一种基于空间感知依赖图和无损解码的联合信息抽取方法

    公开(公告)号:CN119623614B

    公开(公告)日:2025-04-18

    申请号:CN202510148309.3

    申请日:2025-02-11

    Abstract: 本发明提供了一种基于空间感知依赖图和无损解码的联合信息抽取方法,包括:步骤1,利用预训练的语言模型对输入文本序列进行编码;步骤2,识别出实体和事件触发器;步骤3,将位置信息添加到实体和事件触发器表示中;步骤4,将信息抽取任务构造为图预测模型,实体和事件触发器为图的节点,关系和事件论元为图的边;步骤5,计算节点和边的联合概率分布;步骤6,得到节点和边的标签;步骤7,输入文本,输出文本所含实体、关系、事件触发器、事件论元类别。本发明改进了现有的局部解码策略,采取随机梯度变分推断避免解码过程中同一任务标签之间依赖性的损失,以实现更好的实例标签的全局最优分配。有效提升联合信息抽取的准确性和鲁棒性。

    一种基于混合提示调优的文档级关系抽取方法

    公开(公告)号:CN119829745A

    公开(公告)日:2025-04-15

    申请号:CN202510300734.X

    申请日:2025-03-14

    Abstract: 本发明提供了一种基于混合提示调优的文档级关系抽取方法,包括:利用历史文档构建文档级知识图谱模块,获取并处理实体、关系结构信息;设计句子级语义检索增强机制,基于语义相关度匹配并检索上下文信息;提出混合提示调优方法,对大语言模型进行高效参数微调;最后聚合文档级知识图谱和句子级语义检索增强生成SetRAG机制的输出结果进行文档级关系预测。本发明通过将基于图谱的领域知识和基于检索的语义知识相结合,可以有效解决现有文档级关系抽取中难以捕获实体、关系交互信息以及跨句子关系推理困难的问题,同时实现了高效、准确的文档级关系抽取,并在公开测试数据集上取得了显著的性能提升。

    一种基于空间感知依赖图和无损解码的联合信息抽取方法

    公开(公告)号:CN119623614A

    公开(公告)日:2025-03-14

    申请号:CN202510148309.3

    申请日:2025-02-11

    Abstract: 本发明提供了一种基于空间感知依赖图和无损解码的联合信息抽取方法,包括:步骤1,利用预训练的语言模型对输入文本序列进行编码;步骤2,识别出实体和事件触发器;步骤3,将位置信息添加到实体和事件触发器表示中;步骤4,将信息抽取任务构造为图预测模型,实体和事件触发器为图的节点,关系和事件论元为图的边;步骤5,计算节点和边的联合概率分布;步骤6,得到节点和边的标签;步骤7,输入文本,输出文本所含实体、关系、事件触发器、事件论元类别。本发明改进了现有的局部解码策略,采取随机梯度变分推断避免解码过程中同一任务标签之间依赖性的损失,以实现更好的实例标签的全局最优分配。有效提升联合信息抽取的准确性和鲁棒性。

Patent Agency Ranking