基于图神经网络的中文开放信息抽取方法和装置

发明专利有效专利

申请号：
CN202110882753.X
IPC分类号：G06F40/211;G06F40/216;G06F40/253;G06N3/04
申请日期：
2021-08-02
申请人：
清华大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于图神经网络的中文开放信息抽取方法和装置
申请号	CN202110882753.X	申请日期	2021-08-02
法律状态	公开	申报国家	暂无
公开/公告日	2021-11-26	公开/公告号	CN113705196A
优先权	暂无	优先权号	暂无
主分类号	G06F40/211	IPC分类号	G;0;6;F;4;0;/;2;1;1;;;G;0;6;F;4;0;/;2;1;6;;;G;0;6;F;4;0;/;2;5;3;;;G;0;6;N;3;/;0;4查看分类表>
申请人	清华大学	申请人地址	北京市海淀区双清路30号清华大学变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	清华大学	当前权利人	清华大学
发明人	侯磊;吕志亨;李涓子;张鹏;唐杰;许斌
代理机构	北京路浩知识产权代理有限公司	代理人	程琛

摘要

本发明提供一种基于图神经网络的中文开放信息抽取方法和装置，包括：将待测中文语句文本输入谓语抽取模型，输出谓语结果；谓语抽取模型是基于样本中文语句文本和谓语标签进行训练得到的，谓语抽取模型训练时的网络结构包括顺次连接的嵌入词性的字符上下文表示网络、第一多粒度依存图字符表示神经网络和谓语区间分类网络；将谓语结果和待测中文语句文本输入主宾抽取模型，输出主语结果和宾语结果；主宾抽取模型是基于样本中文语句文本和主谓宾三元组标签进行训练得到的，主宾抽取模型训练时的网络结构与谓语抽取模型架构相同。本发明提供的方法和装置，实现了融合分词和依存句法信息，提高了抽取开放的事实主谓宾知识三元组的准确率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供