | Beijing Wodong Tianjun Information Technology Co., Ltd. | System for entity and evidence-guided relation prediction and method of using the same |
CN114238524A (zh) * | 2021-12-21 | 2022-03-25 | 军事科学院系统工程研究院网络信息研究所 | 基于增强样本模型的卫星频轨数据信息抽取方法 |
-
2022
- 2022-05-13 CN CN202210516459.1A patent/CN114625880B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2172849A1 (en) * | 2008-09-30 | 2010-04-07 | Xerox Corporation | Semantically-driven extraction of relations between named entities |
US20180157643A1 (en) * | 2016-12-06 | 2018-06-07 | Siemens Aktiengesellschaft | Device and method for natural language processing |
CN107220237A (zh) * | 2017-05-24 | 2017-09-29 | 南京大学 | 一种基于卷积神经网络的企业实体关系抽取的方法 |
CN111914091A (zh) * | 2019-05-07 | 2020-11-10 | 四川大学 | 一种基于强化学习的实体和关系联合抽取方法 |
CN111914571A (zh) * | 2019-05-07 | 2020-11-10 | 阿里巴巴集团控股有限公司 | 语句切分方法及装置、存储介质、处理器及终端设备 |
CN110263019A (zh) * | 2019-06-18 | 2019-09-20 | 中南民族大学 | 实体关系抽取模型的构建方法、装置和存储介质 |
CN110991165A (zh) * | 2019-12-12 | 2020-04-10 | 智器云南京信息科技有限公司 | 文本中人物关系提取方法及装置、计算机设备和存储介质 |
CN113130025A (zh) * | 2020-01-16 | 2021-07-16 | 中南大学 | 一种实体关系抽取方法、终端设备及计算机可读存储介质 |
WO2022037256A1 (zh) * | 2020-08-21 | 2022-02-24 | 腾讯科技(深圳)有限公司 | 文本语句处理方法、装置、计算机设备和存储介质 |
US20220067278A1 (en) * | 2020-08-25 | 2022-03-03 | Beijing Wodong Tianjun Information Technology Co., Ltd. | System for entity and evidence-guided relation prediction and method of using the same |
CN114238524A (zh) * | 2021-12-21 | 2022-03-25 | 军事科学院系统工程研究院网络信息研究所 | 基于增强样本模型的卫星频轨数据信息抽取方法 |
Non-Patent Citations (2)
Title |
---|
LEI,MING等: "Multi-granularity semantic representation model for relation extraction", 《NEURAL COMPUTING & APPLICATIONS》 * |
刘鉴等: "基于双向LSTM和自注意力机制的中文关系抽取研究", 《山西大学学报(自然科学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114625880B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189925B (zh) | 基于点互信息的词向量模型和基于cnn的文本分类方法 | |
WO2018218708A1 (zh) | 一种基于深度学习的舆情热点类别划分方法 | |
CN111666350B (zh) | 一种基于bert模型的医疗文本关系抽取的方法 | |
CN108959305A (zh) | 一种基于互联网大数据的事件抽取方法及系统 | |
CN113705237B (zh) | 融合关系短语知识的关系抽取方法、装置和电子设备 | |
Ababneh | Investigating the relevance of Arabic text classification datasets based on supervised learning | |
CN110298044A (zh) | 一种实体关系识别方法 | |
CN114692605A (zh) | 一种融合句法结构信息的关键词生成方法及装置 | |
CN114265935A (zh) | 一种基于文本挖掘的科技项目立项管理辅助决策方法及系统 | |
CN113886562A (zh) | 一种ai简历筛选方法、系统、设备和存储介质 | |
CN115329101A (zh) | 一种电力物联网标准知识图谱构建方法及装置 | |
CN113535928A (zh) | 基于注意力机制下长短期记忆网络的服务发现方法及系统 | |
CN114625880B (zh) | 人物关系抽取方法、装置、终端及存储介质 | |
CN116049376B (zh) | 一种信创知识检索回复的方法、装置和系统 | |
Thatha et al. | An Enhanced Support Vector Machine Based Pattern Classification Method for Text Classification in English Texts | |
CN111597400A (zh) | 基于寻路算法的计算机检索系统及方法 | |
CN112651590B (zh) | 一种指令处理流程推荐的方法 | |
CN113722431B (zh) | 命名实体关系识别方法、装置、电子设备及存储介质 | |
CN114004233B (zh) | 一种基于半训练和句子选择的远程监督命名实体识别方法 | |
CN112948552B (zh) | 一种事理图谱在线扩展方法及装置 | |
CN114969511A (zh) | 基于分片的内容推荐方法、设备及介质 | |
CN113076468A (zh) | 一种基于领域预训练的嵌套事件抽取方法 | |
Wang et al. | Edcleaner: Data cleaning for entity information in social network | |
CN117436457B (zh) | 反讽识别方法、装置、计算设备及存储介质 | |
Chaoji et al. | Recursive data mining for role identification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method, device, terminal, and storage medium for extracting character relationships Granted publication date: 20220819 Pledgee: China Construction Bank Corporation Shanghai Zhangjiang Branch Pledgor: SHANGHAI ZHIXUN INFORMATION TECHNOLOGY CO.,LTD. Registration number: Y2024980003014 |