发明名称 |
一种基于深度神经网络的实体关系抽取方法 |
摘要 |
本发明公开了一种基于深度神经网络的实体关系抽取方法,包括:将句子的每个字或类别关键词分别映射到字向量或类别向量,根据字向量和类别向量对句子进行特征提取,将所提取的特征首尾相接输入全连接分类层,即得到抽取结果。本发明利用了机器学中的普通神经网络与卷积神经网络进行文本的实体关系抽取,提高了实体关系抽取的准确率和性能,简化了实体关系抽取中的人工工作量。利用了预训练的字向量,提高了神经网络的收敛速度和准确率;引入句子特征与类别特征,使用卷积神经网络和普通神经网络进行提取,解决了长短句问题,提高了实体关系抽取的性能。 |
申请公布号 |
CN106202044A |
申请公布日期 |
2016.12.07 |
申请号 |
CN201610532802.6 |
申请日期 |
2016.07.07 |
申请人 |
武汉理工大学 |
发明人 |
熊盛武;陈振东;段鹏飞;缪少豪;王娜;毛晶晶 |
分类号 |
G06F17/27(2006.01)I |
主分类号 |
G06F17/27(2006.01)I |
代理机构 |
武汉开元知识产权代理有限公司 42104 |
代理人 |
潘杰;胡艺 |
主权项 |
一种基于深度神经网络的实体关系抽取方法,其特征在于,包括:步骤1,将句子的每个字或类别关键词分别映射到字向量或类别向量;步骤2,根据所述字向量和所述类别向量对所述句子进行特征提取;步骤3,将所述步骤2所提取的特征首尾相接输入全连接分类层,即得到抽取结果。 |
地址 |
430070 湖北省武汉市珞狮路122号武汉理工大学 |