公开(公告)号：CN112507699A

公开(公告)日：2021-03-16

申请号：CN202010972885.7

申请日：2020-09-16

Applicant: 东南大学

Inventor： 申时荣 ,  漆桂林 ,  段尚甫

IPC: G06F40/279 ,  G06F40/211 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 本专利公开了一种远程监督关系抽取方法，主要用于解决远程监督关系抽取中信息不充分和监督信息存在噪声的问题。本专利构建了引入多源额外信息的异构图，并以图卷积网络的方式进行建模。本专利首先对所有的信息进行编码，包括待抽取的文本、知识图谱中的实体信息、启发式的文本路径等。然后，本专利把每种信息构建成一个节点，将信息之间的关联性表示为边。接着，通过图卷积网络对所有节点进行特征抽取，然后通过注意力机制对噪声信息进行过滤。最后，通过监督学习的方式对整个框架中的参数进行更新，最后学习到一种灵活性高、表达能力强的关系抽取模型。

公开(公告)号：CN112507699B

公开(公告)日：2022-11-18

申请号：CN202010972885.7

申请日：2020-09-16

Applicant: 东南大学

Inventor： 申时荣 ,  漆桂林 ,  段尚甫

IPC: G06F40/279 ,  G06F40/211 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 本专利公开了一种远程监督关系抽取方法，主要用于解决远程监督关系抽取中信息不充分和监督信息存在噪声的问题。本专利构建了引入多源额外信息的异构图，并以图卷积网络的方式进行建模。本专利首先对所有的信息进行编码，包括待抽取的文本、知识图谱中的实体信息、启发式的文本路径等。然后，本专利把每种信息构建成一个节点，将信息之间的关联性表示为边。接着，通过图卷积网络对所有节点进行特征抽取，然后通过注意力机制对噪声信息进行过滤。最后，通过监督学习的方式对整个框架中的参数进行更新，最后学习到一种灵活性高、表达能力强的关系抽取模型。