一种基于深度学的命名实体关系抽取与构建方法

摘要

本发明提供了一种基于深度学的命名实体关系抽取与构建方法，用于互联网信息技术领域。本方法针对某一特定领域，在垂直网站上抓取领域内的新闻数据，对获取的新闻数据进行预处理；新闻数据分词，抽取关键词，生成行业词库，利用行业词库对新闻数据重新分词；抽取种子词库；无监督构建实体关系网络，从新闻数据中抽取包含两个以上实体的句子，抽取句子中的动词以及对应的文档，对抽取的文档建立基于深度学的词聚类模型，根据动词描述的词之间的关系，构建实体关系网络；定义实体关系类别，对实体关系网络中的每个实体对，进行关系分类。本发明不需投入大规模人力对样本数据进行标记，语料库的依赖性低，抽取实体关系的性能高。

主权项

一种基于深度学习的命名实体关系抽取与构建方法，针对某一特定领域，其特征在于，包括如下步骤：步骤1：构建爬虫程序，在垂直网站上抓取领域内的新闻数据；步骤2：对获取的新闻数据进行预处理，去除垃圾信息，包括重复信息、不正常显示信息和编码乱码信息；将预处理后的新闻数据用于下面步骤；步骤3：对新闻数据进行分词，抽取关键词，将抽取的关键词加入词库，生成行业词库；步骤4：利用行业词库对新闻数据进行中文分词，获取对应的词集合；步骤5：抽取种子词库，种子为设定的实体对；步骤6：无监督构建实体关系网络，具体是：从新闻数据中抽取包含两个以上实体的句子，抽取句子中的动词以及对应的文档；对抽取的文档建立基于深度学习的词聚类模型，获取实体在词上的分布；根据动词描述的词之间的关系，构建实体关系网络；步骤7：定义实体关系类别，具体是：从新闻数据抽取包含两个实体的句子中的动词，对动词进行聚类，将相同的动词归为同一类；步骤8：对实体关系网络中的每个实体对，基于步骤7的聚类结果进行关系分类。